Speech-to-Text API技术咨询：v1与v1p1差异及Chirp模型流式支持

1. Speech-to-Text API v1与v1p1版本的区别 #

• 功能增强：v1p1是v1的迭代升级版本，新增了多项进阶功能，比如自定义模型的精细化训练控制、多通道音频的分层转录支持，以及针对医疗、金融等垂直领域的专属优化模型。
• 参数扩展：v1p1在请求配置上新增了更多参数，比如支持更细分的词级置信度设置，以及强化的说话人分离配置项，能更精准区分不同说话人的语音内容。
• 性能提升：相比v1，v1p1在长音频处理效率上有明显优化，同时对低信噪比、带背景噪音的音频识别准确率更高。
• 支持优先级：新地区、新语言的识别支持通常会先在v1p1中上线，后续才会逐步同步到v1版本。

2. Speech-to-Text v2中Chirp模型是否支持流式输入音频转录 #

Chirp模型完全支持流式输入音频的转录。它专门针对流式场景做了优化，能够在音频持续输入的过程中实时返回转录结果，延迟更低，同时保持高识别准确率，非常适合实时会议字幕、实时语音助手交互这类需要低延迟转写的场景。

内容的提问来源于stack exchange，提问作者seriously