---
title: "Arabisches Audio per API transkribieren: curl und Python"
description: "Arabisches Audio mit BroadNet Transcribe Arabic über einen OpenAI-kompatiblen Endpoint transkribieren: Formate, Feld language, Python- und curl-Beispiele, Preis."
url: https://broadrouter.com/de/guides/arabic-speech-to-text-api/
lang: de
updated: 2026-11-16
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/guides/arabic-speech-to-text-api/) (aktualisiert am 2026-11-16).

# Speech-to-Text API für Arabisch: Schritt für Schritt

Aktualisiert 2026-11-16

Senden Sie eine WAV- oder MP3-Datei an https://inference.broadnet.ai/v1/audio/transcriptions mit model broadnet/cohere-transcribe-arabic und language=ar. Die Antwort ist JSON, das Transkript steht in text. Andere Formate wie WhatsApp-.ogg wandeln Sie vorher in WAV um. Abgerechnet wird pro Audiominute, und laut BroadNet werden weder Audio noch Transkript gespeichert.

BroadNet Transcribe Arabic kostet $0.0042 pro Audiominute. Laut BroadNet steht es auf Platz #2 von 37 (Angabe für September 2026; die Live-Rangliste führte das Modell am 15. November 2026 auf #4 von 39) im [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) und auf Platz 1 unter den Modellen, deren Lizenz den Betrieb über eine API erlaubt. Für andere Sprachen deckt BroadNet Transcribe 14 Sprachen zu $0.002 pro Minute ab. Siehe die [Modellseite von BroadNet Transcribe Arabic](https://broadrouter.com/de/models/cohere-transcribe-arabic/) und die [Modellseite von BroadNet Transcribe](https://broadrouter.com/de/models/cohere-transcribe/).

Andere Anbieter können günstiger sein. Am 2026-11-14 nannte die [Preisseite von Soniox](https://soniox.com/pricing) etwa 0,10 USD pro Stunde für die Transkription von Dateien (asynchron) und 0,12 USD pro Stunde in Echtzeit, und die Sprachliste von Soniox enthält Arabisch. Das liegt unter den $0.25 pro Stunde von BroadNet Transcribe Arabic. Testen Sie daher beide mit Ihrem eigenen Audio.

## Mit curl

```bash
curl https://inference.broadnet.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -F model=broadnet/cohere-transcribe-arabic \
  -F language=ar \
  -F file=@voice-note.wav
```

Die Antwort ist das Transkript als JSON:

```json
{"text": "مرحباً، لقد وصلت إلى البريد الصوتي، اترك رسالتك من فضلك"}
```

## Mit Python

```python
from openai import OpenAI
import os

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

with open("voice-note.wav", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="broadnet/cohere-transcribe-arabic",
        file=audio,
        language="ar",
    )
print(result.text)
```

## Senden Sie immer die Sprache mit

Ohne `language` kann Arabisch **in lateinische Buchstaben transliteriert** zurückkommen. Senden Sie `language=ar` für Arabisch und `language=en` für Englisch.

## Welche arabischen Dialekte erkennt das Modell?

BroadNet beschreibt BroadNet Transcribe Arabic als Modell für Arabisch einschließlich der Dialekte und veröffentlicht dafür drei Wortfehlerraten. Es handelt sich um BroadNets eigene Labormessungen aus seinem [Modellkatalog](https://www.broadnet.ai/inference/models):

| Testset | Was es enthält | Wortfehlerrate |
| --- | --- | --- |
| FLEURS-ar | Saubere, vorgelesene Sätze | 3,8 |
| MASC-ar | Gemischte arabische Sprache aus der Praxis | 21,1 |
| Dialekt-Testset von BroadNet | Gesprochener Dialekt | 23,4 |

BroadNet veröffentlicht keine Aufschlüsselung nach Dialekt. Außerhalb von BroadNet kann also niemand sagen, wie Golf-Audio im Vergleich zu ägyptischem oder maghrebinischem abschneidet. Andere Anbieter geben ihre Abdeckung anders an. Deepgram listet Nova-3 für Arabisch mit regionalen Codes, von `ar-AE`, `ar-SA` und `ar-EG` bis `ar-MA` und `ar-IQ`. Speechmatics verkauft ein einziges Paket „Global Arabic“, das Hocharabisch (MSA), Golf-Arabisch, Ägyptisch und Levantinisch nennt, dazu ein Paket `ar_en` für Arabisch mit eingestreutem Englisch. Soniox listet Arabisch (`ar`) ohne Angaben zu Dialekten.

Ein gelisteter Code ist keine gemessene Genauigkeit. Bewerten Sie vor der Wahl jeden Kandidaten mit eigenen Aufnahmen, gruppiert nach Dialekt:

-   **Golf-Arabisch (Khaleeji):** saudische, emiratische, kuwaitische und katarische Sprache, oft mit englischen Produktnamen.
-   **Ägyptisch:** der in den Medien am weitesten verstandene Dialekt.
-   **Levantinisch:** syrische, libanesische, jordanische und palästinensische Sprache.
-   **Irakisch und Maghrebinisch:** Marokkanisch, Algerisch und Tunesisch sind meist der schwierigste Fall.
-   **[Hocharabisch (MSA)](https://broadrouter.com/de/glossary/msa/):** Nachrichten und formelle Sprache, die einfache Vergleichsbasis.

Der [Leitfaden zur Spracherkennung arabischer Dialekte](https://broadrouter.com/de/blog/arabic-dialect-speech-recognition/) erklärt, warum Dialekte schlechter abschneiden, und die [Erklärung der Wortfehlerrate](https://broadrouter.com/de/blog/arabic-asr-wer-explained/) zeigt, wie Sie sie messen.

## Was kosten Speech-to-Text APIs für Arabisch?

Alle Anbieter unten listen Arabisch. Sortiert vom günstigsten an; die Preise gelten für aufgezeichnete Dateien, sofern nicht anders angegeben, und wurden am 2026-11-14 geprüft:

| Anbieter und Modell | Pro Minute | Pro Stunde | Angegebene Abdeckung für Arabisch |
| --- | --- | --- | --- |
| Soniox, asynchron (Datei) | etwa 0,0017 USD | etwa 0,10 USD | Arabisch (`ar`) |
| Soniox, Echtzeit | etwa 0,002 USD | etwa 0,12 USD | Arabisch (`ar`) |
| [BroadNet Transcribe](https://broadrouter.com/de/models/cohere-transcribe/) (14 Sprachen) | $0.002 | $0.12 | Arabisch als eine von 14 Sprachen |
| [BroadNet Transcribe Arabic](https://broadrouter.com/de/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | Arabisch einschließlich Dialekten (laut BroadNet) |
| Deepgram, Nova-3 einsprachig | 0,0043 USD | 0,258 USD | `ar` plus regionale Codes |
| Speechmatics, Standard | 0,0075 USD | 0,45 USD | Global Arabic, `ar_en` |
| Speechmatics, Enhanced | 0,0125 USD | 0,75 USD | Global Arabic, `ar_en` |

Quellen: [Preise von Soniox](https://soniox.com/pricing) (Abrechnung pro Token; die Stundenwerte sind Näherungen von Soniox), [Preise von Deepgram](https://deepgram.com/pricing) und [Preise von Speechmatics](https://www.speechmatics.com/pricing). Soniox ist günstiger als beide Modelle von BroadNet, und BroadNet dokumentiert kein Echtzeit-Streaming. Für BroadNet sprechen das auf Arabisch spezialisierte Modell, die gemeldete Platzierung im Leaderboard und Zero Data Retention. Weitere Anbieter finden Sie in unserem offenen [Preisindex für Speech-to-Text APIs](https://broadrouter.com/data/speech-to-text-api-prices/). Er listet Batch- und Streaming-Preise und die Unterstützung für Arabisch bei mehr als 20 Produkten, jeweils mit Quelle und Datum (als CSV und JSON). Zu Zusatzkosten siehe den [Preisvergleich für Speech-to-Text APIs](https://broadrouter.com/de/blog/speech-to-text-api-pricing-compared/); Ihr eigenes Volumen kalkulieren Sie mit dem [Kostenrechner für Speech-to-Text](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

## Limits

-   WAV oder MP3, bis 26.214.400 Bytes (25 MiB) pro Datei. Eine größere Datei liefert 413; teilen Sie sie vorher auf.
-   Pay-as-you-go-Schlüssel erlauben 30 Anfragen pro Minute und 4 gleichzeitig.
-   Beide Transkriptionsmodelle laufen mit dem kostenlosen Startguthaben von $5. Sie können Ihre eigenen Aufnahmen also testen, bevor Sie bezahlen.

## Fehlerbehebung

-   **Lateinische Buchstaben statt arabischer Schrift.** Ergänzen Sie `language=ar`.
-   **400 oder 422.** Prüfen Sie die Feldnamen (`model`, `language`, `file`) und ob die Datei wirklich WAV oder MP3 ist. Eine umbenannte `.ogg`\-Datei schlägt fehl; konvertieren Sie sie mit ffmpeg.
-   **413.** Die Datei ist größer als 26.214.400 Bytes. Konvertieren Sie sie in WAV oder MP3 mit 16 kHz mono oder teilen Sie sie in kürzere Stücke.
-   **401 bei einem bezahlten Konto.** Prüfen Sie den Schlüssel und das Pay-as-you-go-Kontingent. Siehe [Fehlercodes und Retries bei BroadNet](https://broadrouter.com/de/guides/errors-and-retries/).
-   **Schwache Genauigkeit bei Dialekt oder lauten Anrufen.** BroadNets eigenes Dialekt-Testset schneidet schlechter ab als sauber vorgelesene Sprache (siehe FAQ). Testen Sie mit einer Stichprobe Ihres echten Audios und messen Sie die [Wortfehlerrate](https://broadrouter.com/de/glossary/word-error-rate/).

WhatsApp-Sprachnachrichten kommen als `.ogg`. [WhatsApp-Sprachnachrichten in einem Schritt konvertieren und transkribieren](https://broadrouter.com/de/guides/transcribe-whatsapp-voice-notes/). Wenn Sie Zahlen, Daten und Namen in lautem Audio brauchen, bietet BroadNet [auf Anfrage](https://broadrouter.com/de/models/#on-request) ein feinabgestimmtes arabisches Modell an.

## Begriffe in dieser Anleitung

[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.

[Arabische Dialekte (Dialectal Arabic)](https://broadrouter.com/de/glossary/dialectal-arabic/)

Dialektales Arabisch ist das gesprochene Alltagsarabisch einer Region oder Stadt, etwa Ägyptisch, Golf-Arabisch, Levantinisch oder Maghrebinisch. Dialekte unterscheiden sich vom modernen Hocharabisch in Lauten, Wörtern und Grammatik, haben keine Standardschreibung und werden online zunehmend geschrieben, was sie für Sprachmodelle schwieriger macht.

[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.

[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.

[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.

[Modernes Hocharabisch (MSA)](https://broadrouter.com/de/glossary/msa/)

Modernes Hocharabisch (MSA) ist die standardisierte Form des Arabischen, die in der gesamten arabischen Welt für Schrift, Nachrichten, Bildung und formelle Rede genutzt wird. Niemand spricht es als Alltagsmuttersprache: Gesprochen werden regionale Dialekte wie Ägyptisch oder Golfarabisch, in formellen Situationen wechselt man ins MSA.

[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.

[Tool Calling (Function Calling)](https://broadrouter.com/de/glossary/tool-calling/)

Tool Calling, auch Function Calling genannt, ist eine Funktion von LLM-APIs, bei der das Modell eine strukturierte Anfrage zurückgibt, eine vom Entwickler definierte Funktion mit JSON-Argumenten auszuführen. Die Anwendung führt die Funktion aus und sendet das Ergebnis zurück; das Modell selbst führt nie Code aus.

## Häufige Fragen

### Versteht das Modell arabische Dialekte?

BroadNet meldet auf seinem eigenen Dialekt-Testset eine Wortfehlerrate von 23,4, dazu 3,8 auf FLEURS-ar und 21,1 auf MASC-ar. Niedriger ist besser. BroadNet veröffentlicht keinen Wert pro Dialekt. Testen Sie Aufnahmen auf Golf-Arabisch, Ägyptisch, Levantinisch und Maghrebinisch daher einzeln, bevor Sie sich darauf verlassen.

### Welche Speech-to-Text API für Arabisch ist am günstigsten?

Unter den am 2026-11-14 geprüften Anbietern nennt Soniox den niedrigsten Tarif, etwa 0,10 USD pro Stunde für die Transkription von Dateien. BroadNet Transcribe Arabic kostet $0.25 pro Stunde. Deepgram Nova-3 und Speechmatics sind teurer. Wichtiger als der Stundenpreis ist die Wortfehlerrate auf Ihrem eigenen Dialekt-Audio.

### Welche Audioformate werden akzeptiert?

WAV (audio/wav) und MP3 (audio/mpeg). Andere Formate wie .ogg oder .m4a konvertieren Sie vorher mit ffmpeg.

### Warum ist mein arabisches Transkript in lateinischen Buchstaben geschrieben?

Der Anfrage fehlte das Feld language. Ohne dieses Feld kann arabische Sprache in lateinische Schrift transliteriert werden. Senden Sie bei jeder arabischen Anfrage language=ar.

### Kann ich die arabische Transkription kostenlos testen?

Ja. Beide Transkriptionsmodelle von BroadNet laufen mit dem kostenlosen Startguthaben neuer Konten. Sie können also Ihre eigenen Aufnahmen testen, bevor Sie aufladen.

### Soll ich für Arabisch BroadNet Transcribe Arabic oder BroadNet Transcribe nehmen?

Beide akzeptieren language=ar. BroadNet Transcribe Arabic ist das arabische Modell und das, für das BroadNet die Platzierung im arabischen Leaderboard angibt. BroadNet Transcribe kostet weniger pro Minute und deckt 14 Sprachen ab. Testen Sie also beide mit Ihrem Audio.

## Verwandte Anleitungen

-   [WhatsApp-Sprachnachrichten per API in Text umwandeln](https://broadrouter.com/de/guides/transcribe-whatsapp-voice-notes/)
-   [Arabische Rechnungen und Belege mit einem Vision-Modell auslesen](https://broadrouter.com/de/guides/read-arabic-invoices-with-vision/)
-   [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-guides-arabic-speech-to-text-api&utm_content=page-cta) ·

**Quellen**

-   [Speech-to-Text-Preise von Soniox (geprüft am 2026-11-14)](https://soniox.com/pricing)
-   [API-Referenz von BroadNet Inference, Transkription (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-guides-arabic-speech-to-text-api&utm_content=sources#requests)
-   [Preise von BroadNet Inference (auf Englisch)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-guides-arabic-speech-to-text-api&utm_content=sources)
-   [Modellkatalog von BroadNet, Speech-to-Text (Labormessungen) (auf Englisch)](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Soniox-Dokumentation, unterstützte Sprachen (Arabisch gelistet; geprüft am 2026-11-14)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [Preise von Deepgram, Nova-3 für Aufzeichnungen (geprüft am 2026-11-14)](https://deepgram.com/pricing)
-   [Modelle und Sprachen von Deepgram, arabische Codes für Nova-3 (geprüft am 2026-11-14)](https://developers.deepgram.com/docs/models-languages-overview)
-   [Preise von Speechmatics, Pay-as-you-go im Batch (geprüft am 2026-11-14)](https://www.speechmatics.com/pricing)
-   [Sprachen von Speechmatics, Global Arabic und Arabisch-Englisch (geprüft am 2026-11-14)](https://docs.speechmatics.com/speech-to-text/languages)
