Chirp 3
مدل صوتی از گوگل
به فارسی:چیرپ ۳گوگل چیرپ ۳
این مدل چیست؟
Chirp 3 مدل تبدیل گفتار به متن چندزبانهٔ Google Cloud Speech-to-Text است که پس از پیشنمایش، اکتبر ۲۰۲۵ به نسخهٔ عمومی (GA) رسید. ۱۱۱ گونهٔ زبانی را پوشش میدهد (۲۹ عمومی و ۸۲ پیشنمایش) و فارسی در گروه پیشنمایش است؛ تشخیص خودکار زبان و در حالت دستهای تفکیک گوینده هم دارد. نرخ خطای کلمه در سنجش انگلیسی Artificial Analysis حدود ۴٫۳٪ است و از Google Cloud و سرویسهایی مثل OpenRouter و لیارا در دسترس است.
سازنده: گوگل (Google)
Google مدلهای هوش مصنوعی خود را در آزمایشگاه Google DeepMind میسازد: مدلهای زبانی Gemini، مدلهای باز Gemma، تصویرساز Nano Banana، ویدیوساز Veo و مدلهای گفتار Gemini TTS. این مدلها در اپ Gemini، Google AI Studio و Gemini API در دسترساند.
کجا میشود از آن استفاده کرد؟
جایگاه در جدولهای مقایسه
- سنجش گفتار به متن Artificial AnalysisChirp 3, Googleرتبهٔ ۴۰خطای کلمه ۴٫۳٪$۱۶ برای ۱۰۰۰ دقیقه صدا
- رأیگیری گفتار Artificial AnalysisChirp 3: HDرتبهٔ ۶۵Elo ۱٬۰۶۱$۳۰ برای ۱ میلیون نویسه
مدلهای دیگر گوگل
ChirpEmbeddingGemma 2Gemini 2.5 FlashGemini 2.5 Flash-LiteGemini 2.5 ProGemini 3.1 Flash LiteGemini 3.1 Flash TTSGemini 3.1 ProGemini 3.5 FlashGemini 3.5 Flash-LiteGemini 3.5 Live Translate PreviewGemini 3.5 TranscribeGemini 3.6 FlashGemini 3.7 FlashGemini 3.8 FlashGemini 3.8 Flash-Lite TTSGemini 3.8 Flash TTSGemini 3.8 LiveGemini 3.8 Live Extended ThinkingGemini 3 Flash PreviewGemini 4 ArgonGemini 4 CarbonGemini Omni 1.1 FlashGemini Omni 1.2 FlashGemini Omni FlashGemma 4Imagen 4Nano Banana 2.1Nano Banana 2 (Gemini 3.1 Flash Image)Nano Banana 2 Lite