← 全部模型

Chirp 3: Transcription

發布時間 發布主體 Googlechirp_3

模型定位

Chirp 3: Transcription 是 Google 面向多語言自動語音辨識(ASR)的生成式模型,將音訊轉錄為文字。它透過 Google Cloud Speech-to-Text API V2 提供,模型識別碼為 chirp_3。(docs.cloud.google.com)

能力與用途

  • 支援串流辨識、同步辨識和批次辨識,可用於即時轉錄、短音訊辨識及長音訊處理。
  • 支援自動語言偵測、自動標點、說話者區分和透過詞語或片語提示進行語音自適應;語言及功能的可用性取決於辨識方法和地區。簡體中文 cmn-Hans-CN 支援轉錄。
  • 可用於會議或多人錄音轉錄、影片字幕和內容索引。(docs.cloud.google.com)

限制

  • 同步辨識適合不足 1 分鐘的音訊;批次辨識通常適合 1 分鐘至 1 小時的音訊,啟用字詞級時間戳記時上限為 20 分鐘。
  • 官方文件的說話者區分說明存在不一致:功能表寫明僅適用於 BatchRecognize,語言支援章節則同時列出 Recognize。使用前應針對具體方法、語言和地區確認。
  • 官方文件對字詞級時間戳記的支援描述也不一致:一處將其列在不支援的功能下,另一處說明可在同步和批次辨識中啟用,但可能降低轉錄品質。API 傳回的字詞級信心度值不是真正的信心度分數。(docs.cloud.google.com)

發布日期

  • 2025 年 4 月 11 日:首次以私人預覽形式發布,當時支援批次辨識。
  • 2025 年 8 月 29 日:進入公開預覽。
  • 2025 年 10 月 13 日:正式發布(GA)。(docs.cloud.google.com)

價格

查詢日期:2026 年 11 月 18 日。Google Cloud 產品頁在提及 Chirp 3 的 Speech-to-Text V2 條目中列出 0.016 美元(USD)/分鐘;服務按成功處理的輸入音訊時長計費,每次請求按秒向上取整,多聲道分別計費。官方頁面未列出單獨的輸出文字計費價格。定價詳情頁列有分級和動態批次處理價格,但未明確寫出 chirp_3 識別碼,因此這些具體級距是否適用於本模型尚未確認。儲存等其他雲端服務可能另行收費。(cloud.google.com)

官方來源