Google: Chirp 3, Google'dan bir transkripsiyon modelidir ve api14 üzerinde google/chirp-3 model kimliğiyle listelenir. Microsoft AI: MAI-Transcribe 2, Microsoft'tan bir transkripsiyon modelidir ve microsoft/mai-transcribe-2 model kimliğiyle listelenir. Her ikisi de transkripsiyon kategorisinde yer alır, yani hiçbiri genel amaçlı bir sohbet veya akıl yürütme modeli değildir. Ses alıp transkripsiyon döndürmek için varlar. İki sağlayıcı, bulut konuşma hizmetlerinde doğrudan rakiptir ve api14 her ikisine erişimi tek bir API yüzeyi arkasında yeniden satar.
Mevcut bilgilere göre, iki model şekil olarak çok benzer görünüyor. Her ikisi de tek girdi modalitesi olarak sesi kabul eder ve her ikisi de tek çıktı modalitesi olarak transkripsiyon üretir. Hiçbiri token cinsinden bir bağlam uzunluğu listelemez, dolayısıyla her birinin ne kadar ses veya metin bağlamı işlediğine dair belgelenmiş bir fark yoktur. Hiçbiri desteklenen parametreleri listelemez, dolayısıyla bu liste üzerinden hiçbirinin temperature veya prompt kontrolleri gibi ayar düğmeleri sunmasını beklememelisiniz. Hiçbir model için araç çağırma, yapılandırılmış çıktı modu veya akıl yürütme modu kaydedilmemiştir, dolayısıyla bu eksenler onları ayırmaz. Verilen tek niteliksel fark girdi fiyatıdır: Chirp 3 girdi tarafında daha ucuz olan taraftır. Çıktı fiyatlandırması berabere olarak kaydedilmiştir, yani ikisi o tarafta yaklaşık aynı fiyattadır. Dolayısıyla pratik maliyet farkı, varsa, girdiden kaynaklanır ve Google'ın lehinedir.
Aralarında seçim yapmak için karar dardır çünkü yetenek kümeleri eşleşir. İş yükünüz girdi ağırlıklıysa, yani uzun ses dosyaları veya transkripsiyon için gönderilen yüksek hacimde ses söz konusuysa, Chirp 3 girdi tarafında daha ucuz seçenektir ve makul varsayılan seçenektir. İş yükünüze çıktı hacmi hakimse, ikisi yaklaşık aynı fiyattadır, dolayısıyla maliyet eşitlik bozucu olmaktan çıkar ve başka gerekçelerle seçim yapabilirsiniz; örneğin kendi sesiniz üzerinde hangi sağlayıcının transkripsiyon kalitesini zaten doğruladığınız veya kuruluşunuzun hangi satıcıyla zaten bir ilişkisi olduğu gibi. Hiçbir model araçlar, yapılandırılmış çıktı veya akıl yürütme sunmadığından, bu özellikleri hiçbiriyle planlamayın. Her ikisini de saf konuşmadan metne uç noktaları olarak değerlendirin ve transkripsiyon geri geldikten sonra alt akış ayrıştırma, biçimlendirme veya çıkarımı kendi kodunuzda yapın.
Herhangi bir modeli api14 üzerinden çağırmak aynı şekilde çalışır, çünkü API OpenAI uyumludur. Sesinizi api14 anahtarınızla transkripsiyon uç noktasına gönderirsiniz ve iki sağlayıcı arasında değişen tek şey model kimliği dizesidir. Google'ın modeline yönlendirmek için google/chirp-3 kullanın veya Microsoft'unkine yönlendirmek için microsoft/mai-transcribe-2 kullanın. İstek şekli, kimlik doğrulama başlığı ve yanıt işleme aynı kalır, böylece tek bir alanı değiştirerek sağlayıcı değiştirebilir veya taahhütte bulunmadan önce sonuçları karşılaştırmak için ikisini aynı ses üzerinde yan yana çalıştırabilirsiniz. Bu ayrıca, her iki satıcıya da erişiminiz varken tek bir istemci kitaplığı ve tek bir yeniden deneme ve günlükleme kodu kümesi tutabileceğiniz anlamına gelir.
Sağlanan bilgilerde MAI-Transcribe 2'nin teknik bir eksende açıkça daha iyi seçim olduğu bir durum yoktur, çünkü yetenekler, bağlam ve modaliteler farklı değildir ve çıktı fiyatlandırması yaklaşık aynıdır. Dürüst konum şudur: Chirp 3 girdi fiyatında avantajlıdır ve Microsoft'un modeli, o sağlayıcıyı tercih ettiğinizde, işlem hattınızı zaten onun çıktısı etrafında ayarladığınızda veya tek bir satıcıya bağımlı olmaktan kaçınmak istediğinizde makul bir alternatiftir. Her ikisine de yalnızca model kimliği değişerek aynı api14 uç noktası üzerinden erişilebildiğinden, ikisini de yapılandırmanızda tutmak size çok az maliyet getirir.