Google: Chirp 3 contra Microsoft AI: MAI-Transcribe 2
Una comparativa lado a lado de Google: Chirp 3 (0,06 US$ / minuto (≈ 0,05 €)) y Microsoft AI: MAI-Transcribe 2 (21,00 US$ / minuto (≈ 18,70 €)) con precios actuales en USD y capacidades del catálogo de api14. Ambos funcionan a través de la misma API compatible con OpenAI.
Especificaciones
| Google: Chirp 3 | Microsoft AI: MAI-Transcribe 2 | |
|---|---|---|
| Proveedor | Microsoft | |
| Sonido | 0,06 US$ / minuto (≈ 0,05 €) | 21,00 US$ / minuto (≈ 18,70 €) |
| Ventana de contexto | - | - |
| Salida máxima | - | - |
| Entrada | audio | audio |
| Salida | transcription | transcription |
| Llamadas a herramientas | ||
| Salida estructurada | ||
| Control del razonamiento | ||
| Añadido | 5 may 2026 | 3 sept 2026 |
Diferencias clave
- Google: Chirp 3 es 100% más barato en tokens de entrada.
En detalle
Google: Chirp 3 es un modelo de transcripción de Google, listado en api14 bajo el id de modelo google/chirp-3. Microsoft AI: MAI-Transcribe 2 es un modelo de transcripción de Microsoft, listado bajo el id de modelo microsoft/mai-transcribe-2. Ambos se sitúan en la categoría de transcripción, por lo que ninguno es un modelo general de chat o razonamiento. Existen para recibir audio y devolver una transcripción. Los dos proveedores son competidores directos en servicios de voz en la nube, y api14 revende acceso a ambos detrás de una única superficie de API.
Según los datos disponibles, los dos modelos parecen muy similares en forma. Ambos aceptan audio como su única modalidad de entrada y ambos producen transcripción como su única modalidad de salida. Ninguno indica una longitud de contexto en tokens, por lo que no hay una diferencia documentada en cuánto contexto de audio o texto maneja cada uno. Ninguno indica parámetros soportados, por lo que no deberías esperar que ninguno exponga controles de ajuste como temperatura o controles de prompt a través de este listado. No hay llamada a herramientas, ni modo de salida estructurada, ni modo de razonamiento registrado para ninguno de los dos modelos, por lo que esos ejes no los separan. La única diferencia cualitativa dada es el precio de entrada: Chirp 3 es el lado más barato para entrada. El precio de salida está registrado como empate, lo que significa que los dos tienen aproximadamente el mismo precio en ese lado. Así que la brecha de costo práctica, si existe, proviene de la entrada, y favorece a Google.
Para elegir entre ellos, la decisión es estrecha porque los conjuntos de capacidades coinciden. Si tu carga de trabajo es intensiva en entrada, es decir, archivos de audio largos o altos volúmenes de audio enviados para transcripción, Chirp 3 es la opción más barata en el lado de entrada y es el valor predeterminado razonable. Si tu carga de trabajo está dominada por el volumen de salida, los dos tienen aproximadamente el mismo precio, así que el costo deja de ser un desempate y puedes elegir por otros motivos, como qué calidad de transcripción del proveedor ya has validado con tu propio audio, o con qué proveedor tu organización ya tiene una relación. Como ninguno de los modelos expone herramientas, salida estructurada o razonamiento, no planifiques en torno a esas funciones con ninguno de los dos. Trata a ambos como endpoints puros de voz a texto y haz tu análisis, formato o extracción posteriores en tu propio código después de que regrese la transcripción.
Llamar a cualquiera de los dos modelos a través de api14 funciona de la misma manera, porque la API es compatible con OpenAI. Envías tu audio al endpoint de transcripción con tu clave de api14, y lo único que cambia entre los dos proveedores es la cadena del id de modelo. Usa google/chirp-3 para enrutar al modelo de Google, o microsoft/mai-transcribe-2 para enrutar al de Microsoft. La forma de la solicitud, el encabezado de autenticación y el manejo de la respuesta permanecen idénticos, así que puedes cambiar de proveedor cambiando un campo, o ejecutar ambos en paralelo sobre el mismo audio para comparar resultados antes de comprometerte. Esto también significa que puedes mantener una sola biblioteca cliente y un solo conjunto de código de reintentos y registro mientras sigues teniendo acceso a ambos proveedores.
Cambia con una sola cadena
Ambos modelos usan el mismo endpoint y la misma estructura de solicitud. Cambia el valor de model de "google/chirp-3" a "microsoft/mai-transcribe-2": los prompts, el streaming y las herramientas siguen funcionando.
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);
Más comparativas
- AssemblyAI: Universal-3.6 Pro contra Mistral: Voxtral Mini Transcribe 3
- AssemblyAI: Universal-3.6 Pro contra Mistral: Voxtral Small Transcribe 3
- AssemblyAI: Universal-3.6 Pro contra Moondream: Parakeet Ultra
- AssemblyAI: Universal-3.6 Pro contra NVIDIA: Nemotron 3.5 Transcribe
- Mistral: Voxtral Mini Transcribe 3 contra Mistral: Voxtral Small Transcribe 3
- Mistral: Voxtral Mini Transcribe 3 contra Moondream: Parakeet Ultra
- Mistral: Voxtral Mini Transcribe 3 contra NVIDIA: Nemotron 3.5 Transcribe
- Mistral: Voxtral Small Transcribe 3 contra Moondream: Parakeet Ultra