Google: Chirp 3

Google: Chirp 3 adalah model speech-to-text dari Google, terdaftar di api14 dalam kategori transkripsi. Ini adalah model multibahasa terbaru dalam lini Chirp milik Google, dan deskripsi penyedianya memposisikannya sebagai peningkatan akurasi transkripsi dibandingkan versi sebelumnya. Jika pekerjaan Anda melibatkan pengubahan ucapan yang direkam atau dialirkan menjadi teks tertulis, ini adalah keluarga model yang pertama kali Anda lihat.

Model ini menerima audio sebagai satu-satunya input dan mengembalikan transkripsi sebagai satu-satunya output. Menurut deskripsi penyedianya, model ini mencakup 24 bahasa yang tersedia secara umum dan lebih dari 77 bahasa pratinjau, yang menjadikannya opsi multibahasa yang sesungguhnya, bukan sistem yang mengutamakan bahasa Inggris dengan beberapa tambahan yang ditempelkan. Model ini juga mendukung deteksi bahasa otomatis, sehingga Anda tidak perlu mendeklarasikan bahasa klip sebelum mengirimkannya, dan tanda baca otomatis, sehingga teks yang dikembalikan tiba dengan batas kalimat, bukan sebagai satu aliran tanpa putus. Tidak ada panjang konteks yang dipublikasikan untuk model ini, dan output maksimum tercatat sebagai nol, yang mencerminkan fakta bahwa output transkripsi tidak diukur dengan cara yang sama seperti chat completion. Anggap audio yang Anda kirim sebagai batasan sebenarnya, bukan jendela token.

Kegunaan praktisnya mengikuti langsung dari kemampuan tersebut. Transkripsi rapat dan panggilan adalah yang paling jelas, terutama ketika peserta berganti bahasa atau ketika Anda tidak dapat mengetahui bahasanya sebelumnya. Karena deteksi bahasa bersifat otomatis, Anda dapat mengarahkan satu pipeline ke audio multibahasa alih-alih merutekan klip secara manual. Tanda baca otomatis membuat output mentah jauh lebih dapat digunakan di hilir, baik Anda memasukkannya ke peringkas, indeks pencarian, trek subtitle, atau alat tinjauan untuk editor manusia. Perekaman catatan suara, transkripsi wawancara, dan digitalisasi arsip untuk materi multibahasa semuanya cocok digunakan.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "google/chirp-3". Karena antarmukanya mengikuti konvensi OpenAI, klien dan SDK yang ada umumnya berfungsi dengan mengganti base URL dan model id, bukan menulis ulang. Model ini tidak mencantumkan parameter permintaan yang didukung, jadi rencanakan untuk mengirim audio dengan model id dan mengandalkan default model itu sendiri untuk penanganan bahasa dan tanda baca, bukan menyetel perilaku melalui field tambahan. Periksa tabel harga langsung di halaman ini untuk tarif terkini sebelum Anda berkomitmen pada suatu volume.

Satu hal yang perlu dipertimbangkan adalah cakupannya. Chirp 3 melakukan transkripsi dan tidak melakukan hal lain: model ini tidak menerima input teks, tidak menghasilkan balasan percakapan, dan tidak menghasilkan ringkasan atau terjemahan sebagai output terpisah. Jika tugas Anda adalah chat, penalaran, atau pembuatan teks, model bahasa serbaguna adalah pilihan yang tepat, dan Anda hanya akan menggunakan Chirp 3 untuk langkah audio ke teks di depannya.