معظم المنتجات التي تتعامل مع الصوت تتعامل مع أكثر من لغة: خط دعم عالمي، وتسجيلات اجتماعات من مكاتب مختلفة، وصندوق رسائل صوتية في مدينة متعددة اللغات. وتشغيل مزوّد مستقل لتحويل الكلام إلى نص لكل لغة عبء صيانة. يضع BroadNet Transcribe أربع عشرة لغة خلف نقطة نهاية واحدة متوافقة مع OpenAI، بسعر لكل دقيقة صوت، وإلى جانبه نموذج عربي متخصص لأحجام العمل التي يغلب عليها الصوت العربي.
ما اللغات التي يغطيها BroadNet Transcribe؟
تأتي قائمة اللغات من ملف pricing.json المنشور لدى BroadNet، برموز ISO 639-1:
| الرمز | اللغة | الرمز | اللغة |
|---|---|---|---|
| en | الإنجليزية | nl | الهولندية |
| es | الإسبانية | pl | البولندية |
| fr | الفرنسية | zh | الصينية |
| de | الألمانية | ja | اليابانية |
| it | الإيطالية | ko | الكورية |
| pt | البرتغالية | vi | الفيتنامية |
| el | اليونانية | ar | العربية |
BroadNet Transcribe مبني على Cohere Transcribe وتقدّمه BroadNet. ومعرّف النموذج هو broadnet/cohere-transcribe.
وللصورة الكاملة، يُدرج مؤشر أسعار API تحويل الكلام إلى نص المفتوح لدينا أسعار المعالجة الدفعية والبث، ووحدات الفوترة، ودعم العربية لأكثر من 20 منتجًا، وكل منها مُتحقَّق منه مقابل صفحة الأسعار لدى المزوّد نفسه (CSV وJSON).
كم يكلّف التفريغ الصوتي متعدد اللغات؟
| النموذج | للدقيقة | للساعة | اللغات |
|---|---|---|---|
| BroadNet Transcribe | $0.002 | $0.12 | 14 |
| BroadNet Transcribe Arabic | $0.0042 | $0.25 | العربية |
تكون الفوترة لكل دقيقة صوت، لا لكل طلب ولا لكل رمز. ويعمل النموذجان على الرصيد المبدئي المجاني البالغ $5، فتستطيع اختبار تسجيلاتك قبل شحن الرصيد. اطّلع على كل الأسعار في صفحة الأسعار، أو احسب تكلفة ساعاتك الشهرية في حاسبة تكلفة تحويل الكلام إلى نص، أو قارن مزوّدين آخرين في مقارنة أسعار API تحويل الكلام إلى نص.
كيف تستدعي نقطة نهاية التفريغ الصوتي؟
تتبع نقطة النهاية شكل التفريغ الصوتي في OpenAI، فتعمل حزم SDK الرسمية بمجرد تغيير عنوان base URL:
import os
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
with open("meeting-fr.mp3", "rb") as audio:
result = client.audio.transcriptions.create(
model="broadnet/cohere-transcribe",
file=audio,
language="fr",
)
print(result.text)
أو باستخدام curl:
curl https://inference.broadnet.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $BROADNET_API_KEY" \
-F model=broadnet/cohere-transcribe \
-F language=es \
-F file=@llamada.wav
الاستجابة JSON والنص المفرَّغ في الحقل text. والاستجابة الموثّقة لدى BroadNet هي النص نفسه؛ فإذا احتجت إلى توقيتات الكلمات أو تسميات المتحدثين، فراجع المرجع التقني لمعرفة ما هو مدعوم حاليًا قبل أن تبني تصميمك عليها.
لماذا ترسل اللغة دائمًا؟
وثائق BroadNet صريحة: أرسل language مع كل طلب تفريغ صوتي. فمن دونه قد تعود العربية مكتوبة بحروف لاتينية، والخطر نفسه قائم في أي لغة قد يخلط النموذج بينها وبين غيرها. وإذا لم تكن تعرف اللغة مسبقًا:
- استخدم البيانات الوصفية أولًا. فبلد المتصل، أو لغة تطبيق المستخدم، أو مفتاح رقم الهاتف، صحيح في العادة.
- اسأل المستخدم في المنتجات الصوتية (“اضغط 1 للإنجليزية، 2 للعربية”).
- جرّب عيّنة قصيرة. فرّغ أول 30 ثانية بأفضل تخمين لديك؛ فإذا بدا النص خاطئًا (أبجدية خاطئة أو كلام بلا معنى)، فأعد المحاولة بالمرشّح التالي.
ما الحدود والصيغ؟
- الصيغ: WAV (
audio/wav) أو MP3 (audio/mpeg). حوّل ملفات .ogg و.m4a و.webm وملفات الفيديو بـ ffmpeg أولًا. ويحوي دليل رسائل واتساب الصوتية الأمر في سطر واحد. - الحجم: حتى 26,214,400 بايت (25 MiB) للملف؛ والملفات الأكبر تعيد 413. وهذا يعادل نحو 13 دقيقة من WAV أحادي بتردد 16 kHz، أو نحو 54 دقيقة من MP3 بمعدل 64 kbit/s. قسّم الصوت الأطول بـ
ffmpeg -f segment -segment_time 600. - المعدّل: يسمح مفتاح الدفع حسب الاستخدام بـ 30 طلبًا في الدقيقة و4 في الوقت نفسه. أعد محاولة 429 مع تأخير متزايد؛ راجع الأخطاء وإعادة المحاولة.
- الخصوصية: يُعالَج الصوت والنص المفرَّغ لأجل الطلب ولا يُحتفظ بهما. راجع عدم الاحتفاظ بالبيانات.
ولخط إنتاج دفعي مع تقسيم الملفات ومجموعة عمّال، راجع تفريغ تسجيلات مراكز الاتصال العربية على نطاق واسع؛ والتصميم نفسه يصلح لأي من اللغات الأربع عشرة.
متى تختار النموذج المخصص للعربية؟
تقدّم BroadNet نموذجين لأن العربية أصعب من معظم اللغات في التعرف على الكلام: لهجات كثيرة تحت معيار كتابي واحد، وتبديل لغوي متكرر مع الإنجليزية والفرنسية، وكثير من الصوت بجودة المكالمات الهاتفية. وBroadNet Transcribe Arabic هو الخيار المتخصص، ولا تنشر BroadNet أرقام دقة العربية إلا له:
- تفيد BroadNet بأنه في المرتبة #2 من أصل 37 (وهو رقمها لشهر سبتمبر 2026؛ وأدرجته اللوحة المباشرة في المرتبة #4 من أصل 39 في 15 نوفمبر 2026) على Open Universal Arabic ASR Leaderboard، والأول بين النماذج التي تسمح تراخيصها بتقديمها عبر API.
- معدلات خطأ الكلمات في مختبر BroadNet: 3.8 على FLEURS-ar، و21.1 على MASC-ar، و23.4 على مجموعة اللهجات لديها (الأقل أفضل). ما معنى هذه الأرقام.
لا تنشر BroadNet أرقامًا للعربية للنموذج متعدد اللغات، لكن لوحة الصدارة العامة تنشرها: ففي 15 نوفمبر 2026 أدرجت Cohere Transcribe 03-2026، وهو النموذج الذي يقوم عليه BroadNet Transcribe، في المرتبة 8 من 39 بمتوسط معدل خطأ كلمات 30.67، مقابل 24.19 للنموذج العربي في المرتبة #4 من أصل 39. وللغات الأخرى، تفيد BroadNet بمعدل خطأ كلمات 5.5 على FLEURS الإنجليزية و3.2 على FLEURS الإسبانية لـ BroadNet Transcribe، وبسرعة تقارب 113 ضعف الزمن الحقيقي على بث واحد (217 ضعفًا بالمعالجة الدفعية) على الصوت الإنجليزي، وفق صفحة النموذج. قاعدة بسيطة:
| صوتك | اختر |
|---|---|
| عربي في الغالب، بأي لهجة | BroadNet Transcribe Arabic |
| العربية أقلية من الملفات، والدقة ليست حرجة | BroadNet Transcribe لكل شيء، أو اختبر الاثنين |
| مزيج من الملفات ولغة كل ملف معروفة | وجّه الملفات العربية إلى النموذج العربي، والباقي إلى BroadNet Transcribe |
| أيّ من اللغات الثلاث عشرة الأخرى | BroadNet Transcribe |
والتوجيه حسب اللغة تغيير في سطر واحد، لأن النموذجين يتشاركان نقطة النهاية وشكل الطلب:
def stt_model(lang: str) -> str:
return "broadnet/cohere-transcribe-arabic" if lang == "ar" else "broadnet/cohere-transcribe"
يكلّف النموذج العربي نحو ضعف السعر للدقيقة. وعند الأحجام الكبيرة، اختبر النموذجين على بضع ساعات من صوتك العربي الفعلي وقارن معدل خطأ الكلمات لكل لهجة؛ ويحوي دليل شراء API تحويل الكلام العربي إلى نص خطة اختبار في ساعة واحدة. وإذا كانت المشكلة في الأرقام والتواريخ والأسماء داخل الصوت العربي المليء بالضجيج، فإن BroadNet تُدرج أيضًا نموذجًا عربيًا مضبوطًا متاحًا عند الطلب في صفحة النماذج.
كيف تختبر الدقة في كل لغة؟
رقم دقة واحد يقدّمه المزوّد يخفي فروقًا كبيرة بين اللغات واللكنات وظروف التسجيل. وقبل أن تلتزم بحجم عمل، شغّل اختبارًا صغيرًا لكل لغة:
- اجمع 20 إلى 50 مقطعًا حقيقيًا لكل لغة، من القناة التي ستفرّغها فعلًا: مكالمات هاتفية، أو تسجيلات اجتماعات، أو رسائل صوتية، أو فيديو. وضمّنها أصعب اللكنات لديك.
- اكتب نصوصًا مرجعية يدويًا لجزء منها، بقواعد إملاء متفق عليها للأرقام والأسماء والكلمات الإنجليزية الدخيلة.
- فرّغ برمز
languageالصحيح واحسب معدل خطأ الكلمات لكل لغة. وللصينية واليابانية، اللتين تُكتبان بلا مسافات بين الكلمات، استخدم معدل خطأ المحارف بدلًا منه. - اقرأ الأخطاء. فأسماء المنتجات والمبالغ والعناوين أهم من كلمات الحشو.
- كرّر الاختبار للعربية بالنموذجين إن كانت العربية جزءًا من صوتك، وقارن لكل لهجة.
ويغطي الرصيد المبدئي البالغ $5 اختبارًا كهذا لعدة لغات على BroadNet Transcribe، لأن السعر للدقيقة منخفض.
ما أحجام العمل التي يناسبها؟
| حجم العمل | ملاحظات |
|---|---|
| خطوط الدعم متعددة اللغات | وجّه حسب اختيار اللغة في نظام الرد الصوتي التفاعلي (IVR)؛ وأرسل رمز language المطابق |
| محاضر الاجتماعات للفرق الموزّعة | فرّغ كل تسجيل، ثم لخّصه بنموذج LLM |
| صناديق الرسائل الصوتية | حوّل .ogg إلى WAV أولًا؛ راجع دليل واتساب |
| أرشيفات الوسائط والبودكاست | قسّم الملفات الطويلة إلى ما دون 25 MiB؛ وعالجها دفعيًا ليلًا |
| تطبيقات تعلّم اللغات | فرّغ كلام المتعلّم، ثم قدّم الملاحظات بنموذج LLM |
وفي كل الحالات تتناسب التكلفة مع دقائق الصوت فقط: $0.12 لكل ساعة صوت على BroadNet Transcribe، أيًا كانت اللغة.
ماذا يحدث بعد التفريغ الصوتي؟
نادرًا ما يكون النص المفرَّغ هو المنتج النهائي. ومن الخطوات التالية الشائعة على مفتاح API نفسه:
- الملخصات وبنود العمل للاجتماعات بـ DeepSeek V4.1 Flash، الذي تتسع نافذة سياقه البالغة 1,048,576 رمزًا للنصوص المفرَّغة الطويلة جدًا.
- ترجمة النصوص المفرَّغة إلى لغة عمل واحدة؛ راجع الترجمة بين العربية والإنجليزية بنماذج LLM.
- تقييم الجودة لمكالمات الدعم بمخرجات JSON منظَّمة.
كيف تنتقل من API تفريغ صوتي أخرى؟
إذا كنت تستدعي بالفعل نقطة نهاية تفريغ صوتي على نمط OpenAI، بما في ذلك Whisper API التي تذكر OpenAI أنها ستتوقف في 26 فبراير 2027 (ما تختبره قبل الانتقال)، فالانتقال عادةً ثلاثة تغييرات: عنوان base URL، ومفتاح API، ومعرّف النموذج، مع التأكد من إرسال language. وتحقّق من حقول الاستجابة التي تقرؤها شيفرتك غير text. وتغطي قائمة تحقق الانتقال إلى واجهة متوافقة مع OpenAI الباقي.

