Chirp 3 vs GPT-4o Transcribe Diarize
什么时候选哪个
这两者都执行带有说话人分离的转录,但它们的计费单位不同 —— chirp-3 每音频分钟计费 $0.016,而 gpt-4o-transcribe-diarize 每百万音频输入 token 计费 $6.25,外加每百万文本输入和输出 token 计费 $2.5 —— 因此它们之间没有任何一种单一换算是绝对准确的。选择 chirp-3 用于长音频或实时任务:BatchRecognize 跨度为 1 分钟到 1 小时,StreamingRecognize 处理实时任务,并覆盖 29 个 GA 加 82 个预览版语言区域,尽管不支持词级时间戳。选择 gpt-4o-transcribe-diarize 用于 25MB 以下的较短文件,当你希望返回带有说话人标签和段落时间戳的 diarized_json 时,受其 16000-token 上下文和 2000-token 输出上限限制。
价格
| Chirp 3 | GPT-4o Transcribe Diarize | Δ | |
|---|---|---|---|
| 每分钟音频 | $0.016 | - | - |
| 音频输入 / 1M token | - | $6.25 | - |
| 文本输出 / 1M token | - | $2.5 | - |
这两个模型的计费单位不同,所以不显示 Δ:要在两种单位之间换算,就得引入一个我们没有实测过的假设。上方各自的价格按各自的单位列出。
能力
| Chirp 3 | GPT-4o Transcribe Diarize | |
|---|---|---|
| 说话人分离 | 是 | 是 |
| 流式输出 | 是 | 是 |
| 时间戳 | 是 | 是 |
规格
| Chirp 3 | GPT-4o Transcribe Diarize | |
|---|---|---|
| 输入模态 | 音频 | 文本 音频 |
| 输出模态 | 文本 | 文本 |
| 发布日期 | 2025-10-13 | 2025-10 |
| 知识截止日期 | - | 2024-06 |
| 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 | mp3/mp4/mpeg/mpga/m4a/wav/webm, up to 25MB built-in speaker diarization with diarized_json output (speaker labels + segment timestamps) chunking_strategy required for audio >30s no prompt support |
| 语言 | 29 GA + 82 Preview locales (111 total) across StreamingRecognize, Recognize and BatchRecognize diarization covers 14 of them | 57 languages listed for the transcriptions endpoint (one shared list for all transcription models) ISO 639-1 / 639-3 codes accepted for GPT-4o-based models |
| 最大输出 | - | 2K |
规格照录自各供应商的文档;供应商没有公布的项目,对应的行直接省略,不做推断。 完整来源: Chirp 3 · GPT-4o Transcribe Diarize
改一行代码就能在两个模型之间切换
下方每个标签页里都有两个模型 ID,高亮的那两行是唯一要改的地方。端点不变,API key 不变,请求结构也不变。
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="gpt-4o-transcribe-diarize", # 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: "gpt-4o-transcribe-diarize", // 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="gpt-4o-transcribe-diarize" \ # 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: "gpt-4o-transcribe-diarize", // 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("gpt-4o-transcribe-diarize") // 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 GPT-4o Transcribe Diarize 哪个更便宜?
两个模型的计费单位不同,给不出一个公允的统一数字:上方表格里,Chirp 3 和 GPT-4o Transcribe Diarize 各按自己的单位列出。建议拿你自己的负载来比,实际该怎么取舍,见本页顶部的结论。
不用分别集成两次,就能对 Chirp 3 和 GPT-4o Transcribe Diarize 做 A/B 测试吗?
可以。两个模型走同一个 OpenAI 兼容端点,用同一个 API key,切换时只要改一行里的模型名,所以可以给两个模型各分一部分流量,直接对比账单。
Chirp 3 和 GPT-4o Transcribe Diarize 支持说话人分离吗?
上方的能力表格按各供应商的官方文档,逐个模型回答了这个问题。说话人分离、流式输出和时间戳三项分开列出,因为不同模型在这三项上的支持情况都不一样。