---
title: "Transcrire de l’audio arabe par API : curl et Python"
description: "Transcrivez de l’audio arabe avec BroadNet Transcribe Arabic via un endpoint compatible OpenAI : formats, champ language, exemples Python et curl, et prix."
url: https://broadrouter.com/fr/guides/arabic-speech-to-text-api/
lang: fr
updated: 2026-11-16
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/guides/arabic-speech-to-text-api/) (mis à jour le 2026-11-16).

# API speech-to-text pour l’arabe, étape par étape

Mis à jour 2026-11-16

Envoyez un fichier WAV ou MP3 à https://inference.broadnet.ai/v1/audio/transcriptions avec le modèle broadnet/cohere-transcribe-arabic et language=ar. La réponse est un JSON avec la transcription dans text. Convertissez d’abord les autres formats, comme le .ogg de WhatsApp, en WAV. Le prix est à la minute d’audio, et BroadNet indique ne conserver ni l’audio ni la transcription.

BroadNet Transcribe Arabic coûte $0.0042 par minute d’audio. 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), et n° 1 parmi les modèles dont la licence autorise un service par API. Pour les autres langues, BroadNet Transcribe couvre 14 langues à $0.002 la minute. Voir la [page du modèle BroadNet Transcribe Arabic](https://broadrouter.com/fr/models/cohere-transcribe-arabic/) et la [page du modèle BroadNet Transcribe](https://broadrouter.com/fr/models/cohere-transcribe/).

D’autres fournisseurs peuvent coûter moins cher. Le 2026-11-14, la [page des tarifs de Soniox](https://soniox.com/pricing) affichait environ 0,10 USD de l’heure pour la transcription de fichiers (asynchrone) et 0,12 USD de l’heure en temps réel, et sa liste de langues inclut l’arabe. C’est moins que les $0.25 de l’heure de BroadNet Transcribe Arabic : testez donc les deux sur votre propre audio.

## Avec 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
```

La réponse est la transcription au format JSON :

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

## Avec 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)
```

## Envoyez toujours la langue

Sans `language`, l’arabe peut revenir **translittéré en lettres latines**. Envoyez `language=ar` pour l’arabe et `language=en` pour l’anglais.

## Quels dialectes arabes le modèle gère-t-il ?

BroadNet présente BroadNet Transcribe Arabic comme couvrant l’arabe, dialectes compris, et publie pour lui trois taux d’erreur de mots. Ce sont les propres mesures en laboratoire de BroadNet, tirées de son [catalogue de modèles](https://www.broadnet.ai/inference/models) :

| Jeu de test | Contenu | Taux d’erreur de mots |
| --- | --- | --- |
| FLEURS-ar | Phrases lues, propres | 3,8 |
| MASC-ar | Parole arabe réelle et variée | 21,1 |
| Jeu dialectal de BroadNet | Parole dialectale | 23,4 |

BroadNet ne publie pas de ventilation par dialecte : personne en dehors de BroadNet ne peut dire comment l’audio du Golfe se compare à l’égyptien ou au maghrébin. Les autres fournisseurs présentent leur couverture différemment. Deepgram liste l’arabe de Nova-3 avec des codes régionaux, de `ar-AE`, `ar-SA` et `ar-EG` à `ar-MA` et `ar-IQ`. Speechmatics vend un seul pack « Global Arabic » qui cite l’arabe standard moderne, l’arabe du Golfe, l’égyptien et le levantin, plus un pack `ar_en` pour l’arabe mêlé d’anglais. Soniox liste l’arabe (`ar`) sans détail sur les dialectes.

Un code listé n’est pas une précision mesurée. Avant de choisir, évaluez chaque candidat sur vos propres extraits, regroupés par dialecte :

-   **Golfe (khaleeji) :** parole saoudienne, émiratie, koweïtienne, qatarie, souvent avec des noms de produits en anglais.
-   **Égyptien :** le dialecte le plus largement compris dans les médias.
-   **Levantin :** parole syrienne, libanaise, jordanienne et palestinienne.
-   **Irakien et maghrébin :** la parole marocaine, algérienne et tunisienne est généralement le cas le plus difficile.
-   **[Arabe standard moderne](https://broadrouter.com/fr/glossary/msa/) :** informations et discours formel, la référence facile.

Le [guide de la reconnaissance vocale des dialectes arabes](https://broadrouter.com/fr/blog/arabic-dialect-speech-recognition/) explique pourquoi les dialectes obtiennent de moins bons scores, et l’[explication du taux d’erreur de mots](https://broadrouter.com/fr/blog/arabic-asr-wer-explained/) montre comment les mesurer.

## Combien coûtent les API speech-to-text pour l’arabe ?

Tous les fournisseurs ci-dessous listent l’arabe. Du moins cher au plus cher ; les prix concernent des fichiers enregistrés sauf mention contraire, et ont été vérifiés le 2026-11-14 :

| Fournisseur et modèle | Par minute | Par heure | Couverture de l’arabe annoncée |
| --- | --- | --- | --- |
| Soniox, asynchrone (fichier) | environ 0,0017 USD | environ 0,10 USD | Arabe (`ar`) |
| Soniox, temps réel | environ 0,002 USD | environ 0,12 USD | Arabe (`ar`) |
| [BroadNet Transcribe](https://broadrouter.com/fr/models/cohere-transcribe/) (14 langues) | $0.002 | $0.12 | L’arabe parmi 14 langues |
| [BroadNet Transcribe Arabic](https://broadrouter.com/fr/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | Arabe, dialectes compris (selon BroadNet) |
| Deepgram, Nova-3 monolingue | 0,0043 USD | 0,258 USD | `ar` plus codes régionaux |
| Speechmatics, Standard | 0,0075 USD | 0,45 USD | Global Arabic, `ar_en` |
| Speechmatics, Enhanced | 0,0125 USD | 0,75 USD | Global Arabic, `ar_en` |

Sources : [tarifs Soniox](https://soniox.com/pricing) (facturation au token ; les chiffres horaires sont des approximations de Soniox), [tarifs Deepgram](https://deepgram.com/pricing) et [tarifs Speechmatics](https://www.speechmatics.com/pricing). Soniox est moins cher que les deux modèles de BroadNet, et BroadNet ne documente pas de streaming en temps réel. Les arguments de BroadNet sont le modèle spécialisé pour l’arabe, son classement rapporté sur le leaderboard et la conservation zéro des données (zero data retention). Pour d’autres fournisseurs, consultez notre [index ouvert des prix des API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/), qui liste les prix batch et streaming et la prise en charge de l’arabe pour plus de 20 produits, avec une source et une date pour chacun (CSV et JSON). Pour les coûts annexes, voir [la comparaison des prix des API speech-to-text](https://broadrouter.com/fr/blog/speech-to-text-api-pricing-compared/) ; pour chiffrer votre propre volume, utilisez le [calculateur de coût speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

## Limites

-   WAV ou MP3, jusqu’à 26 214 400 octets (25 Mio) par fichier. Un fichier plus gros renvoie un 413 ; découpez-le d’abord.
-   Les clés à l’usage autorisent 30 requêtes par minute et 4 simultanées.
-   Les deux modèles de transcription fonctionnent avec le crédit de départ gratuit de $5 : vous pouvez tester vos propres enregistrements avant de payer.

## Dépannage

-   **Des lettres latines au lieu de l’écriture arabe.** Ajoutez `language=ar`.
-   **400 ou 422.** Vérifiez les noms de champs (`model`, `language`, `file`) et que le fichier est réellement du WAV ou du MP3. Un `.ogg` renommé échoue ; convertissez-le avec ffmpeg.
-   **413.** Le fichier dépasse 26 214 400 octets. Convertissez-le en WAV ou MP3 mono 16 kHz, ou découpez-le en morceaux plus courts.
-   **401 sur un compte payant.** Vérifiez la clé et le quota de paiement à l’usage. Voir [codes d’erreur et nouvelles tentatives chez BroadNet](https://broadrouter.com/fr/guides/errors-and-retries/).
-   **Précision faible sur du dialecte ou des appels bruités.** Le propre jeu de test dialectal de BroadNet obtient de moins bons scores que la parole lue et propre (voir la FAQ). Testez sur un échantillon de votre audio réel et mesurez le [taux d’erreur de mots](https://broadrouter.com/fr/glossary/word-error-rate/).

Les notes vocales WhatsApp arrivent en `.ogg`. [Convertissez et transcrivez les notes vocales WhatsApp en une seule étape](https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/). Si vous avez besoin de nombres, de dates et de noms dans un audio bruité, BroadNet propose un modèle arabe affiné [sur demande](https://broadrouter.com/fr/models/#on-request).

## Termes de ce guide

[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.

[Arabe dialectal (dialectal Arabic)](https://broadrouter.com/fr/glossary/dialectal-arabic/)

L’arabe dialectal est l’arabe parlé au quotidien dans une région ou une ville, comme l’égyptien, l’arabe du Golfe, le levantin ou le maghrébin. Les dialectes diffèrent de l’arabe standard moderne par les sons, les mots et la grammaire, n’ont pas d’orthographe standard et s’écrivent de plus en plus en ligne, ce qui complique la tâche des modèles de langage.

[Arabe standard moderne (MSA)](https://broadrouter.com/fr/glossary/msa/)

L’arabe standard moderne (MSA) est la forme standardisée de l’arabe utilisée à l’écrit, dans l’information, l’enseignement et le discours formel dans tout le monde arabe. Ce n’est la langue maternelle de personne : on parle au quotidien des dialectes régionaux, comme l’égyptien ou l’arabe du Golfe, et on passe au MSA dans les contextes formels.

[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.

[Taux d’erreur sur les mots (WER)](https://broadrouter.com/fr/glossary/word-error-rate/)

Le taux d’erreur sur les mots (WER) est la mesure standard de précision en reconnaissance vocale : le nombre de substitutions, suppressions et insertions de mots nécessaires pour transformer une transcription en référence correcte, divisé par le nombre de mots de la référence. Plus il est bas, mieux c’est.

[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.

[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.

## Questions fréquentes

### Le modèle comprend-il les dialectes arabes ?

BroadNet annonce un taux d’erreur de mots de 23,4 sur son propre jeu de test dialectal, ainsi que 3,8 sur FLEURS-ar et 21,1 sur MASC-ar. Plus c’est bas, mieux c’est. BroadNet ne publie pas de score par dialecte : testez séparément des enregistrements en arabe du Golfe, égyptien, levantin et maghrébin avant de vous y fier.

### Quelle API speech-to-text pour l’arabe est la moins chère ?

Parmi les fournisseurs vérifiés le 2026-11-14, Soniox affiche le tarif le plus bas, environ 0,10 USD de l’heure pour la transcription de fichiers. BroadNet Transcribe Arabic coûte $0.25 de l’heure. Deepgram Nova-3 et Speechmatics coûtent plus cher. Le prix horaire compte moins que le taux d’erreur de mots sur votre propre audio dialectal.

### Quels formats audio sont acceptés ?

WAV (audio/wav) et MP3 (audio/mpeg). Convertissez d’abord les autres formats, comme .ogg ou .m4a, avec ffmpeg.

### Pourquoi ma transcription arabe est-elle écrite en lettres latines ?

La requête ne contenait pas le champ language. Sans lui, la parole arabe peut être translittérée en alphabet latin. Envoyez language=ar avec chaque requête en arabe.

### Puis-je essayer la transcription arabe gratuitement ?

Oui. Les deux modèles de transcription de BroadNet fonctionnent avec le crédit de départ gratuit des nouveaux comptes : vous pouvez tester vos propres enregistrements avant de recharger.

### Pour l’arabe, faut-il choisir BroadNet Transcribe Arabic ou BroadNet Transcribe ?

Les deux acceptent language=ar. BroadNet Transcribe Arabic est le modèle dédié à l’arabe, celui dont BroadNet rapporte le classement sur le leaderboard arabe. BroadNet Transcribe coûte moins cher à la minute et couvre 14 langues : testez les deux sur votre audio.

## Guides associés

-   [Transcrire les messages vocaux WhatsApp en texte avec une API](https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/)
-   [Lire des factures et reçus arabes avec un modèle de vision](https://broadrouter.com/fr/guides/read-arabic-invoices-with-vision/)
-   [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-guides-arabic-speech-to-text-api&utm_content=page-cta) ·

**Sources**

-   [Tarifs speech-to-text de Soniox (consulté le 2026-11-14)](https://soniox.com/pricing)
-   [Référence de l’API de BroadNet Inference, transcription (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-guides-arabic-speech-to-text-api&utm_content=sources#requests)
-   [Tarifs de BroadNet Inference (en anglais)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-guides-arabic-speech-to-text-api&utm_content=sources)
-   [Catalogue des modèles de BroadNet, speech-to-text (mesures en laboratoire) (en anglais)](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Documentation Soniox, langues prises en charge (arabe listé ; consulté le 2026-11-14)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [Tarifs Deepgram, Nova-3 pour fichiers enregistrés (consulté le 2026-11-14)](https://deepgram.com/pricing)
-   [Modèles et langues Deepgram, codes arabes de Nova-3 (consulté le 2026-11-14)](https://developers.deepgram.com/docs/models-languages-overview)
-   [Tarifs Speechmatics, batch en paiement à l’usage (consulté le 2026-11-14)](https://www.speechmatics.com/pricing)
-   [Langues Speechmatics, Global Arabic et arabe-anglais (consulté le 2026-11-14)](https://docs.speechmatics.com/speech-to-text/languages)
