---
title: "Mehrsprachige Speech-to-Text API mit 14 Sprachen | BroadRouter"
description: "Englisch, Spanisch, Französisch, Chinesisch, Arabisch und 9 weitere Sprachen über einen OpenAI-kompatiblen Endpoint transkribieren, pro Minute abgerechnet."
url: https://broadrouter.com/de/blog/multilingual-speech-to-text-api/
lang: de
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/blog/multilingual-speech-to-text-api/) (aktualisiert am 2026-11-16).

# Mehrsprachige Speech-to-Text API: 14 Sprachen, ein Endpoint

Vom Team von BroadNet Inference · 6 Min. Lesezeit · Veröffentlicht 2026-11-14 · Aktualisiert 2026-11-16

BroadNet Transcribe ist ein Speech-to-Text-Modell für 14 Sprachen, darunter Englisch, Spanisch, Französisch, Deutsch, Chinesisch, Japanisch und Arabisch, bereitgestellt über einen OpenAI-kompatiblen Endpoint /v1/audio/transcriptions. Es kostet $0.002 pro Audiominute ($0.12 pro Stunde). Für überwiegend arabisches Audio ist BroadNet Transcribe Arabic die spezialisierte Option für $0.0042 pro Minute.

## Das Wichtigste in Kürze

-   BroadNet Transcribe deckt 14 Sprachen ab: en, es, fr, de, it, pt, el, nl, pl, zh, ja, ko, vi und ar.
-   Preis: $0.002 pro Audiominute, $0.12 pro Audiostunde.
-   Senden Sie bei jeder Anfrage den Sprachcode mit; verlassen Sie sich nicht auf die automatische Erkennung.
-   Wählen Sie BroadNet Transcribe Arabic ($0.25 pro Stunde), wenn arabisches Audio Ihr Hauptworkload ist; für dieses Modell veröffentlicht BroadNet Genauigkeitswerte für Arabisch.
-   Für beide gelten dieselben Limits: WAV oder MP3, bis zu 26.214.400 Byte pro Datei, Audio und Transkripte werden nicht gespeichert.

**Auf dieser Seite**

1.  Welche Sprachen deckt BroadNet Transcribe ab?
2.  Was kostet mehrsprachige Transkription?
3.  Wie ruft man den Transkriptions-Endpoint auf?
4.  Warum sollte man immer die Sprache mitsenden?
5.  Welche Limits und Formate gelten?
6.  Wann sollte man das arabische Spezialmodell wählen?
7.  Wie testet man die Genauigkeit in jeder Sprache?
8.  Für welche Workloads eignet es sich?
9.  Was passiert nach der Transkription?
10.  Wie migriert man von einer anderen Transkriptions-API?

_[image: The words English, Español, Français, Deutsch, 日本語, 한국어, 中文, Tiếng Việt and العربية, with the text "Many languages. One connection."]_

Die meisten Produkte, die mit Audio arbeiten, haben es mit mehr als einer Sprache zu tun: eine internationale Support-Hotline, Meeting-Aufnahmen aus verschiedenen Standorten, ein Postfach für Sprachnachrichten in einer mehrsprachigen Stadt. Für jede Sprache einen eigenen Speech-to-Text-Anbieter zu betreiben, kostet Wartungsaufwand. BroadNet Transcribe stellt 14 Sprachen hinter einen einzigen OpenAI-kompatiblen Endpoint, abgerechnet pro Audiominute, und daneben ein spezialisiertes arabisches Modell für Workloads mit viel Arabisch.

## Welche Sprachen deckt BroadNet Transcribe ab?

Die Sprachliste stammt aus der veröffentlichten [pricing.json](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-multilingual-speech-to-text-api&utm_content=body) von BroadNet, als ISO-639-1-Codes:

| Code | Sprache | Code | Sprache |
| --- | --- | --- | --- |
| en | Englisch | nl | Niederländisch |
| es | Spanisch | pl | Polnisch |
| fr | Französisch | zh | Chinesisch |
| de | Deutsch | ja | Japanisch |
| it | Italienisch | ko | Koreanisch |
| pt | Portugiesisch | vi | Vietnamesisch |
| el | Griechisch | ar | Arabisch |

[BroadNet Transcribe](https://broadrouter.com/de/models/cohere-transcribe/) basiert auf Cohere Transcribe und wird von BroadNet betrieben. Die Modell-ID lautet `broadnet/cohere-transcribe`.

Für den Gesamtüberblick listet unser offener [Preisindex für Speech-to-Text-APIs](https://broadrouter.com/data/speech-to-text-api-prices/) Batch- und Streaming-Preise, Abrechnungsintervalle und Arabisch-Unterstützung für mehr als 20 Produkte, jeweils mit der Preisseite des Anbieters abgeglichen (CSV und JSON).

## Was kostet mehrsprachige Transkription?

| Modell | Pro Minute | Pro Stunde | Sprachen |
| --- | --- | --- | --- |
| [BroadNet Transcribe](https://broadrouter.com/de/models/cohere-transcribe/) | $0.002 | $0.12 | 14 |
| [BroadNet Transcribe Arabic](https://broadrouter.com/de/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | Arabisch |

Abgerechnet wird pro Audiominute, nicht pro Anfrage oder pro Token. Beide Modelle funktionieren mit dem kostenlosen Startguthaben von $5, sodass Sie Ihre eigenen Aufnahmen testen können, bevor Sie aufladen. Alle Preise finden Sie auf der [Preisseite](https://broadrouter.com/de/pricing/); Ihre monatlichen Stunden können Sie im [Kostenrechner für Speech-to-Text](https://broadrouter.com/tools/speech-to-text-cost-calculator/) durchrechnen, und andere Anbieter vergleicht [Speech-to-Text-API-Preise im Vergleich](https://broadrouter.com/de/blog/speech-to-text-api-pricing-compared/).

## Wie ruft man den Transkriptions-Endpoint auf?

Der Endpoint folgt dem Format der OpenAI-Audiotranskription, die offiziellen SDKs funktionieren also mit einer geänderten Base URL:

```python
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)
```

Oder mit curl:

```bash
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
```

Die Antwort ist JSON mit dem Transkript in `text`. Die dokumentierte Antwort von BroadNet ist der Text selbst; wenn Sie Zeitstempel pro Wort oder Sprecherlabels brauchen, prüfen Sie in der [API-Referenz](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-multilingual-speech-to-text-api&utm_content=body), was derzeit unterstützt wird, bevor Sie Ihr Design darauf aufbauen.

## Warum sollte man immer die Sprache mitsenden?

Die Doku von BroadNet ist eindeutig: Senden Sie bei jeder Transkriptionsanfrage `language` mit. Ohne diese Angabe kann Arabisch in lateinische Buchstaben transliteriert zurückkommen, und dasselbe Risiko besteht bei jeder Sprache, die das Modell verwechseln könnte. Wenn Sie die Sprache vorher nicht kennen:

1.  **Nutzen Sie zuerst Metadaten.** Das Land des Anrufers, die App-Sprache des Nutzers oder die Vorwahl der Telefonnummer stimmen meistens.
2.  **Fragen Sie den Nutzer** in Sprachprodukten („Drücken Sie 1 für Englisch, 2 für Arabisch“).
3.  **Testen Sie eine kurze Probe.** Transkribieren Sie die ersten 30 Sekunden mit Ihrer besten Vermutung; sieht der Text falsch aus (falsche Schrift, Kauderwelsch), versuchen Sie es mit dem nächsten Kandidaten.

## Welche Limits und Formate gelten?

-   **Formate:** WAV (`audio/wav`) oder MP3 (`audio/mpeg`). Konvertieren Sie .ogg-, .m4a-, .webm- und Videodateien vorher mit ffmpeg. Der [Leitfaden zu WhatsApp-Sprachnachrichten](https://broadrouter.com/de/guides/transcribe-whatsapp-voice-notes/) enthält den passenden Einzeiler.
-   **Größe:** bis zu 26.214.400 Byte (25 MiB) pro Datei; größere Dateien liefern 413. Das sind etwa 13 Minuten WAV mit 16 kHz mono oder etwa 54 Minuten MP3 mit 64 kbit/s. Teilen Sie längeres Audio mit `ffmpeg -f segment -segment_time 600`.
-   **Rate:** Ein Pay-as-you-go-Schlüssel erlaubt 30 Anfragen pro Minute und 4 gleichzeitig. Wiederholen Sie 429 mit Backoff; siehe [Fehler und Wiederholungen](https://broadrouter.com/de/guides/errors-and-retries/).
-   **Datenschutz:** Audio und Transkripte werden für die Anfrage verarbeitet und nicht gespeichert. Siehe [Zero Data Retention](https://broadrouter.com/de/privacy/).

Eine Batch-Pipeline für die Produktion mit Chunking und Worker-Pool beschreibt [arabische Callcenter-Transkription im großen Maßstab](https://broadrouter.com/de/blog/transcribe-call-center-recordings/); dasselbe Design funktioniert für jede der 14 Sprachen.

## Wann sollte man das arabische Spezialmodell wählen?

BroadNet bietet zwei Modelle an, weil Arabisch für die Spracherkennung schwieriger ist als die meisten Sprachen: viele Dialekte unter einer gemeinsamen Schriftsprache, häufiges Code-Switching mit Englisch und Französisch und viel Audio in Telefonqualität. BroadNet Transcribe Arabic ist die spezialisierte Option, und nur für dieses Modell veröffentlicht BroadNet Genauigkeitswerte für Arabisch:

-   BroadNet meldet es im [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) mit #2 von 37 (Angabe für September 2026; die Live-Rangliste führte das Modell am 15. November 2026 auf #4 von 39) und als Nr. 1 unter den Modellen, deren Lizenz den Betrieb per API erlaubt.
-   Die Wortfehlerraten aus dem Labor von BroadNet: 3,8 auf FLEURS-ar, 21,1 auf MASC-ar und 23,4 auf dem eigenen Dialekt-Set (niedriger ist besser). [Was diese Zahlen bedeuten](https://broadrouter.com/de/blog/arabic-asr-wer-explained/).

Für das Modell mit 14 Sprachen veröffentlicht BroadNet keine Arabisch-Werte, das öffentliche Leaderboard aber schon: Am 15. November 2026 führte es Cohere Transcribe 03-2026, das Modell hinter BroadNet Transcribe, auf Platz 8 von 39 mit einer durchschnittlichen WER von 30,67, gegenüber 24,19 für das arabische Modell auf #4 von 39. Für andere Sprachen meldet BroadNet für BroadNet Transcribe eine Wortfehlerrate von 5,5 auf FLEURS Englisch und 3,2 auf FLEURS Spanisch sowie etwa 113-fache Echtzeit bei einem Stream (217-fach im Batch) bei englischem Audio, laut seiner [Modellseite](https://www.broadnet.ai/inference/models/cohere-transcribe). Eine einfache Regel:

| Ihr Audio | Wahl |
| --- | --- |
| Überwiegend Arabisch, beliebiger Dialekt | BroadNet Transcribe Arabic |
| Arabisch nur in einem kleinen Teil der Dateien, Genauigkeit nicht kritisch | BroadNet Transcribe für alles, oder beide testen |
| Gemischter Bestand mit bekannter Sprache pro Datei | Arabische Dateien zum arabischen Modell, den Rest zu BroadNet Transcribe |
| Eine der anderen 13 Sprachen | BroadNet Transcribe |

Das Routing nach Sprache ist eine einzeilige Änderung, weil beide Modelle denselben Endpoint und dasselbe Anfrageformat nutzen:

```python
def stt_model(lang: str) -> str:
    return "broadnet/cohere-transcribe-arabic" if lang == "ar" else "broadnet/cohere-transcribe"
```

Das arabische Modell kostet pro Minute etwa doppelt so viel. Bei größerem Volumen testen Sie beide an einigen Stunden Ihres echten arabischen Audios und vergleichen die Wortfehlerrate pro Dialekt; der [Kaufratgeber für arabische Speech-to-Text-APIs](https://broadrouter.com/de/blog/arabic-speech-to-text-api-buyers-guide/) enthält einen Testplan für eine Stunde. Wenn Zahlen, Datumsangaben und Namen in verrauschtem arabischem Audio das Problem sind, listet BroadNet auf der [Modellseite](https://broadrouter.com/de/models/) außerdem ein feingetuntes arabisches Modell auf Anfrage.

## Wie testet man die Genauigkeit in jeder Sprache?

Ein einzelner Genauigkeitswert eines Anbieters verdeckt große Unterschiede zwischen Sprachen, Akzenten und Aufnahmebedingungen. Bevor Sie einen Workload festlegen, führen Sie pro Sprache einen kleinen Test durch:

1.  **Sammeln Sie 20 bis 50 echte Clips pro Sprache** aus dem Kanal, den Sie tatsächlich transkribieren werden: Telefonate, Meeting-Aufnahmen, Sprachnachrichten oder Video. Nehmen Sie Ihre schwierigsten Akzente mit auf.
2.  **Schreiben Sie Referenztranskripte** für einen Teil von Hand, mit vereinbarten Schreibregeln für Zahlen, Namen und englische Lehnwörter.
3.  **Transkribieren Sie mit dem korrekten `language`\-Code** und berechnen Sie die [Wortfehlerrate](https://broadrouter.com/de/glossary/word-error-rate/) pro Sprache. Für Chinesisch und Japanisch, die ohne Leerzeichen zwischen Wörtern geschrieben werden, nehmen Sie stattdessen die Zeichenfehlerrate.
4.  **Lesen Sie die Fehler.** Produktnamen, Beträge und Adressen zählen mehr als Füllwörter.
5.  **Wiederholen Sie den Test für Arabisch mit beiden Modellen,** wenn Arabisch Teil Ihres Mixes ist, und vergleichen Sie pro Dialekt.

Das Startguthaben von $5 deckt einen solchen Test für mehrere Sprachen mit BroadNet Transcribe ab, weil der Preis pro Minute niedrig ist.

## Für welche Workloads eignet es sich?

| Workload | Hinweise |
| --- | --- |
| Mehrsprachige Support-Hotlines | Nach der Sprachwahl im IVR routen; den passenden `language`\-Code senden |
| Meeting-Notizen für verteilte Teams | Pro Aufnahme transkribieren, dann mit einem LLM zusammenfassen |
| Postfächer für Sprachnachrichten | .ogg zuerst in WAV umwandeln; siehe den WhatsApp-Leitfaden |
| Medien- und Podcast-Archive | Lange Dateien unter 25 MiB teilen; über Nacht im Batch verarbeiten |
| Sprachlern-Apps | Sprache der Lernenden transkribieren, dann mit einem LLM Feedback geben |

In jedem Fall skalieren die Kosten nur mit den Audiominuten: $0.12 pro Audiostunde mit BroadNet Transcribe, unabhängig von der Sprache.

## Was passiert nach der Transkription?

Transkripte sind selten das Endprodukt. Übliche nächste Schritte mit demselben API-Schlüssel:

-   **Zusammenfassungen und Aufgabenlisten** für Meetings mit [DeepSeek V4.1 Flash](https://broadrouter.com/de/models/deepseek-v4.1-flash/), dessen Kontext von 1.048.576 Tokens auch sehr lange Transkripte fasst.
-   **Übersetzung** der Transkripte in eine gemeinsame Arbeitssprache; siehe [Arabisch–Englisch-Übersetzung mit LLMs](https://broadrouter.com/de/blog/arabic-english-translation-llm/).
-   **QA-Bewertung** von Support-Gesprächen mit strukturierter JSON-Ausgabe.

## Wie migriert man von einer anderen Transkriptions-API?

Wenn Sie bereits einen Transkriptions-Endpoint im OpenAI-Stil aufrufen, auch die Whisper API, die OpenAI zum 26. Februar 2027 als abgeschaltet listet ([was Sie vor dem Wechsel testen sollten](https://broadrouter.com/de/blog/whisper-api-alternative/)), sind für die Migration meist drei Änderungen nötig: Base URL, API-Schlüssel und Modell-ID, und dazu müssen Sie sicherstellen, dass Sie `language` mitsenden. Prüfen Sie die Antwortfelder, die Ihr Code außer `text` liest. Die [Migrations-Checkliste für OpenAI-kompatible APIs](https://broadrouter.com/de/blog/openai-compatible-api-migration-checklist/) deckt den Rest ab.

Kostenlose Tools zum Thema (auf Englisch)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Kostenlose Tools (auf Englisch)](https://broadrouter.com/tools/)

## Begriffe in diesem Artikel

[Speech-to-Text (Spracherkennung)](https://broadrouter.com/de/glossary/speech-to-text/)

Speech-to-Text, auch automatische Spracherkennung (ASR), ist eine Technik, die gesprochenes Audio in geschriebenen Text umwandelt. Eine Speech-to-Text API nimmt eine Audiodatei oder einen Stream entgegen und liefert ein Transkript, meist abgerechnet pro Audiominute. Die Genauigkeit wird mit der Wortfehlerrate gemessen und hängt von Akzent, Dialekt und Aufnahmequalität ab.

[Token](https://broadrouter.com/de/glossary/token/)

Ein Token ist die Texteinheit, die ein Sprachmodell liest und schreibt: ein Wort, ein Wortteil, ein Satzzeichen oder eine Bytefolge, die der Tokenizer des Modells erzeugt. LLM-APIs zählen, begrenzen und berechnen die Nutzung meist in Tokens.

[Wortfehlerrate (Word Error Rate, WER)](https://broadrouter.com/de/glossary/word-error-rate/)

Die Wortfehlerrate (WER) ist das Standardmaß für die Genauigkeit der Spracherkennung: die Zahl der Wortersetzungen, -löschungen und -einfügungen, die nötig sind, um ein Transkript in die korrekte Referenz zu verwandeln, geteilt durch die Zahl der Wörter in der Referenz. Niedriger ist besser.

[WAV](https://broadrouter.com/de/glossary/wav/)

WAV (Waveform Audio File Format, auch WAVE) ist ein Audiocontainer auf Basis des RIFF-Formats von Microsoft und IBM. Er enthält meist unkomprimierte lineare PCM-Samples, daher ist seine Größe vorhersehbar: Abtastrate mal Bytes pro Sample mal Kanäle, pro Sekunde.

[Basis-URL (Base URL)](https://broadrouter.com/de/glossary/base-url/)

Eine Basis-URL ist die feste Stammadresse einer API, etwa https://api.example.com/v1, die ein Client vor jeden Endpoint-Pfad wie /chat/completions setzt. In OpenAI-kompatiblen SDKs lenkt eine geänderte Basis-URL, zusammen mit API-Schlüssel und Modell-ID, denselben Code zu einem anderen Anbieter.

[Code-Switching](https://broadrouter.com/de/glossary/code-switching/)

Code-Switching ist die Verwendung von zwei oder mehr Sprachen oder Varietäten einer Sprache im selben Gespräch oder Satz, mündlich oder schriftlich. Beispiele sind Arabischsprachige, die englische Wörter in ihren Dialekt mischen oder zwischen modernem Hocharabisch und ihrem Dialekt wechseln.

[Pay-as-you-go](https://broadrouter.com/de/glossary/pay-as-you-go/)

Pay-as-you-go ist ein Preismodell, bei dem Sie nur für tatsächliche Nutzung zahlen, gemessen pro Einheit wie Tokens, Anfragen oder Audiominuten, ohne Abonnement oder Mindestabnahme. Die meisten LLM-APIs rechnen so ab, aus einem vorausbezahlten Guthaben oder per regelmäßiger Rechnung.

[Rate Limit (Ratenbegrenzung)](https://broadrouter.com/de/glossary/rate-limit/)

Ein Rate Limit ist eine Obergrenze, die eine API festlegt, wie stark ein Client sie in einem Zeitfenster nutzen darf, etwa Anfragen pro Minute oder Tokens pro Minute. Anfragen über dem Limit werden abgelehnt, meist mit HTTP 429 Too Many Requests, bis die Nutzung wieder darunter liegt.

## Häufige Fragen

### Welche Sprachen unterstützt BroadNet Transcribe?

Vierzehn: Englisch, Spanisch, Französisch, Deutsch, Italienisch, Portugiesisch, Griechisch, Niederländisch, Polnisch, Chinesisch, Japanisch, Koreanisch, Vietnamesisch und Arabisch. Die Liste ist in pricing.json als ISO-639-1-Codes veröffentlicht.

### Kann eine Datei zwei Sprachen enthalten?

Jede Anfrage nimmt einen Sprachcode. Bei Audio, das die Sprache wechselt, transkribieren Sie mit der Hauptsprache und prüfen, wie die andere Sprache herauskommt, oder teilen Sie das Audio nach Sprecher oder Abschnitt, wenn die Wechsel lang sind.

### Ist das mehrsprachige Modell gut genug für Arabisch?

Es akzeptiert Arabisch und kostet pro Minute weniger. BroadNet veröffentlicht Genauigkeitswerte für Arabisch nur für BroadNet Transcribe Arabic. Wenn Arabisch einen großen Teil Ihres Audios ausmacht, testen Sie also beide mit Ihren Aufnahmen und vergleichen Sie die Wortfehlerrate.

### Funktioniert es mit dem OpenAI SDK?

Ja. Richten Sie das SDK auf die Base URL von BroadNet und rufen Sie audio.transcriptions.create mit der Modell-ID, der Datei und der Sprache auf.

## Weiterlesen

-   [Audio über 25 MB transkribieren: aufteilen, senden, zusammenfügen](https://broadrouter.com/de/blog/transcribe-long-audio-files-api/)
-   [Speech-to-Text-API für Arabisch: So wählen Sie 2026 die richtige](https://broadrouter.com/de/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Wortfehlerrate (WER) bei arabischer Spracherkennung erklärt](https://broadrouter.com/de/blog/arabic-asr-wer-explained/)
-   [Callcenter-Aufzeichnungen transkribieren: Pipeline, auch für Arabisch](https://broadrouter.com/de/blog/transcribe-call-center-recordings/)
-   [Wechsel zu einer OpenAI-kompatiblen API: die Migrations-Checkliste](https://broadrouter.com/de/blog/openai-compatible-api-migration-checklist/)
-   [Arabischen Text per LLM vokalisieren: Prompt, Prüfung, DER](https://broadrouter.com/de/blog/arabic-diacritization-llm/)
-   [Arabische Grammatik- und Rechtschreibkorrektur per LLM: Anleitung](https://broadrouter.com/de/blog/arabic-grammar-spelling-correction-llm/)
-   [Anleitung: Speech-to-Text API für Arabisch: Schritt für Schritt](https://broadrouter.com/de/guides/arabic-speech-to-text-api/)
-   [Anleitung: WhatsApp-Sprachnachrichten per API in Text umwandeln](https://broadrouter.com/de/guides/transcribe-whatsapp-voice-notes/)
-   [Anleitung: Fehlercodes von BroadNet Inference: Wann ist ein Retry sinnvoll?](https://broadrouter.com/de/guides/errors-and-retries/)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-multilingual-speech-to-text-api&utm_content=page-cta) ·

**Quellen**

-   [Modellseite von BroadNet Transcribe: WER auf FLEURS Englisch und Spanisch, Durchsatz (abgerufen am 2026-11-15) (auf Englisch)](https://www.broadnet.ai/inference/models/cohere-transcribe)
-   [Open Universal Arabic ASR Leaderboard, Live-Tabelle (abgerufen am 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [API-Referenz von BroadNet Inference, Transkription (geprüft am 2026-11-16) (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-multilingual-speech-to-text-api&utm_content=sources)
-   [Maschinenlesbare Preise und Sprachliste von BroadNet Inference (pricing.json, geprüft am 2026-11-16) (auf Englisch)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-multilingual-speech-to-text-api&utm_content=sources)
-   [Modellkatalog von BroadNet, Speech-to-Text (geprüft am 2026-11-16) (auf Englisch)](https://www.broadnet.ai/inference/models)
-   [ISO-639-Sprachcodes (Library of Congress, geprüft am 2026-11-16)](https://www.loc.gov/standards/iso639-2/php/code_list.php)
