Używamy plików cookie. Pliki cookie i pamięć przeglądarki pozwalają utrzymać logowanie i zapamiętać Twoje preferencje. Za Twoją zgodą mierzymy też, jak korzystasz ze strony. W każdej chwili możesz . Zobacz naszą politykę cookie.

Nowy tutaj? Zobacz, jak to działa Minutowa wycieczka po piaskownicy, modelach i Twoim kluczu API.

Chirp 3 vs MAI-Transcribe 2: cena API, kontekst i funkcje · api14

Google: Chirp 3 kontra Microsoft AI: MAI-Transcribe 2

Porównanie Google: Chirp 3 (0,06 USD / minuta (≈ 0,22 zł)) i Microsoft AI: MAI-Transcribe 2 (21,00 USD / minuta (≈ 82,28 zł)) obok siebie na podstawie aktualnych cen w USD i możliwości z katalogu api14. Oba działają przez to samo API zgodne z OpenAI.

Specyfikacja

	Google: Chirp 3	Microsoft AI: MAI-Transcribe 2
Dostawca	Google	Microsoft
Dźwięk	0,06 USD / minuta (≈ 0,22 zł)	21,00 USD / minuta (≈ 82,28 zł)
Okno kontekstu	-	-
Maks. wyjście	-	-
Wejście	audio	audio
Wyjście	transcription	transcription
Wywołania narzędzi
Ustrukturyzowane wyjście
Sterowanie rozumowaniem
Dodano	5 maj 2026	3 wrz 2026

Najważniejsze różnice

Google: Chirp 3 jest o 100% tańszy na tokenach wejściowych.

Szczegółowo

Google: Chirp 3 to model transkrypcji od Google, wymieniony na api14 pod identyfikatorem modelu google/chirp-3. Microsoft AI: MAI-Transcribe 2 to model transkrypcji od Microsoft, wymieniony pod identyfikatorem modelu microsoft/mai-transcribe-2. Oba należą do kategorii transkrypcji, więc żaden z nich nie jest ogólnym modelem czatu ani rozumowania. Istnieją po to, aby przyjmować dźwięk i zwracać transkrypcję. Obaj dostawcy są bezpośrednimi konkurentami w usługach mowy w chmurze, a api14 odsprzedaje dostęp do obu za jednym interfejsem API.

Na podstawie dostępnych faktów oba modele wyglądają bardzo podobnie pod względem kształtu. Oba przyjmują dźwięk jako jedyny modalność wejściową i oba zwracają transkrypcję jako jedyny modalność wyjściową. Żaden nie podaje długości kontekstu w tokenach, więc nie ma udokumentowanej różnicy w tym, ile kontekstu audio lub tekstu obsługuje każdy z nich. Żaden nie podaje obsługiwanych parametrów, więc nie należy oczekiwać, że którykolwiek z nich udostępnia przez ten wpis pokrętła dostrajania, takie jak temperatura czy kontrola promptu. Dla żadnego z modeli nie odnotowano wywoływania narzędzi, trybu ustrukturyzowanego wyjścia ani trybu rozumowania, więc te osie ich nie rozdzielają. Jedyną podaną różnicą jakościową jest cena wejścia: Chirp 3 jest tańszą stroną dla wejścia. Cena wyjścia jest odnotowana jako remis, co oznacza, że oba są w przybliżeniu w tej samej cenie po tej stronie. Zatem praktyczna różnica kosztów, jeśli w ogóle istnieje, wynika z wejścia i przemawia na korzyść Google.

Przy wyborze między nimi decyzja jest wąska, ponieważ zestawy możliwości są zgodne. Jeśli Twoje obciążenie jest intensywne pod względem wejścia, czyli długie pliki audio lub duże ilości dźwięku wysyłanego do transkrypcji, Chirp 3 jest tańszą opcją po stronie wejścia i rozsądnym domyślnym wyborem. Jeśli Twoje obciążenie jest zdominowane przez wielkość wyjścia, oba są w podobnej cenie, więc koszt przestaje być czynnikiem rozstrzygającym i możesz wybierać na innych podstawach, takich jak to, którego dostawcę jakość transkrypcji już zweryfikowałeś na własnym dźwięku, albo z którym dostawcą Twoja organizacja ma już relację. Ponieważ żaden model nie udostępnia narzędzi, ustrukturyzowanego wyjścia ani rozumowania, nie planuj wokół tych funkcji w przypadku żadnego z nich. Traktuj oba jako czyste punkty końcowe mowy na tekst i wykonaj dalsze przetwarzanie, formatowanie lub ekstrakcję we własnym kodzie po powrocie transkrypcji.

Wywoływanie któregokolwiek modelu przez api14 działa tak samo, ponieważ API jest zgodne z OpenAI. Wysyłasz dźwięk do punktu końcowego transkrypcji ze swoim kluczem api14, a jedyną rzeczą, która zmienia się między dwoma dostawcami, jest ciąg identyfikatora modelu. Użyj google/chirp-3, aby skierować do modelu Google, albo microsoft/mai-transcribe-2, aby skierować do modelu Microsoft. Kształt żądania, nagłówek uwierzytelniania i obsługa odpowiedzi pozostają identyczne, więc możesz przełączyć dostawcę, zmieniając jedno pole, albo uruchomić oba równolegle na tym samym dźwięku, aby porównać wyniki przed podjęciem decyzji. Oznacza to również, że możesz utrzymywać jedną bibliotekę klienta i jeden zestaw kodu do ponawiania i logowania, mając jednocześnie dostęp do obu dostawców.

Zmień jednym ciągiem znaków

Oba modele używają tego samego endpointu i tej samej struktury żądania. Zmień wartość model z "google/chirp-3" na "microsoft/mai-transcribe-2", prompty, streaming i narzędzia działają dalej.

Google: Chirp 3: szczegóły i piaskownica →Microsoft AI: MAI-Transcribe 2: szczegóły i piaskownica →

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);

Google: Chirp 3 kontra Microsoft AI: MAI-Transcribe 2

Specyfikacja

Najważniejsze różnice

Szczegółowo

Zmień jednym ciągiem znaków

Więcej porównań