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, Google
    رتبهٔ ۴۰خطای کلمه ۴٫۳٪$۱۶ برای ۱۰۰۰ دقیقه صدا
  • رأی‌گیری گفتار Artificial AnalysisChirp 3: HD
    رتبهٔ ۶۵Elo ۱٬۰۶۱$۳۰ برای ۱ میلیون نویسه
مقایسهٔ کامل مدل‌ها

مدل‌های دیگر گوگل