🎁 新人 免费注册,送 10 次调用,最高 $1,免绑卡。

Chirp 3 vs GPT-4o Transcribe Diarize

vs

何时使用哪一个 — 经过整理的结论,而非基准测试表格

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。

定价

Chirp 3 GPT-4o Transcribe Diarize Δ
每分钟音频 $0.016
音频输入 / 1M tokens $6.25
文本输出 / 1M tokens $2.5

这两个模型的计费单位不同,因此不显示 Δ — 它们之间的转换需要基于我们尚未实测的假设。上面列出的每张费率卡均采用其自身对应的单位。

能力

Chirp 3 GPT-4o Transcribe Diarize
说话人分离
流式传输
时间戳

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 · GPT-4o Transcribe Diarize

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="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)

获取 API 密钥 →

常见问题

Chirp 3 和 GPT-4o Transcribe Diarize 哪个更便宜?

它们的计费单位不同,因此不存在单一的绝对数字:在上方表格中,Chirp 3 和 GPT-4o Transcribe Diarize 分别以各自的单位显示。请根据你自己的工作负载进行比较——本页顶部的结论中描述了实际的权衡。

我可以在不进行两次集成的情况下,对 Chirp 3 和 GPT-4o Transcribe Diarize 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 GPT-4o Transcribe Diarize 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。

相关对比

来自我们的实测研究