---
title: "अरबी ऑडियो से मीटिंग मिनट्स: API से बनाएँ | BroadRouter"
description: "अरबी मीटिंग रिकॉर्डिंग को फ़ैसलों और एक्शन आइटम वाले मिनट्स में बदलें: ट्रांसक्राइब करें, साफ़ करें, LLM से JSON में सारांश लें, और नाम व तारीख़ें जाँचें।"
url: https://broadrouter.com/hi/blog/arabic-meeting-minutes-from-recordings/
lang: hi
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/blog/arabic-meeting-minutes-from-recordings/) (2026-11-15 को अपडेट किया गया).

# अरबी रिकॉर्डिंग से मीटिंग मिनट्स: एक API पाइपलाइन

BroadNet Inference टीम · 6 मिनट में पढ़ें · प्रकाशित 2026-11-15

API से अरबी मीटिंग मिनट्स बनाने के लिए रिकॉर्डिंग को अरबी speech-to-text मॉडल से ट्रांसक्राइब करें, लंबे ट्रांसक्रिप्ट को हिस्सों में बाँटें, LLM से फ़ैसले, एक्शन आइटम और खुले सवाल JSON में माँगें, फिर हिस्सों को मिलाएँ। मॉडल से हर एक्शन आइटम के लिए ट्रांसक्रिप्ट का उद्धरण दिलवाएँ, और मिनट्स मानक आधुनिक अरबी या अंग्रेज़ी में लिखवाएँ।

## मुख्य बातें

-   मिनट्स दो काम हैं: speech to text, फिर सारांश। हर काम के लिए मॉडल अलग से चुनें और टेस्ट करें।
-   लंबी मीटिंग को दो बार बाँटना पड़ता है: ऑडियो को अपलोड सीमा में लाने के लिए, और ट्रांसक्रिप्ट को सारांश सटीक रखने के लिए।
-   हर फ़ैसले और एक्शन आइटम के लिए ट्रांसक्रिप्ट के उद्धरण के साथ JSON माँगें, ताकि समीक्षक हर एक जाँच सके।
-   सादे टेक्स्ट वाले ट्रांसक्रिप्ट में स्पीकर लेबल नहीं होते। जब तक नाम बोला न गया हो, मॉडल को यह अनुमान न लगाने दें कि टास्क किसका है।
-   BroadNet पर एक घंटे के अरबी ऑडियो को ट्रांसक्राइब करने की लागत $0.25 है; BroadNet द्वारा अरबी में टेस्ट किया गया Qwen3.8 27B मिनट्स लिखता है।

**इस पेज पर**

1.  पाइपलाइन कैसी दिखती है?
2.  चरण 1: लंबी अरबी मीटिंग को कैसे ट्रांसक्राइब करें?
3.  क्या स्पीकर के नाम मिल सकते हैं?
4.  चरण 2: सारांश से पहले ट्रांसक्रिप्ट क्यों बाँटें?
5.  चरण 3: मिनट्स कौन-सा मॉडल लिखे?
6.  चरण 4: कौन-सा प्रॉम्प्ट भरोसेमंद मिनट्स देता है?
7.  चरण 5: हिस्सों को मिनट्स के एक सेट में कैसे मिलाएँ?
8.  एक मीटिंग की लागत क्या है?
9.  किन ग़लतियों से बचें?
10.  API पाइपलाइन कब ग़लत विकल्प है?
11.  BroadNet Inference कहाँ फ़िट होता है

मीटिंग मिनट्स एक काम लगते हैं, लेकिन ये दो हैं: बोली को टेक्स्ट में बदलना, और टेक्स्ट को फ़ैसलों और एक्शन आइटम में बदलना। हर चरण अपने तरीक़े से विफल होता है। ग़लत ट्रांसक्राइब हुआ बोली का एक शब्द ग़लत एक्शन आइटम बन जाता है; अच्छा सारांश बनाने वाला मॉडल भी ज़िम्मेदार व्यक्ति गढ़ सकता है। यह पोस्ट अरबी मीटिंग के लिए पाइपलाइन बनाती है और दिखाती है कि जाँचें कहाँ लगाएँ।

## पाइपलाइन कैसी दिखती है?

```text
recording (.m4a, .mp4, .webm)
  → ffmpeg: 16 kHz mono, split at silences
  → speech to text, language=ar, one request per chunk
  → join the transcript, clean obvious noise
  → split the transcript into sections
  → LLM: summary, decisions, action items, open questions (JSON) per section
  → LLM: merge the sections into one set of minutes
  → human review → send
```

बाक़ी पोस्ट इसे चरण दर चरण समझाती है।

## चरण 1: लंबी अरबी मीटिंग को कैसे ट्रांसक्राइब करें?

लैपटॉप पर रिकॉर्ड हुई एक घंटे की मीटिंग आम तौर पर अपलोड सीमा से कहीं बड़ी होती है। BroadNet Inference प्रति फ़ाइल 26,214,400 bytes तक WAV या MP3 लेता है, इसलिए पहले 16 kHz mono में बदलें और ख़ामोशी वाली जगहों पर काटें। [25 MB से बड़ा लंबा ऑडियो ट्रांसक्राइब करें](https://broadrouter.com/hi/blog/transcribe-long-audio-files-api/) में पूरी स्क्रिप्ट है, समानांतर अनुरोधों और टेक्स्ट को क्रम में जोड़ने समेत।

अरबी मीटिंग के लिए तीन सेटिंग मायने रखती हैं:

-   **हर chunk पर `language="ar"` भेजें।** BroadNet के डॉक्स चेतावनी देते हैं कि नहीं तो अरबी लैटिन अक्षरों में लिप्यंतरित होकर लौट सकती है।
-   **अरबी-प्रधान मीटिंग के लिए अरबी मॉडल** इस्तेमाल करें: `broadnet/cohere-transcribe-arabic`। जो मीटिंग ज़्यादातर उसकी किसी दूसरी भाषा में हों, उनके लिए `broadnet/cohere-transcribe` की कीमत $0.002 प्रति मिनट है।
-   **कच्चा ट्रांसक्रिप्ट रखें।** समीक्षा के लिए और चरण 4 के उद्धरणों के लिए यह चाहिए।

खाड़ी देशों की बिज़नेस मीटिंग में मिली-जुली अरबी और अंग्रेज़ी सामान्य है। अपने सामान्य मिश्रण वाली रिकॉर्डिंग टेस्ट करें: अंग्रेज़ी प्रोडक्ट नाम और नंबर वही जगहें हैं जहाँ एरर दिखते हैं। [अरबी बोलियों की speech recognition](https://broadrouter.com/hi/blog/arabic-dialect-speech-recognition/) बताती है कि किस पर ध्यान दें।

## क्या स्पीकर के नाम मिल सकते हैं?

सादे टेक्स्ट वाले ट्रांसक्रिप्ट से नहीं। BroadNet का ट्रांसक्रिप्शन जवाब एक `text` फ़ील्ड वाला JSON है: न स्पीकर, न टाइमस्टैम्प। (chunk offsets से कैप्शन टाइमिंग के लिए [सिर्फ़-टेक्स्ट API से अरबी सबटाइटल](https://broadrouter.com/hi/blog/arabic-subtitles-srt-api/) देखें।) आपके पास तीन विकल्प हैं:

| स्थिति | क्या करें |
| --- | --- |
| हर व्यक्ति अलग ट्रैक या चैनल पर रिकॉर्ड हुआ | हर ट्रैक अलग से ट्रांसक्राइब करें; ट्रैक से स्पीकर पता चलता है |
| दो चैनल वाली कॉल रिकॉर्डिंग | ffmpeg से चैनल अलग करें, जैसा [कॉल सेंटर पाइपलाइन](https://broadrouter.com/hi/blog/transcribe-call-center-recordings/) में है |
| एक मिला-जुला ट्रैक, और स्पीकर चाहिए | [diarization](https://broadrouter.com/hi/glossary/diarization/) लौटाने वाला प्रोवाइडर इस्तेमाल करें; [ख़रीदार गाइड](https://broadrouter.com/hi/blog/arabic-speech-to-text-api-buyers-guide/) उनकी तुलना करती है |

एक मिले-जुले ट्रैक के साथ भी LLM ज़िम्मेदार व्यक्ति ढूँढ सकता है जब कोई नाम बोलता है: “ख़ालिद गुरुवार तक कोटेशन भेजेगा।” उसे जो नहीं करना चाहिए, वह है संदर्भ से ज़िम्मेदार व्यक्ति का अनुमान लगाना। नीचे का प्रॉम्प्ट इसकी मनाही करता है।

## चरण 2: सारांश से पहले ट्रांसक्रिप्ट क्यों बाँटें?

दो कारण। पहला, कॉन्टेक्स्ट: एक घंटे की बातचीत छोटे मॉडल के लिए बहुत लंबी हो सकती है। [BroadNet Gemma 4 VL 26B](https://broadrouter.com/hi/models/gemma-4-vl-26b/) का कॉन्टेक्स्ट 32,768 टोकन है, जिसे लंबी अरबी मीटिंग पार कर सकती है। अपना ट्रांसक्रिप्ट [अरबी टोकन काउंटर](https://broadrouter.com/tools/arabic-token-counter/) से गिनें; अरबी को आम तौर पर अंग्रेज़ी से प्रति शब्द ज़्यादा टोकन चाहिए, जैसा [अरबी बनाम अंग्रेज़ी में प्रति शब्द टोकन](https://broadrouter.com/hi/blog/tokens-per-word-arabic-english/) दिखाता है।

दूसरा, सटीकता। लंबे इनपुट पर रिसर्च ने पाया कि मॉडल का प्रदर्शन “significantly degrades when models must access relevant information in the middle of long contexts” (अनुवाद: तब काफ़ी गिर जाता है जब मॉडल को लंबे कॉन्टेक्स्ट के बीच की प्रासंगिक जानकारी तक पहुँचना हो) ([Liu et al.](https://arxiv.org/abs/2307.03172))। 70 में से 35वें मिनट में लिया गया फ़ैसला ठीक यही है। 10 से 15 मिनट के हिस्सों का अलग-अलग सारांश बनाकर फिर मिलाने से हर हिस्सा प्रॉम्प्ट की शुरुआत के पास रहता है।

ट्रांसक्रिप्ट को उन्हीं ख़ामोशी वाली जगहों पर बाँटें जो आपने ऑडियो के लिए इस्तेमाल कीं, ताकि कोई हिस्सा वाक्य के बीच से शुरू न हो।

## चरण 3: मिनट्स कौन-सा मॉडल लिखे?

| मॉडल | कॉन्टेक्स्ट | मिनट्स के लिए नोट | इनपुट / आउटपुट प्रति 1M टोकन |
| --- | --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/hi/models/qwen3.8-27b/) | 262,144 | BroadNet ने अरबी में टेस्ट किया: धाराप्रवाह लेखन, खाड़ी और मिस्री बोलियाँ समझता है; structured output सूचीबद्ध | $0.175 / $2.17 |
| [GLM 5.3](https://broadrouter.com/hi/models/glm-5.3/) | 1,048,576 | structured output सूचीबद्ध; सिर्फ़ टेक्स्ट | $0.78 / $3.46 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/hi/models/deepseek-v4.1-flash/) | 1,048,576 | फ़्लैट प्लान पर भी, प्रति सेशन $60 प्रति माह, एक समय में एक अनुरोध | $0.175 / $0.52 |

Qwen3.8 27B से शुरू करें, क्योंकि BroadNet ने अरबी में यही मॉडल टेस्ट किया है। तीन असली मीटिंग पर इसे एक और मॉडल के मुक़ाबले टेस्ट करें, और किसी मूल अरबी भाषी से स्कोर करवाएँ। [अरबी के लिए LLM चुनना](https://broadrouter.com/hi/blog/choosing-an-llm-for-arabic/) में स्कोरिंग शीट है।

तीनों मॉडल जवाब से पहले reasoning करते हैं, और reasoning `max_tokens` में गिनी जाती है। मिनट्स लंबे होते हैं, इसलिए कई हज़ार टोकन की जगह दें, नहीं तो दिखने वाला जवाब खाली लौट सकता है। [ऐसा क्यों होता है](https://broadrouter.com/hi/guides/reasoning-tokens-empty-response/)।

## चरण 4: कौन-सा प्रॉम्प्ट भरोसेमंद मिनट्स देता है?

JSON माँगें, और मॉडल से हर आइटम के लिए ट्रांसक्रिप्ट का उद्धरण दिलवाएँ। उद्धरण ही समीक्षक को पूरा ट्रांसक्रिप्ट दोबारा पढ़ने के बजाय सेकंडों में एक्शन आइटम जाँचने देता है।

```python
import json, os
from openai import OpenAI

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

SYSTEM = """You write meeting minutes from an Arabic meeting transcript section.
Return JSON only, with these keys:
  "summary": 2-4 sentences in Modern Standard Arabic,
  "decisions": [{"text": ..., "quote": ...}],
  "actions": [{"task": ..., "owner": ..., "due": ..., "quote": ...}],
  "open_questions": [{"text": ..., "quote": ...}]
Rules:
- "quote" is the exact words from the transcript that support the item.
- "owner" is a name only if the transcript says who will do it. Otherwise null.
- "due" only if a date or day is said. Keep it as said, e.g. "الخميس". Otherwise null.
- Keep names, numbers and amounts exactly as in the transcript. Never guess."""

def minutes_for(section):
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=4000,
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": section}])
    return json.loads(r.choices[0].message.content)
```

फिर कोड में validate करें। JSON पार्स करें, keys जाँचें, और जाँचें कि हर `quote` सच में उस हिस्से में मौजूद है। जिस आइटम का उद्धरण ट्रांसक्रिप्ट में नहीं है, वह मॉडल की गढ़ी हुई चीज़ है: उसे हटाएँ या फ़्लैग करें। अगर JSON पार्स न हो, तो एरर मैसेज के साथ एक बार retry करें। [JSON mode बनाम json\_schema](https://broadrouter.com/hi/blog/structured-output-json-schema/) एक validation लूप दिखाती है; BroadNet के डॉक्स GLM 5.3 और Qwen3.8 27B के लिए structured output सूचीबद्ध करते हैं, लेकिन अनुरोध का पैरामीटर नहीं बताते, इसलिए भरोसा करने से पहले इसे टेस्ट करें।

अंग्रेज़ी मिनट्स के लिए सारांश वाली लाइन अंग्रेज़ी में बदलें और जोड़ें: “Keep each quote in the original Arabic.” [अरबी प्रॉम्प्ट इंजीनियरिंग](https://broadrouter.com/hi/blog/arabic-prompt-engineering/) पोस्ट register, अंकों और मिली-जुली लिपि वाले टेक्स्ट को और गहराई से बताती है।

## चरण 5: हिस्सों को मिनट्स के एक सेट में कैसे मिलाएँ?

सभी हिस्सों के नतीजे एक आख़िरी अनुरोध में भेजें और मॉडल से कहें कि:

1.  पूरी मीटिंग का एक सारांश लिखे।
2.  दोहराए गए फ़ैसले और एक्शन मिलाए। एक ही टास्क का ज़िक्र अक्सर दो बार होता है।
3.  हर आइटम का उद्धरण रखे।
4.  अगर बाद का कोई हिस्सा किसी एक्शन का ज़िम्मेदार व्यक्ति या तारीख़ बदलता है, तो उसे बदला हुआ चिह्नित करे।

मिलाने वाला इनपुट छोटा है: हर हिस्से का JSON, ट्रांसक्रिप्ट नहीं। ऊपर के तीनों में से किसी भी मॉडल पर यह उसके कॉन्टेक्स्ट के भीतर आराम से रहता है।

## एक मीटिंग की लागत क्या है?

| चरण | आप किसका भुगतान करते हैं | कीमत |
| --- | --- | --- |
| ट्रांसक्रिप्शन | ऑडियो के मिनट | $0.0042 प्रति मिनट, $0.25 प्रति घंटा |
| हिस्सों के सारांश | ट्रांसक्रिप्ट के टोकन इनपुट, JSON आउटपुट | Qwen3.8 27B: प्रति 1M $0.175 इनपुट, $2.17 आउटपुट |
| मिलाना | छोटा JSON इनपुट और आउटपुट | वही दरें |

ट्रांसक्रिप्शन आम तौर पर तय हिस्सा है। LLM वाला हिस्सा ट्रांसक्रिप्ट की लंबाई और मॉडल कितना reasoning करता है, इस पर निर्भर है। पहली कुछ असली मीटिंग से `prompt_tokens` और `completion_tokens` पढ़ें, फिर [LLM API लागत कैलकुलेटर](https://broadrouter.com/tools/llm-api-cost-calculator/) में गुणा करें। [speech-to-text लागत कैलकुलेटर](https://broadrouter.com/tools/speech-to-text-cost-calculator/) ऑडियो वाला हिस्सा करता है। $5 का शुरुआती क्रेडिट ट्रांसक्रिप्शन मॉडलों को कवर करता है, जो लगभग 1,190 मिनट अरबी है; Qwen3.8 27B के लिए टॉप-अप चाहिए।

## किन ग़लतियों से बचें?

-   **पूरी मीटिंग का सारांश एक ही प्रॉम्प्ट में।** बीच के आइटम छूट जाते हैं।
-   **मॉडल को ख़ाली जगहें भरने देना।** जो ज़िम्मेदार व्यक्ति और तारीख़ें कभी बोली ही नहीं गईं, वे AI मिनट्स की सबसे आम ग़लती हैं। null को डिफ़ॉल्ट बनाएँ।
-   **बहुत जल्दी अनुवाद करना।** अरबी में ट्रांसक्राइब करें और निकालें, फिर मिनट्स का अनुवाद करें। पहले ट्रांसक्रिप्ट का अनुवाद करने से सटीक उद्धरण खो जाते हैं।
-   **समीक्षा छोड़ देना।** मिनट्स एक रिकॉर्ड हैं। मीटिंग में मौजूद किसी व्यक्ति को भेजने से पहले इन्हें पढ़ना चाहिए।
-   **रिकॉर्डिंग हमेशा के लिए रखना।** मिनट्स मंज़ूर होने के बाद ऑडियो मिटा दें, जब तक रखना ज़रूरी न हो।

## API पाइपलाइन कब ग़लत विकल्प है?

अगर आपको मीटिंग के दौरान live कैप्शन चाहिए, एक मिले-जुले ट्रैक से स्पीकर लेबल चाहिए, या ऐसा तैयार ऐप चाहिए जिसे आपकी टीम आज ही इस्तेमाल कर सके, तो कोई समर्पित मीटिंग प्रोडक्ट तेज़ रास्ता है। कई प्रोडक्ट अरबी मीटिंग नोट्स बेचते हैं; उनकी तुलना अपनी रिकॉर्डिंग पर करें, क्योंकि उनके पेजों पर सटीकता के दावे उनके अपने हैं। API वाला रास्ता तब समझदारी है जब आप मिनट्स अपने सिस्टम के अंदर, अपने फ़ॉर्मैट में, अपने रिटेंशन नियमों के साथ चाहते हैं।

## BroadNet Inference कहाँ फ़िट होता है

BroadNet दोनों हिस्से एक OpenAI-compatible key पर देता है: $0.0042 प्रति मिनट पर BroadNet Transcribe Arabic, और मिनट्स के लिए अरबी में टेस्ट किया गया Qwen3.8 27B। इसका प्राइवेसी स्टेटमेंट कहता है कि यह अनुरोध के बाद कोई प्रॉम्प्ट, ऑडियो, जवाब या ट्रांसक्रिप्ट नहीं रखता, जो अंदरूनी मीटिंग के लिए मायने रखता है। यह स्पीकर लेबल या टाइमस्टैम्प नहीं लौटाता, और इसमें live ट्रांसक्रिप्शन नहीं है, इसलिए अगर आपको ये चाहिए तो दूसरा प्रोवाइडर इस्तेमाल करें। [अरबी speech-to-text गाइड](https://broadrouter.com/hi/guides/arabic-speech-to-text-api/) से शुरू करें, फिर ऊपर वाला सारांश चरण जोड़ें।

इस विषय के मुफ़्त टूल (अंग्रेज़ी में)

-   [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.

[मुफ़्त टूल (अंग्रेज़ी में)](https://broadrouter.com/tools/)

## इस लेख के शब्द

[टोकन (token)](https://broadrouter.com/hi/glossary/token/)

टोकन टेक्स्ट की वह इकाई है जिसे लैंग्वेज मॉडल पढ़ता और लिखता है: कोई शब्द, शब्द का हिस्सा, विराम चिह्न या बाइट का क्रम, जो मॉडल का टोकनाइज़र बनाता है। LLM API इस्तेमाल को टोकन में गिनते हैं, उसी में लिमिट लगाते हैं और आम तौर पर बिल भी बनाते हैं।

[स्ट्रक्चर्ड आउटपुट (structured output)](https://broadrouter.com/hi/glossary/structured-output/)

स्ट्रक्चर्ड आउटपुट LLM API का एक फ़ीचर है जो मॉडल के जवाब को डेवलपर के तय फ़ॉर्मैट, आम तौर पर JSON Schema, तक सीमित करता है, ताकि कोड उसे भरोसे से पार्स कर सके। यह JSON mode से सख़्त है, जो मान्य JSON की गारंटी देता है, लेकिन किसी ख़ास ढाँचे की नहीं।

[स्पीच-टू-टेक्स्ट (speech-to-text)](https://broadrouter.com/hi/glossary/speech-to-text/)

स्पीच-टू-टेक्स्ट, जिसे automatic speech recognition (ASR) भी कहते हैं, बोले गए ऑडियो को लिखित टेक्स्ट में बदलने की तकनीक है। speech-to-text API ऑडियो फ़ाइल या स्ट्रीम लेकर ट्रांसक्रिप्ट लौटाता है, आम तौर पर प्रति ऑडियो मिनट की कीमत पर। सटीकता वर्ड एरर रेट से मापी जाती है और लहजे, बोली और रिकॉर्डिंग क्वालिटी के साथ बदलती है।

[टूल कॉलिंग (tool calling)](https://broadrouter.com/hi/glossary/tool-calling/)

टूल कॉलिंग, जिसे function calling भी कहते हैं, LLM API की वह सुविधा है जिसमें मॉडल डेवलपर के तय किए किसी फ़ंक्शन को चलाने का एक स्ट्रक्चर्ड अनुरोध, JSON आर्ग्युमेंट के साथ, लौटाता है। ऐप्लिकेशन फ़ंक्शन चलाकर नतीजा वापस भेजता है; मॉडल ख़ुद कभी कोड नहीं चलाता।

[स्पीकर डायराइज़ेशन (speaker diarization)](https://broadrouter.com/hi/glossary/diarization/)

स्पीकर डायराइज़ेशन ऑडियो रिकॉर्डिंग को बोलने वालों के हिसाब से हिस्सों में बाँटने का काम है, जो बताता है कि "कौन कब बोला"। यह बोली के हर हिस्से पर SPEAKER\_00 जैसा गुमनाम स्पीकर ID लगाता है, और आम तौर पर ट्रांसक्रिप्ट के साथ मिलाकर दिखाता है कि हर लाइन किसने कही।

[कॉन्करेंसी (concurrency)](https://broadrouter.com/hi/glossary/concurrency/)

कॉन्करेंसी, किसी क्लाइंट के एक ही समय पर चल रहे (in-flight) अनुरोधों की संख्या है। LLM API अक्सर इसकी सीमा हर key या प्लान पर, प्रति मिनट अनुरोधों से अलग रखते हैं, क्योंकि हर खुला अनुरोध जवाब पूरा होने तक GPU क्षमता घेरे रहता है।

[प्रीपेड क्रेडिट (prepaid credit)](https://broadrouter.com/hi/glossary/prepaid-credit/)

प्रीपेड क्रेडिट वह पैसा है जो इस्तेमाल से पहले API अकाउंट में डाला जाता है। हर अनुरोध की लागत बैलेंस से कटती है, और बैलेंस ख़त्म होने पर मीटर वाले अनुरोध तब तक रुक जाते हैं जब तक आप टॉप-अप न करें। इससे खर्च उतने तक सीमित रहता है जितना आपने जमा किया है।

[प्रॉम्प्ट इंजीनियरिंग (prompt engineering)](https://broadrouter.com/hi/glossary/prompt-engineering/)

प्रॉम्प्ट इंजीनियरिंग, लैंग्वेज मॉडल को दिए जाने वाले निर्देशों को लिखने, ढाँचा देने और टेस्ट करने की प्रक्रिया है, ताकि मॉडल लगातार आपकी ज़रूरतों के मुताबिक़ आउटपुट दे। इसमें रोल मैसेज, साफ़ निर्देश, उदाहरण, फ़ॉर्मैटिंग और टेस्ट केस पर नतीजों को मापना शामिल है।

## अक्सर पूछे जाने वाले सवाल

### अरबी रिकॉर्डिंग से मीटिंग मिनट्स कैसे बनाऊँ?

ऑडियो को अरबी speech-to-text API से ट्रांसक्राइब करें, language=ar भेजकर। फिर ट्रांसक्रिप्ट को LLM को ऐसे प्रॉम्प्ट के साथ भेजें जो छोटा सारांश, फ़ैसले, ज़िम्मेदार व्यक्ति और नियत तारीख़ वाले एक्शन आइटम, और खुले सवाल JSON में माँगे। भेजने से पहले नतीजे की समीक्षा करें।

### मीटिंग अरबी में हुई हो, तो क्या मिनट्स अंग्रेज़ी में हो सकते हैं?

हाँ। अरबी में ट्रांसक्राइब करें, फिर LLM से मिनट्स अंग्रेज़ी में लिखवाएँ और नाम, आँकड़े व उद्धरण ठीक वैसे रखवाएँ जैसे बोले गए। अरबी उद्धरण रखें, ताकि दोनों भाषाएँ जानने वाला समीक्षक अनुवाद जाँच सके।

### मीटिंग मिनट्स में बोली (dialect) को कैसे संभालें?

ट्रांसक्रिप्ट में बोली रहने दें, क्योंकि वही कहा गया था। LLM से मिनट्स मानक आधुनिक अरबी में लिखवाएँ, और जहाँ अर्थ मायने रखता हो, जैसे कोई वादा या इनकार, वहाँ बोली के शब्द उद्धरण में रखवाएँ।

### क्या API बता सकता है कि किसने क्या कहा?

सिर्फ़ तब, जब वह स्पीकर लेबल लौटाए। BroadNet का ट्रांसक्रिप्शन सादा टेक्स्ट लौटाता है। अगर हर प्रतिभागी अलग ट्रैक या चैनल पर रिकॉर्ड हुआ है, तो हर ट्रैक अलग से ट्रांसक्राइब करें और आपको स्पीकर पता होगा; नहीं तो diarization वाला प्रोवाइडर इस्तेमाल करें।

### लंबी मीटिंग का सारांश किस मॉडल से बनवाऊँ?

ऐसा मॉडल चुनें जिसमें आपके सबसे लंबे ट्रांसक्रिप्ट के लिए काफ़ी कॉन्टेक्स्ट हो और अरबी अच्छी हो। BroadNet पर Qwen3.8 27B अरबी में टेस्ट किया गया मॉडल है, 262,144 टोकन के कॉन्टेक्स्ट के साथ; GLM 5.3 और DeepSeek V4.1 Flash 1,048,576 टोकन लेते हैं। तीन असली मीटिंग पर दो मॉडल टेस्ट करें।

### क्या अंदरूनी मीटिंग API को भेजना सुरक्षित है?

पहले प्रोवाइडर की रिटेंशन शर्तें जाँचें। BroadNet कहता है कि वह अनुरोध के बाद कोई प्रॉम्प्ट, ऑडियो, जवाब या ट्रांसक्रिप्ट नहीं रखता। फिर भी जो कुछ मिनट्स को नहीं चाहिए, जैसे ज़ोर से पढ़े गए निजी फ़ोन नंबर, उसे हटा दें।

## आगे पढ़ें

-   [25 MB से बड़ा लंबा ऑडियो ट्रांसक्राइब करें: बाँटें, भेजें, जोड़ें](https://broadrouter.com/hi/blog/transcribe-long-audio-files-api/)
-   [अरबी speech-to-text API: 2026 में सही API कैसे चुनें](https://broadrouter.com/hi/blog/arabic-speech-to-text-api-buyers-guide/)
-   [कॉल सेंटर रिकॉर्डिंग कैसे ट्रांसक्राइब करें: अरबी-रेडी पाइपलाइन](https://broadrouter.com/hi/blog/transcribe-call-center-recordings/)
-   [JSON mode बनाम json\_schema: भरोसेमंद स्ट्रक्चर्ड आउटपुट](https://broadrouter.com/hi/blog/structured-output-json-schema/)
-   [अरबी के लिए LLM API कैसे चुनें: क्या-क्या टेस्ट करें](https://broadrouter.com/hi/blog/choosing-an-llm-for-arabic/)
-   [अरबी प्रॉम्प्ट इंजीनियरिंग: register, RTL, अंक और मिला-जुला टेक्स्ट](https://broadrouter.com/hi/blog/arabic-prompt-engineering/)
-   [LLM से अरबी टेक्स्ट का सारांश: प्रॉम्प्ट, लंबाई और स्कोरिंग](https://broadrouter.com/hi/blog/arabic-text-summarization-llm/)
-   [speech-to-text API से अरबी सबटाइटल (SRT): आपको क्या चाहिए](https://broadrouter.com/hi/blog/arabic-subtitles-srt-api/)
-   [LLM से अरबी टेक्स्ट में हरकतें (तश्कील) लगाना: प्रॉम्प्ट, जाँच, DER](https://broadrouter.com/hi/blog/arabic-diacritization-llm/)
-   [LLM से अरबी व्याकरण और वर्तनी सुधार: एक how-to](https://broadrouter.com/hi/blog/arabic-grammar-spelling-correction-llm/)
-   [गाइड: अरबी speech-to-text API, स्टेप बाय स्टेप](https://broadrouter.com/hi/guides/arabic-speech-to-text-api/)
-   [गाइड: रीज़निंग मॉडल ख़ाली जवाब क्यों लौटाता है](https://broadrouter.com/hi/guides/reasoning-tokens-empty-response/)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

[शुरू करें](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-arabic-meeting-minutes-from-recordings&utm_content=page-cta) ·

**स्रोत**

-   [BroadNet Inference API रेफ़रंस: ट्रांसक्रिप्शन फ़ील्ड और सिर्फ़-टेक्स्ट जवाब, structured output वाले मॉडल, reasoning और max\_tokens (2026-11-15 को जाँचा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-arabic-meeting-minutes-from-recordings&utm_content=sources)
-   [BroadNet Inference कीमत पेज: प्रति मिनट कीमतें और Qwen3.8 27B का "Tested in Arabic" नोट (2026-11-15 को जाँचा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-arabic-meeting-minutes-from-recordings&utm_content=sources)
-   [BroadNet inference प्राइवेसी स्टेटमेंट: कोई प्रॉम्प्ट, ऑडियो या ट्रांसक्रिप्ट नहीं रखा जाता (2026-11-15 को जाँचा गया) (अंग्रेज़ी में)](https://www.broadnet.ai/inference-privacy)
-   [Liu et al., Lost in the Middle: How Language Models Use Long Contexts (arXiv 2307.03172; 2026-11-15 को जाँचा गया)](https://arxiv.org/abs/2307.03172)
-   [OpenAI speech to text गाइड: ऑडियो को वाक्य के बीच में न काटें (2026-11-15 को जाँचा गया)](https://developers.openai.com/api/docs/guides/speech-to-text)
