🎁 新人 免费注册,送 10 次调用,最高 $1,免绑卡。

Chirp 3 vs Seed ASR

vs

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,也都做说话人分离;seed-asr-bigmodel 便宜 8 倍,$0.002 对 $0.016,并能接受长得多的文件——异步模式最长 5 小时、512MB,而 chirp-3 的批处理是一小时——还带句级和词级时间戳。chirp-3 给的是广度:29 个 GA 加 82 个预览语言区,而 seed-asr-bigmodel 的默认集是普通话、英语、粤语和中文方言,另有 39 个语言键可显式指定。按录音时长和语言区来选,而不是按价格。

定价

Chirp 3 Seed ASR Δ
每分钟音频 $0.016 $0.002

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)

Chirp 3 · $0.016 Seed ASR · $0.002
$0.002 · Fun-ASR Realtime $0.016 · Chirp 2

能力

Chirp 3 Seed ASR
说话人分离
流式传输
时间戳

规格

Chirp 3 Seed ASR
输入模态 音频 音频
输出模态 文本 文本
发布日期 2025-10-13
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

Async audio-file mode: <512MB, <5 hours, OPUS/WAV/MP3/SPX/OGG/AMR/AAC/M4A (raw PCM also accepted), results returned within 3 hours and retained 7 days

speaker diarization via enable_speaker_info (audio-file API only, best with <=10 speakers, no diarization on the streaming API)

sentence + word segmentation with start_time/end_time via show_utterances

language identification via enable_lid

hotwords/context up to 800 tokens and 20 rounds

per-call billing

语言

29 GA + 82 Preview locales (111 total) across StreamingRecognize, Recognize and BatchRecognize

diarization covers 14 of them

With `language` empty the model covers Mandarin, English, Cantonese, Shanghainese, Minnan, Sichuan and Shaanxi dialects

39 language keys can be pinned explicitly (en-US, zh-CN, yue-CN, ja-JP, ko-KR, id-ID, es-MX, pt-BR, de-DE, fr-FR, fil-PH, ms-MY, th-TH, ar-SA, it-IT, bn-BD, el-GR, nl-NL, ru-RU, tr-TR, vi-VN, pl-PL, ro-RO, uk-UA, az-AZ, bg-BG, cs-CZ, da-DK, fi-FI, hi-IN, hu-HU, kk-KZ, km-KH, my-MM, no-NO, pa-PK, sv-SE, sw-KE, ur-PK), plus optional auto-detection (enable_auto_lang)

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 · Seed ASR

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="seed-asr-bigmodel",  # 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 Seed ASR 哪个更便宜?

在 每分钟音频 方面,Seed ASR 更便宜($0.002 对比 $0.016,相差 8.0×)。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 Seed ASR 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 Seed ASR 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