Google: Chirp 3 contra Microsoft AI: MAI-Transcribe 2
Uma comparação lado a lado entre Google: Chirp 3 (US$ 0,06 / minuto (≈ R$ 0,31)) e Microsoft AI: MAI-Transcribe 2 (US$ 21,00 / minuto (≈ R$ 114,83)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.
Especificações
| Google: Chirp 3 | Microsoft AI: MAI-Transcribe 2 | |
|---|---|---|
| Provedor | Microsoft | |
| Áudio | US$ 0,06 / minuto (≈ R$ 0,31) | US$ 21,00 / minuto (≈ R$ 114,83) |
| Janela de contexto | - | - |
| Saída máxima | - | - |
| Entrada | audio | audio |
| Saída | transcription | transcription |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 5 de mai. de 2026 | 3 de set. de 2026 |
Principais diferenças
- Google: Chirp 3 é 100% mais barato nos tokens de entrada.
Em detalhe
Google: Chirp 3 é um modelo de transcrição da Google, listado na api14 sob o id de modelo google/chirp-3. Microsoft AI: MAI-Transcribe 2 é um modelo de transcrição da Microsoft, listado sob o id de modelo microsoft/mai-transcribe-2. Ambos estão na categoria de transcrição, portanto nenhum deles é um modelo geral de chat ou de raciocínio. Eles existem para receber áudio e devolver uma transcrição. Os dois fornecedores são concorrentes diretos em serviços de fala na nuvem, e a api14 revende acesso a ambos por trás de uma única superfície de API.
Com base nos fatos disponíveis, os dois modelos parecem muito semelhantes em forma. Ambos aceitam áudio como sua única modalidade de entrada e ambos produzem transcrição como sua única modalidade de saída. Nenhum lista um comprimento de contexto em tokens, então não há diferença documentada em quanto contexto de áudio ou texto cada um lida. Nenhum lista parâmetros suportados, então você não deve esperar que qualquer um deles exponha controles de ajuste como temperatura ou controles de prompt através desta listagem. Não há chamada de ferramentas, nem modo de saída estruturada e nem modo de raciocínio registrado para qualquer um dos modelos, então esses eixos não os separam. A única diferença qualitativa fornecida é o preço na entrada: Chirp 3 é o lado mais barato para entrada. O preço de saída está registrado como empate, ou seja, os dois custam aproximadamente o mesmo nesse lado. Então a diferença prática de custo, se houver, vem da entrada, e favorece a Google.
Para escolher entre eles, a decisão é estreita porque os conjuntos de capacidades coincidem. Se sua carga de trabalho é pesada na entrada, ou seja, arquivos de áudio longos ou grandes volumes de áudio enviados para transcrição, Chirp 3 é a opção mais barata no lado da entrada e é o padrão razoável. Se sua carga de trabalho é dominada pelo volume de saída, os dois custam aproximadamente o mesmo, então o custo deixa de ser um critério de desempate e você pode escolher por outros motivos, como qual qualidade de transcrição do fornecedor você já validou com seu próprio áudio, ou com qual fornecedor sua organização já tem relacionamento. Como nenhum dos modelos expõe ferramentas, saída estruturada ou raciocínio, não planeje em torno desses recursos com nenhum deles. Trate ambos como endpoints puros de fala para texto e faça seu parsing, formatação ou extração a jusante no seu próprio código depois que a transcrição retornar.
Chamar qualquer um dos modelos através da api14 funciona da mesma forma, porque a API é compatível com OpenAI. Você envia seu áudio para o endpoint de transcrição com sua chave da api14, e a única coisa que muda entre os dois fornecedores é a string do id de modelo. Use google/chirp-3 para rotear para o modelo da Google, ou microsoft/mai-transcribe-2 para rotear para o da Microsoft. O formato da requisição, o cabeçalho de autenticação e o tratamento da resposta permanecem idênticos, então você pode trocar de fornecedor mudando um campo, ou executar ambos lado a lado no mesmo áudio para comparar resultados antes de se comprometer. Isso também significa que você pode manter uma única biblioteca cliente e um único conjunto de código de retentativa e registro enquanto ainda tem acesso a ambos os fornecedores.
Troque com uma string
Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "google/chirp-3" para "microsoft/mai-transcribe-2", prompts, streaming e ferramentas continuam 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);
Mais comparações
- 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