Chirp 3 vs Fun-ASR Flash
何时使用哪一个 — 经过整理的结论,而非基准测试表格
两者都按音频分钟计费,fun-asr-flash 便宜 7.6 倍,$0.0021 对 $0.016——但它是更窄的工具:仅同步识别,单个文件最长 5 分钟或 2GB,30 多种语言,不做说话人分离。chirp-3 覆盖 29 个 GA 加 82 个预览语言区,批处理最长一小时并支持实时流,还能在 14 种语言上做分离。大批量短音频选 fun-asr-flash;需要分离、长文件或更宽的语言区列表时选 chirp-3。
定价
| Chirp 3 | Fun-ASR Flash | Δ | |
|---|---|---|---|
| 每分钟音频 | $0.016 | $0.0021 | 7.6× |
费率取自构建时的实时目录;每个模型页面均附有当前的费率卡。
它们的位置 — 以该计费单位计费的所有 11 个 语音转文本 模型的 每音频分钟的价格(对数刻度)
能力
| Chirp 3 | Fun-ASR Flash | |
|---|---|---|
| 说话人分离 | 是 | 否 |
| 流式传输 | 是 | 是 |
| 时间戳 | 是 | — |
规格
| Chirp 3 | Fun-ASR Flash | |
|---|---|---|
| 输入模态 | 音频 | 音频 |
| 输出模态 | 文本 | 文本 |
| 发布日期 | 2025-10-13 | 2026-06 |
| 限制 | Auto-detected audio decoding sync Recognize <1 min, BatchRecognize 1 min–1 hr (<=20 min with word timestamps), StreamingRecognize for real-time speaker diarization in BatchRecognize and Recognize (14 languages) utterance-level timestamps (StreamingRecognize only), word-level timestamps listed as unsupported language-agnostic transcription 29 GA + 82 preview locales | Synchronous fast recognition, <=5 min / <=2GB per audio context injection for domain terms 30+ languages no diarization |
| 语言 | 29 GA + 82 Preview locales (111 total) across StreamingRecognize, Recognize and BatchRecognize diarization covers 14 of them | Multilingual with dialects, the same 30-language list as the Fun-ASR main versions: Chinese (Mandarin, Cantonese, Wu, Hokkien, Hakka, Gan, Xiang, Jin plus regional accents), English, Japanese, Korean, Vietnamese, Thai, Indonesian, Malay, Filipino, Hindi, Arabic, French, German, Spanish, Portuguese, Russian, Italian, Dutch, Swedish, Danish, Finnish, Norwegian, Greek, Polish, Czech, Hungarian, Romanian, Bulgarian, Croatian, Slovak |
规格转录自各供应商的文档;若供应商未发布某项数据,则直接省略该行,而非进行推断。 完整来源: Chirp 3 · Fun-ASR Flash
只需一行代码即可在它们之间切换
两个 ID 都包含在下方的每个选项卡中 — 高亮显示的两行是唯一的修改。相同的端点,相同的密钥,相同的请求结构。
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.audio.transcriptions.create(
model="chirp-3",
# model="fun-asr-flash", # 取消注释此行,注释上一行
file=open("meeting.mp3", "rb"),
language="en",
)
print(resp.text)import OpenAI from "openai";
import fs from "node:fs";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.audio.transcriptions.create({
model: "chirp-3",
// model: "fun-asr-flash", // 取消注释此行,注释上一行
file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);curl https://synthorai.io/v1/audio/transcriptions \
-H "Authorization: Bearer sk-syn-..." \
-F model="chirp-3" \
# -F model="fun-asr-flash" \ # 取消注释此行,注释上一行
-F file=@meeting.mp3package main
import (
"context"
"fmt"
"os"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
f, _ := os.Open("meeting.mp3")
resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
Model: "chirp-3",
// Model: "fun-asr-flash", // 取消注释此行,注释上一行
File: f,
})
fmt.Println(resp.Text)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
Transcription resp = client.audio().transcriptions().create(
TranscriptionCreateParams.builder()
.model("chirp-3")
// .model("fun-asr-flash") // 取消注释此行,注释上一行
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());常见问题
Chirp 3 和 Fun-ASR Flash 哪个更便宜?
在 每分钟音频 方面,Fun-ASR Flash 更便宜($0.0021 对比 $0.016,相差 7.6×)。其他行可能得出相反的结论——上方表格提供了完整信息,实际成本取决于你的组合使用情况。
我可以在不进行两次集成的情况下,对 Chirp 3 和 Fun-ASR Flash 进行 A/B 测试吗?
可以。两者均通过同一个兼容 OpenAI 的端点提供服务,并使用同一把 API 密钥——切换只需更改一行模型字符串,因此你可以将一部分流量路由到各个模型并直接比较账单。
Chirp 3 和 Fun-ASR Flash 支持说话人分离吗?
上方能力表格依据各供应商的官方文档,针对每个模型回答了此问题——由于各个模型在说话人分离、流式传输和时间戳这三方面均存在差异,因此将它们单独列出。