Comparaison de modèles
Comparez MAI-Transcribe-2 et Chirp 3 en utilisant la même rubrique reconnaissance vocale et transcription provenant du fournisseur. Pas de score mystère et pas de classement de référence inventé.
Faits vérifiés 4 septembre 2026
Indiquez votre utilisation. L’estimation se met à jour à chaque modification.
Utilise la durée en heures : 30 minutes = 0,5 heure. Options et frais minimums peuvent modifier la facture.
Les estimations excluent taxes, outils, stockage/écriture du cache, quotas gratuits et remises personnalisées. Pour les images, seule la sortie est incluse, pas le prompt ni les références. Les modes de qualité varient. Un paramètre non répertorié n’est pas gratuit.
| Modèle | Accès | Total estimé (USD) |
|---|---|---|
| Chirp 3Google Cloud | Google Cloud | Aucun tarif vérifié |
| MAI-Transcribe-2Microsoft | Microsoft | Aucun tarif vérifié |
Prise rapide
Modèle de transcription par lots rapide de Microsoft pour les enregistrements longs, les étiquettes des locuteurs, la synchronisation des mots, la polarisation des mots clés et les transcriptions claires ou textuelles.
Le chiffre d'une heure en dix secondes environ de Microsoft est une réclamation du fournisseur et non un SLA garanti. Comparez votre propre audio et confirmez le prix post-aperçu, la région de déploiement, les quotas et la configuration de rétention.
Modèle général de synthèse vocale de Google Cloud pour le streaming, les fichiers et la transcription par lots dynamiques à faible coût dans de nombreuses langues et régions.
Consultez le tableau Chirp 3 pour connaître votre langue et votre région précises. Les étiquettes des locuteurs, les horodatages, l'adaptation et le comportement des lots ont des contraintes spécifiques à l'itinéraire qu'un seul numéro de couverture peut masquer.
Comparez les faits publiés
Les valeurs utilisent les unités et limites publiées par chaque fournisseur. Un blanc signifie que le fournisseur n'a pas publié de valeur directement comparable dans les sources examinées.
| Reconnaissance vocale et transcription | MAI-Transcribe-2 | Chirp 3 |
|---|---|---|
| Prix des transcriptionsPrix actuel du fournisseur par heure ou minute audio pour l'itinéraire de traitement indiqué. | Tarif à durée limitée de 0,10 $/heure audio | 0,016 $/min standard · 0,003 $/min lot dynamique |
| En direct ou par lotsSi le modèle gère les flux en temps réel, les enregistrements téléchargés ou les deux. | Transcription rapide par lots et longue durée | Streaming, synchrone et batch |
| LanguesCouverture linguistique publiée par le fournisseur, séparant la couverture formée ou annoncée des langues spécifiquement vérifiées si nécessaire. | 60 langues | Plus de 85 langues et paramètres régionaux |
| Étiquettes des enceintesSi le modèle identifie qui a parlé et toute limite de locuteurs publiée. | Oui | Pris en charge pour un sous-ensemble de langues documenté |
| HorodatagesInformations de synchronisation disponibles au niveau du mot, du segment ou de l'énoncé. | Horodatages au niveau des mots | Horodatages au niveau des mots avec contraintes d'itinéraire |
| Contrôle du vocabulaireAmélioration des mots clés, orthographe personnalisée, contexte, invites ou autres moyens d'améliorer les termes du domaine. | Biais de mots clés, sortie propre/verbatim, détection automatique de la langue | Adaptation de la parole, vocabulaire personnalisé, détection de langue, débruitage |
| Où l'utiliserAPI directe, catalogue cloud, application ou point de terminaison régional documenté par le fournisseur. | Microsoft Foundry / Azur | Google Cloud synthèse vocale V2 |
Comment choisir
Commencez par le travail que vous devez effectuer, puis validez les détails du coût, de l'accès et de la politique sur l'itinéraire exact de votre fournisseur.
Microsoft indique que les invites, les sorties, les intégrations et les données de formation soumises à Foundry Models ne sont pas disponibles pour les fournisseurs de modèles et ne sont pas utilisés pour former des modèles de base sans autorisation. Les détails de conservation et de surveillance des abus dépendent du service déployé.
Liens vers les fournisseurs et les API
Google indique que le contenu Speech-to-Text n'est pas utilisé au-delà de la fourniture du service, à moins que le client n'accepte l'enregistrement des données. Le contenu en streaming et synchrone est géré en mémoire ; les résultats asynchrones peuvent être conservés temporairement comme indiqué.
Liens vers les fournisseurs et les API
Questions fréquemment posées
MAI-Transcribe-2 : Modèle de transcription par lots rapide de Microsoft pour les enregistrements longs, les étiquettes des locuteurs, la synchronisation des mots, la polarisation des mots clés et les transcriptions claires ou textuelles. Chirp 3 : Modèle général de synthèse vocale de Google Cloud pour le streaming, les fichiers et la transcription par lots dynamiques à faible coût dans de nombreuses langues et régions.
Considérez MAI-Transcribe-2 lorsque votre priorité est Appels et réunions enregistrés à grand volume. Considérez Chirp 3 lorsque votre priorité est Transcription cloud multilingue. Testez les deux avec vos propres données et votre itinéraire de fournisseur avant de vous engager.
Non. Cette comparaison aligne les faits publiés par le fournisseur pour la catégorie Reconnaissance vocale et transcription. Il ne revendique pas de gagnant universel ni ne combine des scores de référence tiers incompatibles.
