Google: Chirp 3

Google: Chirp 3 è un modello speech-to-text di Google, elencato su api14 nella categoria transcription. È il modello multilingue più recente della linea Chirp di Google, e la sua descrizione del provider lo posiziona come un miglioramento nella precisione di trascrizione rispetto alle versioni precedenti. Se il tuo lavoro consiste nel trasformare parlato registrato o in streaming in testo scritto, questa è la famiglia di modelli che guarderesti per prima.

Il modello accetta audio come unico input e restituisce una trascrizione come unico output. Secondo la descrizione del provider, copre 24 lingue generalmente disponibili e più di 77 lingue in preview, il che lo rende un'opzione genuinamente multilingue e non un sistema English-first con qualche extra aggiunto. Supporta anche il rilevamento automatico della lingua, quindi non devi dichiarare la lingua di una clip prima di inviarla, e la punteggiatura automatica, quindi il testo restituito arriva con confini di frase invece che come un unico flusso ininterrotto. Per questo modello non è pubblicata alcuna context length, e l'output massimo è indicato come zero, il che riflette il fatto che l'output di trascrizione non viene misurato come le chat completions. Considera l'audio che invii come il vero vincolo, non una token window.

Gli usi pratici derivano direttamente da queste capacità. La trascrizione di riunioni e chiamate è quella più ovvia, soprattutto quando i partecipanti cambiano lingua o quando non puoi conoscere la lingua in anticipo. Poiché il rilevamento della lingua è automatico, puoi indirizzare una singola pipeline verso audio multilingue invece di instradare le clip a mano. La punteggiatura automatica rende l'output grezzo molto più utilizzabile a valle, che tu lo stia alimentando in un summariser, un indice di ricerca, una traccia di sottotitoli o uno strumento di revisione per editori umani. Acquisizione di note vocali, trascrizione di interviste e digitalizzazione di archivi per materiale multilingue sono tutti casi d'uso ragionevoli.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando il model id "google/chirp-3". Poiché l'interfaccia segue la convenzione OpenAI, i client e gli SDK esistenti generalmente funzionano con un cambio di base URL e model id invece che con una riscrittura. Il modello non elenca parametri di richiesta supportati, quindi prevedi di inviare audio con il model id e di affidarti ai default del modello per la gestione della lingua e la punteggiatura, invece di regolare il comportamento tramite campi aggiuntivi. Controlla la tabella dei prezzi live su questa pagina per le tariffe attuali prima di impegnarti su un volume.

Una cosa da valutare è la portata. Chirp 3 fa trascrizione e nient'altro: non accetta input di testo, non genera risposte conversazionali e non produce riassunti o traduzioni come output separati. Se il tuo compito è chat, ragionamento o generazione di testo, un modello linguistico general purpose è la scelta giusta, e useresti Chirp 3 solo per lo step audio-to-text davanti ad esso.