Chirp 2 是 Google Cloud 的多语言自动语音识别模型,通过 Speech-to-Text v2 API 提供。
- 输入
- 音频
- 输出
- 文本
- 价格
- $0.016/min
价格在同类中的位置
价格在 11 个同类模型中的位置
这条线显示该模型的价格,在 Synthorai 上同类模型里处于什么位置。两端标出了最便宜和最贵的那个。这里是基础价,批量、区域和缓存写入的折扣见价格页。
规格与限制
音频
| 语言 | 因方法而异:BatchRecognize 覆盖最广,Recognize 则「与 Chirp 相当」;StreamingRecognize 限于 16 个区域设置(简体/繁体中文、粤语、英语 AU/IN/GB/US、法语 CA/FR、德语、意大利语、日语、韩语、葡萄牙语(巴西)、西班牙语 ES/US) |
|---|---|
| 音频限制 |
|
| 说话人分离 | 不支持 |
| 流式转写 | 支持 |
| 时间戳 | 支持 |
模型
| 模态 | 音频 → 文本 |
|---|
- Speech-to-Text V2 的官方模型 id 是 chirp_2(下划线)
- 已 GA,并于 2025-01-27 扩展区域 GA(us-central1/europe-west4/asia-southeast1)
- 按音频计费
30 秒用上 Chirp 2
OpenAI 兼容:换掉 base_url,SDK 不用改。POST /v1/audio/transcriptions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.audio.transcriptions.create(
model="chirp-2",
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-2",
file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);curl https://synthorai.io/v1/audio/transcriptions \
-H "Authorization: Bearer sk-syn-..." \
-F model="chirp-2" \
-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-2",
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-2")
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());关于 Chirp 2
- Google 称它在准确率和速度上都优于初代 Chirp,并新增词级时间戳、模型自适应(短语偏置)和语音翻译。
- 它提供自动标点与大小写、语言无关转写(模型会推断音频中占主导的语言并以该语言转写)以及脏话过滤,支持流式、同步和批量识别,可处理从不足一分钟到八小时的音频,这是所有 Chirp 模型中最长的批量上限。
- 流式覆盖十六种语言区域,批量则拥有该家族最广的语言支持。
- 词级时间戳需要显式开启,Google 指出开启后转写质量和速度会略有下降;它返回的词级置信度值在文档中被写明并非真正的置信度分数。
- 自适应接受简单的词和短语,但不支持类 token 和自定义类。
- 语音翻译的语言对是不对称的:二十七种源语言可译入美式英语,从美式英语可译出十八种目标语言;强制规范化和降噪器补齐了整个特性集。
- 唯一明显的缺口是说话人分离,Google 将其列为不支持,而这项能力正是转向 Chirp 3 的理由。
- 可用范围仅限少数几个区域。
- Synthorai 通过其 OpenAI 兼容音频端点提供 Chirp 2 转写。
常见问题
Chirp 2 API 可以免费试用吗?
可以。新账号可获得 10 次试用调用和最高 $1 的免费额度,无需绑卡。足够在添加付款方式之前,用真实工作负载试一试 Chirp 2。
Chirp 2 最擅长什么?
准确率与速度优于前代、词级时间戳与语音翻译、音频从不足一分钟到八小时。完整能力请见「关于」部分,内容取自厂商官方发布说明。
Chirp 2 的价格是多少?
在 Synthorai 上,Chirp 2 按转写音频每分钟 $0.016 计费,按量付费,无平台加价,无需订阅。
Chirp 2 支持哪些语言?
Chirp 2 支持 因方法而异:BatchRecognize 覆盖最广,Recognize 则「与 Chirp 相当」;StreamingRecognize 限于 16 个区域设置(简体/繁体中文、粤语、英语 AU/IN/GB/US、法语 CA/FR、德语、意大利语、日语、韩语、葡萄牙语(巴西)、西班牙语 ES/US)。在 Synthorai 上通过 POST /v1/audio/transcriptions 调用,即标准 OpenAI 转写 API 形态。
如何开通 Chirp 2?
把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "chirp-2" 即可。一把 API key 通用网关上的全部模型。
相关模型
对比
本页每个值都转录自厂商自己的文档(链接见上),并带有核对日期。价格在全目录范围内比较;各厂商定义不同的规格值,只说明差异而不作图表对比。此处没有任何由我们测量的数据,也不做评分。