Google: Chirp 3 contre Microsoft AI: MAI-Transcribe 2
Un comparatif côte à côte de Google: Chirp 3 (0,06 $US / min. (≈ 0,05 €)) et Microsoft AI: MAI-Transcribe 2 (21,00 $US / min. (≈ 18,70 €)) d’après les prix actuels en USD et les capacités du catalogue api14. Les deux passent par la même API compatible OpenAI.
Caractéristiques
| Google: Chirp 3 | Microsoft AI: MAI-Transcribe 2 | |
|---|---|---|
| Fournisseur | Microsoft | |
| Son | 0,06 $US / min. (≈ 0,05 €) | 21,00 $US / min. (≈ 18,70 €) |
| Fenêtre de contexte | - | - |
| Sortie max. | - | - |
| Entrée | audio | audio |
| Sortie | transcription | transcription |
| Appel d’outils | ||
| Sortie structurée | ||
| Contrôle du raisonnement | ||
| Ajouté le | 5 mai 2026 | 3 sept. 2026 |
Principales différences
- Google: Chirp 3 est 100% moins cher sur les tokens d’entrée.
En détail
Google : Chirp 3 est un modèle de transcription de Google, répertorié sur api14 sous l'identifiant de modèle google/chirp-3. Microsoft AI : MAI-Transcribe 2 est un modèle de transcription de Microsoft, répertorié sous l'identifiant de modèle microsoft/mai-transcribe-2. Les deux appartiennent à la catégorie transcription, donc aucun n'est un modèle général de chat ou de raisonnement. Ils existent pour prendre de l'audio en entrée et renvoyer une transcription en sortie. Les deux fournisseurs sont des concurrents directs dans les services vocaux cloud, et api14 revend l'accès aux deux derrière une seule surface d'API.
Sur la base des faits disponibles, les deux modèles semblent très similaires en forme. Les deux acceptent l'audio comme unique modalité d'entrée et produisent une transcription comme unique modalité de sortie. Aucun ne liste de longueur de contexte en tokens, il n'y a donc pas de différence documentée dans la quantité de contexte audio ou texte que chacun traite. Aucun ne liste de paramètres pris en charge, vous ne devez donc pas vous attendre à ce que l'un ou l'autre expose des réglages tels que la température ou des contrôles de prompt via cette fiche. Il n'y a pas d'appel d'outils, pas de mode de sortie structurée et pas de mode de raisonnement enregistré pour l'un ou l'autre modèle, donc ces axes ne les séparent pas. La seule différence qualitative donnée est le prix en entrée : Chirp 3 est le moins cher côté entrée. Le prix en sortie est enregistré comme une égalité, ce qui signifie que les deux sont à peu près au même prix de ce côté. Donc l'écart de coût pratique, s'il existe, vient de l'entrée, et il favorise Google.
Pour choisir entre eux, la décision est étroite car les ensembles de capacités correspondent. Si votre charge de travail est intensive en entrée, c'est-à-dire de longs fichiers audio ou de gros volumes d'audio envoyés pour transcription, Chirp 3 est l'option la moins chère côté entrée et constitue le choix par défaut raisonnable. Si votre charge de travail est dominée par le volume de sortie, les deux sont à peu près au même prix, le coût cesse donc d'être un critère décisif et vous pouvez choisir sur d'autres bases, comme la qualité de transcription du fournisseur que vous avez déjà validée sur votre propre audio, ou le fournisseur avec lequel votre organisation a déjà une relation. Comme aucun des deux modèles n'expose d'outils, de sortie structurée ou de raisonnement, ne planifiez pas autour de ces fonctionnalités avec l'un ou l'autre. Traitez les deux comme de purs points d'accès parole vers texte et effectuez votre analyse, votre mise en forme ou votre extraction en aval dans votre propre code une fois la transcription renvoyée.
Appeler l'un ou l'autre modèle via api14 fonctionne de la même manière, car l'API est compatible OpenAI. Vous envoyez votre audio au point d'accès de transcription avec votre clé api14, et la seule chose qui change entre les deux fournisseurs est la chaîne d'identifiant de modèle. Utilisez google/chirp-3 pour router vers le modèle de Google, ou microsoft/mai-transcribe-2 pour router vers celui de Microsoft. La forme de la requête, l'en-tête d'authentification et le traitement de la réponse restent identiques, vous pouvez donc changer de fournisseur en modifiant un seul champ, ou exécuter les deux côte à côte sur le même audio pour comparer les résultats avant de vous engager. Cela signifie aussi que vous pouvez conserver une seule bibliothèque cliente et un seul ensemble de code de nouvelle tentative et de journalisation tout en ayant accès aux deux fournisseurs.
Changer de modèle en une chaîne
Les deux modèles utilisent le même endpoint et la même structure de requête. Remplacez la valeur de model "google/chirp-3" par "microsoft/mai-transcribe-2" : prompts, streaming et outils continuent de fonctionner.
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);
Plus de comparatifs
- AssemblyAI: Universal-3.6 Pro contre Mistral: Voxtral Mini Transcribe 3
- AssemblyAI: Universal-3.6 Pro contre Mistral: Voxtral Small Transcribe 3
- AssemblyAI: Universal-3.6 Pro contre Moondream: Parakeet Ultra
- AssemblyAI: Universal-3.6 Pro contre NVIDIA: Nemotron 3.5 Transcribe
- Mistral: Voxtral Mini Transcribe 3 contre Mistral: Voxtral Small Transcribe 3
- Mistral: Voxtral Mini Transcribe 3 contre Moondream: Parakeet Ultra
- Mistral: Voxtral Mini Transcribe 3 contre NVIDIA: Nemotron 3.5 Transcribe
- Mistral: Voxtral Small Transcribe 3 contre Moondream: Parakeet Ultra