$0.0042 kada minuto ng audio ang BroadNet Transcribe Arabic. Ayon sa BroadNet, nasa ika-2 sa 37 (datos noong Setyembre 2026; sa live na ranggo noong Nobyembre 15, 2026, ika-4 sa 39 ito) ito sa Open Universal Arabic ASR Leaderboard, at #1 sa mga model na pinapayagan ng lisensya na i-serve sa pamamagitan ng API. Para sa ibang wika, sakop ng BroadNet Transcribe ang 14 na wika sa $0.002 kada minuto. Tingnan ang model page ng BroadNet Transcribe Arabic at ang model page ng BroadNet Transcribe.
May mga provider na mas mura. Noong 2026-11-14, nakalista sa pricing page ng Soniox ang mga USD 0.10 kada oras para sa file (async) transcription at USD 0.12 kada oras para sa real-time, at kasama ang Arabic sa listahan nito ng mga wika. Mas mababa iyon sa $0.25 kada oras ng BroadNet Transcribe Arabic, kaya subukan ang dalawa sa sarili mong audio.
Gamit ang curl
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
Ang response ay ang transcript bilang JSON:
{"text": "مرحباً، لقد وصلت إلى البريد الصوتي، اترك رسالتك من فضلك"}
Gamit ang 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)
Laging ipadala ang language
Kung walang language, puwedeng bumalik ang Arabic na naka-transliterate sa letrang Latin. Ipadala ang language=ar para sa Arabic at language=en para sa Ingles.
Aling mga Arabic dialect ang kaya nito?
Inilalarawan ng BroadNet ang BroadNet Transcribe Arabic bilang sakop ang Arabic, kasama ang mga dialect, at naglalathala ito ng tatlong word error rate para dito. Mga sariling sukat ng lab ng BroadNet ang mga ito, mula sa model catalogue nito:
| Test set | Ano ito | Word error rate |
|---|---|---|
| FLEURS-ar | Malinis na binasang pangungusap | 3.8 |
| MASC-ar | Halo-halong totoong Arabic na pananalita | 21.1 |
| Dialect set ng BroadNet | Pananalita sa dialect | 23.4 |
Walang inilalathalang breakdown kada dialect ang BroadNet, kaya walang sinuman sa labas ng BroadNet ang makapagsasabi kung paano ikinukumpara ang score ng Gulf na audio sa Egyptian o Maghrebi. Iba-iba ang paraan ng ibang provider sa pagsasabi ng sakop nila. Inililista ng Deepgram ang Nova-3 Arabic na may mga regional code, mula ar-AE, ar-SA at ar-EG hanggang ar-MA at ar-IQ. Nagbebenta ang Speechmatics ng iisang “Global Arabic” pack na nagbabanggit ng Modern Standard Arabic, Gulf, Egyptian at Levantine na pananalita, at ng ar_en pack para sa Arabic na hinaluan ng Ingles. Inililista ng Soniox ang Arabic (ar) nang walang detalye tungkol sa dialect.
Hindi sukat ng accuracy ang isang nakalistang code. Bago pumili, i-score ang bawat kandidato sa sarili mong mga clip na nakagrupo ayon sa dialect:
- Gulf (Khaleeji): pananalitang Saudi, Emirati, Kuwaiti at Qatari, madalas may mga pangalan ng produkto sa Ingles.
- Egyptian: ang dialect na pinakamalawak na naiintindihan sa media.
- Levantine: pananalitang Syrian, Lebanese, Jordanian at Palestinian.
- Iraqi at Maghrebi: kadalasang pinakamahirap ang pananalitang Moroccan, Algerian at Tunisian.
- Modern Standard Arabic: balita at pormal na pananalita, ang madaling baseline.
Ipinapaliwanag ng gabay sa speech recognition ng mga Arabic dialect kung bakit mas mababa ang score ng mga dialect, at ipinapakita ng paliwanag sa word error rate kung paano i-score ang mga ito.
Magkano ang mga Arabic speech-to-text API?
Nakalista ang Arabic sa bawat provider sa ibaba. Nakaayos mula pinakamura; para sa mga pre-recorded na file ang mga presyo maliban kung may marka, at sinuri noong 2026-11-14:
| Provider at model | Kada minuto | Kada oras | Nakasaad na sakop sa Arabic |
|---|---|---|---|
| Soniox, async (file) | mga USD 0.0017 | mga USD 0.10 | Arabic (ar) |
| Soniox, real-time | mga USD 0.002 | mga USD 0.12 | Arabic (ar) |
| BroadNet Transcribe (14 na wika) | $0.002 | $0.12 | Arabic, kasama sa 14 na wika |
| BroadNet Transcribe Arabic | $0.0042 | $0.25 | Arabic, kasama ang mga dialect (BroadNet) |
| Deepgram, Nova-3 monolingual | USD 0.0043 | USD 0.258 | ar at mga regional code |
| Speechmatics, Standard | USD 0.0075 | USD 0.45 | Global Arabic, ar_en |
| Speechmatics, Enhanced | USD 0.0125 | USD 0.75 | Global Arabic, ar_en |
Mga source: presyo ng Soniox (sinisingil kada token; tantiya ng Soniox ang mga numero kada oras), presyo ng Deepgram at presyo ng Speechmatics. Mas mura ang Soniox kaysa sa dalawang model ng BroadNet, at walang dokumentasyon ang BroadNet para sa real-time streaming. Ang lamang ng BroadNet ay ang model na partikular para sa Arabic, ang iniulat nitong rank sa leaderboard at ang zero data retention. Para sa mas maraming provider, tingnan ang bukas naming speech-to-text API price index, na naglilista ng batch at streaming na presyo at suporta sa Arabic para sa mahigit 20 produkto, may source at petsa ang bawat isa (CSV at JSON). Para sa mga add-on na gastos, tingnan ang paghahambing ng presyo ng speech-to-text API; para tantiyahin ang sarili mong volume, gamitin ang speech-to-text cost calculator.
Mga limit
- WAV o MP3, hanggang 26,214,400 bytes (25 MiB) kada file. 413 ang ibinabalik ng mas malaking file; hatiin muna ito.
- Ang mga pay-as-you-go key ay may 30 request kada minuto at 4 na sabay-sabay.
- Gumagana ang dalawang transcription model sa libreng panimulang credit na $5, kaya masusubukan mo ang sarili mong mga recording bago magbayad.
Troubleshooting
- Letrang Latin sa halip na Arabic script. Idagdag ang
language=ar. - 400 o 422. Suriin ang mga pangalan ng field (
model,language,file) at tiyaking totoong WAV o MP3 ang file. Pumapalya ang.oggna pinalitan lang ng pangalan; i-convert ito gamit ang ffmpeg. - 413. Lampas sa 26,214,400 bytes ang file. I-convert sa 16 kHz mono na WAV o MP3, o hatiin sa mas maiikling bahagi.
- 401 sa bayad na account. Suriin ang key at ang pay-as-you-go allowance. Tingnan ang error codes at retries ng BroadNet.
- Mahinang accuracy sa dialect o maingay na tawag. Mas mababa ang score sa sariling dialect test set ng BroadNet kaysa sa malinis na binasang pananalita (tingnan ang FAQ). Subukan ito sa sample ng totoong audio mo at sukatin ang word error rate.
Dumarating bilang .ogg ang mga WhatsApp voice note. I-convert at i-transcribe ang WhatsApp voice notes sa isang hakbang. Kung kailangan mo ng mga numero, petsa at pangalan sa maingay na audio, nag-aalok ang BroadNet ng fine-tuned na Arabic model kapag hiniling.
