Google: Chirp 3 vs. Microsoft AI: MAI-Transcribe 2
Ein direkter Vergleich von Google: Chirp 3 (0,06 $ / Minute (≈ 0,05 €)) und Microsoft AI: MAI-Transcribe 2 (21,00 $ / Minute (≈ 18,70 €)) mit aktuellen USD-Preisen und Funktionen aus dem api14-Katalog. Beide laufen über dieselbe OpenAI-kompatible API.
Technische Daten
| Google: Chirp 3 | Microsoft AI: MAI-Transcribe 2 | |
|---|---|---|
| Anbieter | Microsoft | |
| Ton | 0,06 $ / Minute (≈ 0,05 €) | 21,00 $ / Minute (≈ 18,70 €) |
| Kontextfenster | - | - |
| Max. Ausgabe | - | - |
| Eingabe | audio | audio |
| Ausgabe | transcription | transcription |
| Tool Calling | ||
| Strukturierte Ausgabe | ||
| Reasoning-Steuerung | ||
| Hinzugefügt | 05.05.2026 | 03.09.2026 |
Die wichtigsten Unterschiede
- Google: Chirp 3 ist bei Eingabe-Tokens 100% günstiger.
Im Detail
Google: Chirp 3 ist ein Transkriptionsmodell von Google, aufgeführt auf api14 unter der Modell-ID google/chirp-3. Microsoft AI: MAI-Transcribe 2 ist ein Transkriptionsmodell von Microsoft, aufgeführt unter der Modell-ID microsoft/mai-transcribe-2. Beide liegen in der Kategorie Transkription, also ist keines ein allgemeines Chat- oder Reasoning-Modell. Sie existieren, um Audio entgegenzunehmen und eine Transkription zurückzugeben. Die beiden Anbieter sind direkte Wettbewerber bei Cloud-Sprachdiensten, und api14 verkauft den Zugang zu beiden hinter einer einzigen API-Oberfläche weiter.
Nach den verfügbaren Fakten sehen die beiden Modelle in ihrer Form sehr ähnlich aus. Beide akzeptieren Audio als ihre einzige Eingabemodalität und beide erzeugen Transkription als ihre einzige Ausgabemodalität. Keines listet eine Kontextlänge in Tokens, also gibt es keinen dokumentierten Unterschied darin, wie viel Audio- oder Textkontext jedes verarbeitet. Keines listet unterstützte Parameter, also sollten Sie nicht erwarten, dass eines über diese Auflistung Einstellregler wie Temperatur oder Prompt-Steuerung bereitstellt. Es gibt kein Tool Calling, keinen strukturierten Ausgabemodus und keinen Reasoning-Modus, der für eines der Modelle verzeichnet ist, also trennen diese Achsen sie nicht. Der eine angegebene qualitative Unterschied ist der Preis bei der Eingabe: Chirp 3 ist die günstigere Seite bei der Eingabe. Der Ausgabepreis ist als Gleichstand verzeichnet, was bedeutet, dass die beiden auf dieser Seite etwa gleich viel kosten. Die praktische Kostendifferenz, falls es eine gibt, kommt also von der Eingabe, und sie begünstigt Google.
Bei der Wahl zwischen ihnen ist die Entscheidung eng, weil die Fähigkeitsgruppen übereinstimmen. Wenn Ihre Arbeitslast eingabelastig ist, also lange Audiodateien oder hohe Mengen an Audio, die zur Transkription gesendet werden, ist Chirp 3 die günstigere Option auf der Eingabeseite und die vernünftige Standardwahl. Wenn Ihre Arbeitslast von der Ausgabemenge dominiert wird, kosten die beiden etwa gleich viel, also hört der Preis auf, ein Entscheidungskriterium zu sein, und Sie können nach anderen Gründen wählen, etwa danach, welche Transkriptionsqualität des Anbieters Sie bereits an Ihrem eigenen Audio validiert haben, oder mit welchem Anbieter Ihre Organisation bereits eine Beziehung hat. Weil keines der Modelle Tools, strukturierte Ausgabe oder Reasoning bereitstellt, planen Sie bei keinem von beiden mit diesen Funktionen. Behandeln Sie beide als reine Speech-to-Text-Endpunkte und erledigen Sie Ihr nachgelagertes Parsing, Formatieren oder Extrahieren in Ihrem eigenen Code, nachdem die Transkription zurückkommt.
Eines der beiden Modelle über api14 aufzurufen funktioniert auf dieselbe Weise, weil die API OpenAI-kompatibel ist. Sie senden Ihr Audio mit Ihrem api14-Schlüssel an den Transkriptionsendpunkt, und das Einzige, was sich zwischen den beiden Anbietern ändert, ist die Modell-ID-Zeichenkette. Verwenden Sie google/chirp-3, um zu Googles Modell zu routen, oder microsoft/mai-transcribe-2, um zu Microsofts zu routen. Die Anfrageform, der Authentifizierungsheader und die Antwortbehandlung bleiben identisch, also können Sie den Anbieter wechseln, indem Sie ein Feld ändern, oder beide parallel auf demselben Audio laufen lassen, um Ergebnisse zu vergleichen, bevor Sie sich festlegen. Das bedeutet auch, dass Sie eine einzige Client-Bibliothek und einen einzigen Satz an Wiederholungs- und Protokollierungscode beibehalten können und trotzdem Zugang zu beiden Anbietern haben.
Wechseln mit einem String
Beide Modelle nutzen denselben Endpunkt und dieselbe Anfragestruktur. Ändern Sie den model-Wert von "google/chirp-3" auf "microsoft/mai-transcribe-2", Prompts, Streaming und Tools funktionieren weiter.
import fs from "node:fs";
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.audio.transcriptions.create({
model: "microsoft/mai-transcribe-2",
file: fs.createReadStream("audio.mp3"),
});
console.log(result.text);
Weitere Vergleiche
- AssemblyAI: Universal-3.6 Pro vs. Mistral: Voxtral Mini Transcribe 3
- AssemblyAI: Universal-3.6 Pro vs. Mistral: Voxtral Small Transcribe 3
- AssemblyAI: Universal-3.6 Pro vs. Moondream: Parakeet Ultra
- AssemblyAI: Universal-3.6 Pro vs. NVIDIA: Nemotron 3.5 Transcribe
- Mistral: Voxtral Mini Transcribe 3 vs. Mistral: Voxtral Small Transcribe 3
- Mistral: Voxtral Mini Transcribe 3 vs. Moondream: Parakeet Ultra
- Mistral: Voxtral Mini Transcribe 3 vs. NVIDIA: Nemotron 3.5 Transcribe
- Mistral: Voxtral Small Transcribe 3 vs. Moondream: Parakeet Ultra