---
title: "Transcrire un audio de plus de 25 Mo par API | BroadRouter"
description: "Transcrire des enregistrements au-delà de la limite de fichier d’une API speech-to-text : réduire le fichier, découper aux silences avec ffmpeg, envoyer, recoller."
url: https://broadrouter.com/fr/blog/transcribe-long-audio-files-api/
lang: fr
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/blog/transcribe-long-audio-files-api/) (mis à jour le 2026-11-15).

# Transcrire un audio de plus de 25 Mo : découper, envoyer, recoller

Par l’équipe BroadNet Inference · 6 min de lecture · Publié 2026-11-15

La plupart des API de transcription refusent un fichier unique de plus de 25 Mo environ. Convertissez d’abord l’enregistrement en mono 16 kHz : cela suffit à faire tenir environ 13 minutes de WAV ou 54 minutes de MP3 à 64 kbit/s dans la limite de 26 214 400 octets de BroadNet. Pour un audio plus long, découpez aux silences avec ffmpeg, transcrivez les morceaux en parallèle et recollez le texte dans l’ordre.

## À retenir

-   La limite porte sur les octets, pas sur les minutes. Le WAV mono 16 kHz fait 32 000 octets par seconde, donc 26 214 400 octets représentent environ 13,6 minutes ; le MP3 à 64 kbit/s environ 54 minutes.
-   Découpez par temps, dans un silence, jamais à un offset d’octets. Une coupe en octets casse les trames audio, et une coupe au milieu d’un mot fait perdre des mots.
-   Gardez les morceaux bien sous la limite, par exemple 10 minutes de WAV, pour qu’un fichier bruyant ne renvoie jamais 413.
-   Envoyez les morceaux en parallèle jusqu’à la limite de la clé : 4 requêtes en cours et 30 par minute sur une clé BroadNet en paiement à l’usage.
-   Le découpage ne change pas la durée d’audio facturée. Une heure d’arabe coûte $0.25 sur BroadNet Transcribe Arabic.

**Sur cette page**

1.  Pourquoi un long enregistrement échoue-t-il ?
2.  Étape 1 : comment réduire le fichier ?
3.  Étape 2 : comment découper l’audio sans couper de mots ?
4.  À quoi ressemble le script complet ?
5.  Combien de morceaux envoyer en même temps ?
6.  Faut-il un chevauchement entre les morceaux ?
7.  Le morceau suivant peut-il utiliser le texte du précédent comme contexte ?
8.  Combien coûte un long fichier ?
9.  Quelles erreurs éviter ?
10.  Quand le découpage n’est-il pas le bon outil ?
11.  La place de BroadNet Inference

La plupart des API speech-to-text acceptent un fichier d’environ 25 Mo par requête. BroadNet Inference accepte du WAV ou du MP3 jusqu’à 26 214 400 octets. Une longue réunion, un cours ou un podcast dépasse vite cette limite, et la requête échoue avec 413. La solution tient en quatre étapes : réduire le fichier, le découper aux silences, envoyer les morceaux en parallèle et recoller le texte.

## Pourquoi un long enregistrement échoue-t-il ?

La limite porte sur les octets, pas sur les minutes. Le nombre de minutes qui tiennent dépend du format :

| Format | Octets par seconde | Tient dans 26 214 400 octets |
| --- | --- | --- |
| WAV, 44,1 kHz stéréo, 16 bits | 176 400 | Environ 2,5 minutes |
| WAV, 16 kHz mono, 16 bits | 32 000 | Environ 13,6 minutes |
| MP3, 64 kbit/s | 8 000 | Environ 54 minutes |
| MP3, 32 kbit/s | 4 000 | Environ 109 minutes |

Ce sont de simples multiplications : octets par seconde fois secondes. Un enregistrement de téléphone ou d’ordinateur portable est souvent en 44,1 ou 48 kHz stéréo, ce qui remplit la limite en quelques minutes. La parole n’en a pas besoin. Convertir d’abord en mono 16 kHz est le gain le plus important.

Quand un fichier reste trop gros, l’API le refuse d’emblée. Chez BroadNet, la réponse est 413, « the request exceeds the endpoint byte or text limit » (traduction : « la requête dépasse la limite d’octets ou de texte de l’endpoint »), et rien n’est transcrit. Voir le [guide des codes d’erreur](https://broadrouter.com/fr/guides/errors-and-retries/).

## Étape 1 : comment réduire le fichier ?

Convertissez en mono 16 kHz avant toute chose. Une seule commande ffmpeg suffit :

```bash
ffmpeg -i meeting.m4a -ac 1 -ar 16000 meeting.wav
```

Pour BroadNet, la sortie doit être en WAV (`audio/wav`) ou en MP3 (`audio/mpeg`). Les formats comme `.m4a`, `.ogg` et `.webm` doivent de toute façon être convertis : faites le rééchantillonnage dans la même étape.

WAV ou MP3 ? Le WAV est sans perte, donc rien n’est perdu, mais il remplit la limite en 13 minutes environ. Le MP3 à 64 kbit/s fait tenir quatre fois plus d’audio par requête, mais il est avec perte. Si vous utilisez le MP3, faites un court test : transcrivez les mêmes cinq minutes en WAV et en MP3 et comparez le texte. L’entrée sur la [fréquence d’échantillonnage](https://broadrouter.com/fr/glossary/sample-rate/) explique pourquoi 16 kHz suffisent pour la parole.

## Étape 2 : comment découper l’audio sans couper de mots ?

Découpez par temps, jamais par octets. Une coupe à un offset d’octets peut tomber au milieu d’une trame audio, et le fichier ne se décodera pas. Une coupe à un instant fixe peut tomber au milieu d’un mot. Le guide d’OpenAI lui-même déconseille de couper au milieu d’une phrase, car cela « can remove context and reduce accuracy » (traduction : « peut retirer du contexte et réduire la précision »).

La méthode fiable consiste à couper dans un silence proche de la durée visée. Pour obtenir des commandes toutes prêtes adaptées à la taille et à la durée de votre fichier, utilisez le [générateur gratuit de commandes de découpage audio](https://broadrouter.com/tools/audio-splitter-ffmpeg/). À la main, cela se passe ainsi :

1.  Lancez le filtre [silencedetect](https://ffmpeg.org/ffmpeg-filters.html) de ffmpeg pour lister les silences.
2.  Parcourez l’enregistrement. Quand un morceau atteint environ 10 minutes, coupez au silence suivant.
3.  Extrayez chaque morceau avec ffmpeg, d’un point de coupe au suivant.

Dix minutes de WAV mono 16 kHz font 19,2 Mo, ce qui laisse de la marge sous la limite. Si quelqu’un parle longtemps sans pause, le script ci-dessous coupe plutôt au maximum strict.

Le [muxer segment](https://ffmpeg.org/ffmpeg-formats.html) de ffmpeg peut aussi découper un fichier en morceaux « of nearly fixed duration » (traduction : « de durée presque fixe ») en une seule commande. C’est rapide, mais il ne cherche pas les silences : ne l’utilisez que si un mot perdu à chaque jonction est acceptable, ou ajoutez un chevauchement (voir plus bas).

## À quoi ressemble le script complet ?

Ce script Python convertit, découpe aux silences, envoie jusqu’à quatre morceaux à la fois et recolle le texte. Il utilise le SDK OpenAI pointé vers BroadNet Inference.

```python
# pip install openai
import os, re, subprocess, tempfile
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
TARGET, HARD_MAX = 600, 750   # seconds: aim for 10 min, never above 12.5 min

def run(*args):
    return subprocess.run(args, capture_output=True, text=True, check=True)

def silences(path):
    """Midpoints (in seconds) of silent gaps of 0.5 s or more."""
    out = run("ffmpeg", "-i", path, "-af", "silencedetect=noise=-35dB:d=0.5",
              "-f", "null", "-").stderr
    starts = [float(x) for x in re.findall(r"silence_start: ([\d.]+)", out)]
    ends = [float(x) for x in re.findall(r"silence_end: ([\d.]+)", out)]
    return [(s + e) / 2 for s, e in zip(starts, ends)]

def duration(path):
    return float(run("ffprobe", "-v", "error", "-show_entries", "format=duration",
                     "-of", "csv=p=0", path).stdout)

def cut_points(path):
    total, gaps, cuts, last = duration(path), silences(path), [0.0], 0.0
    while total - last > HARD_MAX:
        ok = [g for g in gaps if last + TARGET <= g <= last + HARD_MAX]
        last = ok[0] if ok else last + HARD_MAX   # no silence: hard cut
        cuts.append(last)
    return cuts + [total]

def transcribe(chunk):
    with open(chunk, "rb") as f:
        return client.audio.transcriptions.create(
            model="broadnet/cohere-transcribe-arabic", file=f, language="ar").text

def transcribe_long(src):
    with tempfile.TemporaryDirectory() as tmp:
        wav = os.path.join(tmp, "full.wav")
        run("ffmpeg", "-y", "-i", src, "-ac", "1", "-ar", "16000", wav)
        cuts, chunks = cut_points(wav), []
        for i, (a, b) in enumerate(zip(cuts, cuts[1:])):
            out = os.path.join(tmp, f"part{i:03d}.wav")
            run("ffmpeg", "-y", "-i", wav, "-ss", str(a), "-to", str(b), out)
            chunks.append(out)
        with ThreadPoolExecutor(max_workers=4) as pool:   # map() keeps order
            return "\n".join(pool.map(transcribe, chunks))

print(transcribe_long("meeting.m4a"))
```

Remarques sur le script :

-   **Langue.** La documentation de BroadNet demande de toujours envoyer `language` ; sans cela, l’arabe « can otherwise be transliterated into Latin letters » (traduction : « peut sinon être translittéré en lettres latines »). Utilisez `broadnet/cohere-transcribe` avec le bon code de langue pour l’anglais, le français ou l’une de ses autres [langues prises en charge](https://broadrouter.com/fr/blog/multilingual-speech-to-text-api/).
-   **Seuils.** `-35dB` et `0.5` seconde conviennent à une pièce calme. Les pièces bruyantes demandent une valeur de bruit plus élevée, comme `-30dB`. Affichez les points de coupe une fois et vérifiez-les.
-   **Ordre.** `pool.map` renvoie les résultats dans l’ordre d’entrée : le texte se recolle dans la bonne séquence même si les morceaux se terminent à des moments différents.

## Combien de morceaux envoyer en même temps ?

Autant que votre clé le permet. Une clé BroadNet en paiement à l’usage autorise 4 requêtes en cours et 30 requêtes par minute, d’où les quatre workers du script. Une cinquième requête simultanée reçoit 429. Relancez les réponses 429 et 5xx avec un backoff exponentiel ; ne relancez pas les 413, car le même fichier échouera de nouveau. [Gérer les erreurs 429](https://broadrouter.com/fr/blog/handle-llm-api-429-rate-limits/) propose une fonction de relance à placer autour de `transcribe()`.

Avec quatre workers, un enregistrement de deux heures en morceaux de 10 minutes devient 12 requêtes en trois vagues. Le temps total correspond à peu près à trois allers-retours de morceau, pas douze.

## Faut-il un chevauchement entre les morceaux ?

Pas si vous coupez dans les silences : il n’y a pas de parole à perdre à la jonction. Le chevauchement sert aux coupes à instant fixe. Faites commencer chaque morceau une ou deux secondes avant la fin du précédent, puis supprimez les mots répétés en recollant le texte. La méthode habituelle consiste à comparer les derniers mots d’un morceau avec les premiers du suivant et à retirer la partie commune.

Le chevauchement coûte un peu. Deux secondes par morceau de 10 minutes ajoutent environ 0,3 % à l’audio facturé.

## Le morceau suivant peut-il utiliser le texte du précédent comme contexte ?

Certaines API le permettent. OpenAI cite « carrying context from a previous chunk of a longer recording » (traduction : « reprendre le contexte d’un morceau précédent d’un enregistrement plus long ») comme usage de son paramètre `prompt`. La référence de l’API BroadNet ne liste que `model`, `language` et `file` pour la transcription, et renvoie du JSON avec un champ `text`. Chez BroadNet, traitez donc chaque morceau comme indépendant, et corrigez les noms et les termes ensuite. Une correction peu coûteuse : envoyer la transcription recollée à un modèle de chat avec la liste des orthographes correctes pour les personnes, les produits et les lieux.

## Combien coûte un long fichier ?

Le speech-to-text est facturé à la minute d’audio, donc le découpage ne change pas le total. Aux tarifs publiés par BroadNet :

| Audio | BroadNet Transcribe Arabic | BroadNet Transcribe (14 langues) |
| --- | --- | --- |
| Prix par minute | $0.0042 | $0.002 |
| Une heure | $0.25 | $0.12 |
| 1 000 heures | $252.00 | $120.00 |

La page de tarifs indique un prix par minute d’audio et ne dit rien d’un minimum par fichier ou d’un arrondi. Vérifiez votre page d’utilisation après le premier lot pour confirmer que le total correspond à la durée de l’audio. Les deux modèles de transcription sont disponibles avec le crédit de départ gratuit de $5, qui couvre environ 1,190 minutes d’arabe. Pour chiffrer votre propre volume, utilisez le [calculateur de coût speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/) ; pour comparer les fournisseurs, consultez le [jeu de données des prix des API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/).

## Quelles erreurs éviter ?

-   **Envoyer le fichier d’origine.** Un WAV 48 kHz stéréo est six fois plus gros que nécessaire.
-   **Couper à des offsets d’octets.** Le morceau ne se décodera pas, ou la première seconde sera du bruit.
-   **Des morceaux juste à la limite.** Un morceau de 25,9 Mo passe aujourd’hui et échoue dès qu’un enregistrement est un peu plus fort. Gardez de la marge.
-   **Un parallélisme sans limite.** Lancer 50 morceaux d’un coup vaut un 429 à la plupart d’entre eux. Plafonnez les workers à la limite de requêtes en cours de la clé.
-   **Oublier la langue.** Chaque morceau est une requête distincte : chacun a besoin de `language`.

## Quand le découpage n’est-il pas le bon outil ?

Si vous avez besoin d’étiquettes de locuteurs ou d’horodatages par mot, découper l’audio pour une API qui ne renvoie que du texte ne vous les donnera pas. La réponse de transcription de BroadNet ne contient que du texte. Les fournisseurs qui renvoient la [diarisation](https://broadrouter.com/fr/glossary/diarization/) et les [horodatages](https://broadrouter.com/fr/glossary/timestamps-asr/) gèrent aussi les longs fichiers plus directement ; le [guide d’achat des API speech-to-text arabes](https://broadrouter.com/fr/blog/arabic-speech-to-text-api-buyers-guide/) les compare. Pour des enregistrements d’appels en stéréo, découpez par canal plutôt que par temps : le [pipeline de centre d’appels](https://broadrouter.com/fr/blog/transcribe-call-center-recordings/) montre comment.

## La place de BroadNet Inference

BroadNet Transcribe Arabic coûte $0.0042 la minute, et BroadNet le classe #2 sur 37 (chiffre de septembre 2026 ; le classement en direct le plaçait #4 sur 39 le 15 novembre 2026) sur l’[Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard). L’audio et les transcriptions ne sont pas conservés après la requête. Il convient à la transcription batch de longs enregistrements en arabe, une fois découpés comme ci-dessus. Il ne vous convient pas si vous avez besoin d’horodatages, d’étiquettes de locuteurs ou de streaming en direct dans la même API. Le [guide speech-to-text en arabe](https://broadrouter.com/fr/guides/arabic-speech-to-text-api/) couvre la première requête ; cet article couvre les fichiers trop gros pour une seule.

Outils gratuits sur ce sujet (en anglais)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[Outils gratuits (en anglais)](https://broadrouter.com/tools/)

## Termes de cet article

[Speech-to-text (reconnaissance vocale)](https://broadrouter.com/fr/glossary/speech-to-text/)

Le speech-to-text, ou reconnaissance automatique de la parole (ASR), est une technologie qui convertit l’audio parlé en texte écrit. Une API speech-to-text accepte un fichier ou un flux audio et renvoie une transcription, généralement facturée à la minute d’audio. La précision se mesure avec le taux d’erreur de mots et varie selon l’accent, le dialecte et la qualité d’enregistrement.

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

Le WAV (Waveform Audio File Format, ou WAVE) est un conteneur audio fondé sur le format RIFF de Microsoft et IBM. Il contient en général des échantillons PCM linéaires non compressés, d’où une taille prévisible : fréquence d’échantillonnage fois octets par échantillon fois canaux, par seconde.

[Concurrence (requêtes simultanées)](https://broadrouter.com/fr/glossary/concurrency/)

La concurrence est le nombre de requêtes qu’un client a en cours au même moment. Les API de LLM la plafonnent souvent par clé ou par forfait, indépendamment des requêtes par minute, car chaque requête ouverte occupe de la capacité GPU jusqu’à la fin de sa réponse.

[Horodatages (speech-to-text)](https://broadrouter.com/fr/glossary/timestamps-asr/)

En speech-to-text, les horodatages (timestamps) sont des heures de début et de fin, en secondes, attachées à des parties d’une transcription. Les horodatages de segment couvrent une phrase ou une expression ; les horodatages de mot couvrent chaque mot. Ils servent aux sous-titres, à la recherche dans les enregistrements et à l’alignement du texte avec les locuteurs.

[Limite de débit (rate limit)](https://broadrouter.com/fr/glossary/rate-limit/)

Une limite de débit (rate limit) est un plafond qu’une API impose à l’usage d’un client sur une période, par exemple en requêtes ou en tokens par minute. Les requêtes au-delà sont refusées, généralement avec HTTP 429 Too Many Requests, jusqu’à ce que l’usage repasse sous la limite.

[Paiement à l’usage (pay-as-you-go)](https://broadrouter.com/fr/glossary/pay-as-you-go/)

Le paiement à l’usage (pay-as-you-go) est un modèle tarifaire où vous ne payez que ce que vous consommez, mesuré par unité, comme les tokens, les requêtes ou les minutes d’audio, sans abonnement ni engagement minimal. La plupart des API LLM facturent ainsi, à partir d’un solde prépayé ou d’une facture périodique.

[Appel d’outils (tool calling, function calling)](https://broadrouter.com/fr/glossary/tool-calling/)

L’appel d’outils, aussi appelé function calling, est une fonctionnalité des API LLM dans laquelle le modèle renvoie une demande structurée d’exécution d’une fonction définie par le développeur, avec des arguments JSON. L’application exécute la fonction et renvoie le résultat ; le modèle n’exécute jamais de code lui-même.

[Streaming](https://broadrouter.com/fr/glossary/streaming/)

Le streaming est une manière de renvoyer la réponse d’un modèle de langage par petits chunks pendant sa génération, plutôt qu’en un seul bloc à la fin. Les API compatibles OpenAI streament via des server-sent events quand la requête règle stream sur true.

## Questions fréquentes

### Comment transcrire un fichier audio de plus de 25 Mo ?

Convertissez-le d’abord en mono 16 kHz, ce qui le fait souvent passer sous la limite. S’il est encore trop gros, découpez-le avec ffmpeg en morceaux d’environ 10 minutes aux endroits silencieux, transcrivez chaque morceau avec le même réglage de langue et recollez les textes dans l’ordre.

### Combien de minutes d’audio tiennent dans 25 Mo ?

Cela dépend du format. Le WAV mono 16 kHz 16 bits utilise 32 000 octets par seconde, donc 26 214 400 octets contiennent environ 13,6 minutes. Le MP3 à 64 kbit/s en contient environ 54 minutes. Un WAV stéréo ou à 44,1 kHz en contient beaucoup moins.

### Que se passe-t-il si j’envoie un fichier au-delà de la limite ?

La requête est refusée. BroadNet Inference renvoie 413, que sa documentation définit comme une requête qui dépasse la limite d’octets ou de texte de l’endpoint. Rien n’est transcrit : découpez puis renvoyez.

### Est-ce que je perds des mots aux jonctions entre morceaux ?

Cela peut arriver si vous coupez à un instant fixe au milieu de la parole. Coupez plutôt dans un silence. Si vous devez couper à un instant fixe, faites se chevaucher les morceaux d’une ou deux secondes et supprimez les mots répétés en les recollant.

### Découper un fichier coûte-t-il plus cher ?

Vous payez les minutes d’audio, donc la durée totale reste la même. La page de tarifs de BroadNet indique un prix par minute d’audio et ne mentionne ni minimum par fichier ni arrondi ; vérifiez la page d’utilisation après votre premier lot pour le confirmer.

### Puis-je envoyer le texte du morceau précédent comme contexte ?

Certaines API acceptent un prompt pour cela ; OpenAI cite la reprise du contexte d’un morceau précédent comme usage de son paramètre prompt. La documentation de BroadNet ne liste que model, language et file : ne comptez donc pas sur un prompt chez BroadNet.

## À lire ensuite

-   [Transcrire les enregistrements d’un centre d’appels, arabe compris](https://broadrouter.com/fr/blog/transcribe-call-center-recordings/)
-   [API speech-to-text multilingue : 14 langues, un seul endpoint](https://broadrouter.com/fr/blog/multilingual-speech-to-text-api/)
-   [API speech-to-text pour l’arabe : comment la choisir en 2026](https://broadrouter.com/fr/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Alternative à l’API Whisper : quand changer et comment tester](https://broadrouter.com/fr/blog/whisper-api-alternative/)
-   [Prix des API speech-to-text comparés : tarif à la minute en 2026](https://broadrouter.com/fr/blog/speech-to-text-api-pricing-compared/)
-   [Sous-titres arabes (SRT) depuis une API de transcription : l’essentiel](https://broadrouter.com/fr/blog/arabic-subtitles-srt-api/)
-   [Enregistrer l’audio du navigateur, l’envoyer à une API speech-to-text](https://broadrouter.com/fr/blog/record-browser-audio-transcription-api/)
-   [Traduire un audio arabe en texte anglais par API : un pipeline testé](https://broadrouter.com/fr/blog/translate-arabic-audio-to-english/)
-   [Matériel GPU et serving de BroadNet, tels que BroadNet les décrit](https://broadrouter.com/fr/blog/broadnet-gpu-fleet-and-serving/)
-   [Mettre en cache les réponses d’API LLM : un cache exact en Python](https://broadrouter.com/fr/blog/cache-llm-responses-cut-cost/)
-   [Guide : API speech-to-text pour l’arabe, étape par étape](https://broadrouter.com/fr/guides/arabic-speech-to-text-api/)
-   [Guide : Transcrire les messages vocaux WhatsApp en texte avec une API](https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/)
-   [Guide : Codes d’erreur de BroadNet Inference : quand réessayer ?](https://broadrouter.com/fr/guides/errors-and-retries/)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-transcribe-long-audio-files-api&utm_content=page-cta) ·

**Sources**

-   [Référence de l’API BroadNet Inference : WAV ou MP3 jusqu’à 26 214 400 octets, champ language, erreurs 413 et 429, limites du paiement à l’usage (vérifiée le 2026-11-15) (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-transcribe-long-audio-files-api&utm_content=sources)
-   [Page de tarifs de BroadNet Inference, prix de la transcription à la minute d’audio (vérifiée le 2026-11-15) (en anglais)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-transcribe-long-audio-files-api&utm_content=sources)
-   [Guide speech-to-text d’OpenAI : limite de fichier de 25 Mo, découpage en morceaux, éviter de couper au milieu d’une phrase (vérifié le 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Documentation FFmpeg sur les formats, muxer segment (vérifiée le 2026-11-15)](https://ffmpeg.org/ffmpeg-formats.html)
-   [Open Universal Arabic ASR Leaderboard sur Hugging Face (rang indiqué par BroadNet ; vérifié par BroadRouter le 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Documentation FFmpeg sur les filtres, silencedetect (vérifiée le 2026-11-15)](https://ffmpeg.org/ffmpeg-filters.html)
