---
title: "कॉल सेंटर रिकॉर्डिंग ट्रांसक्रिप्शन: कोड के साथ पाइपलाइन"
description: "स्टीरियो कॉल को चैनल से अलग करें, बोलने के turns काटें, अरबी और अंग्रेज़ी ट्रांसक्राइब करें, PII redact करें और LLM से सारांश बनाएँ। लागत के साथ Python पाइपलाइन।"
url: https://broadrouter.com/hi/blog/transcribe-call-center-recordings/
lang: hi
updated: 2026-11-14
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/transcribe-call-center-recordings/) (2026-11-14 को अपडेट किया गया).

# कॉल सेंटर रिकॉर्डिंग कैसे ट्रांसक्राइब करें: अरबी-रेडी पाइपलाइन

BroadNet Inference टीम · 4 मिनट में पढ़ें · प्रकाशित 2026-11-14

कॉल सेंटर रिकॉर्डिंग ट्रांसक्राइब करने के लिए स्टीरियो फ़ाइलों को एजेंट और ग्राहक चैनल में बाँटें, हर चैनल को बोलने के turns में काटें, हर turn को सही language code के साथ ट्रांसक्राइब करें, फिर turns को शुरुआती समय से जोड़ें। LLM से सारांश बनवाने से पहले ट्रांसक्रिप्ट से कार्ड और फ़ोन नंबर redact करें। मोनो रिकॉर्डिंग के लिए अलग diarization चरण चाहिए।

## मुख्य बातें

-   ज़्यादातर कॉल रिकॉर्डर एजेंट और ग्राहक को अलग स्टीरियो चैनल पर रखते हैं। उन्हें बाँटने से diarization के बिना ही सटीक स्पीकर लेबल मिल जाते हैं।
-   हर चैनल को चुप्पी पर काटने से turns का क्रम मिलता है और चुप्पी का भुगतान नहीं करना पड़ता।
-   redaction से पहले Eastern Arabic अंक normalise करें, वरना कार्ड और फ़ोन नंबर छूट जाते हैं।
-   सारांश वाले चरण से पहले ट्रांसक्रिप्ट redact करें, और LLM से structured JSON माँगें।
-   $0.0042 प्रति मिनट पर 1,000 घंटे की अरबी आवाज़ ट्रांसक्राइब करने का ख़र्च $252.00 है।

**इस पेज पर**

1.  चरण 1: रिकॉर्डिंग स्टीरियो है या मोनो?
2.  चरण 2: ffmpeg से स्टीरियो चैनल कैसे बाँटें?
3.  चरण 3: हर चैनल को बोलने के turns में कैसे काटें?
4.  चरण 4: हर turn को ट्रांसक्राइब कैसे करें?
5.  चरण 5: turns को संवाद में कैसे जोड़ें?
6.  मोनो रिकॉर्डिंग का क्या?
7.  चरण 6: अरबी अंकों समेत PII कैसे redact करें?
8.  चरण 7: LLM से हर कॉल का सारांश कैसे बनाएँ?
9.  analytics से पहले कौन-सी क्वालिटी जाँचें?
10.  कॉल ट्रांसक्रिप्शन का ख़र्च कितना है?
11.  BroadNet Inference कहाँ फ़िट होता है

_[image: A support agent with a headset beside a screen showing a call transcript, with the text "Every call becomes insight."]_

Illustration of an app you could build; not a BroadNet product screenshot.

एक कॉल सेंटर हर महीने हज़ारों घंटे का ऑडियो बनाता है, और उसमें से लगभग कुछ भी पढ़ा नहीं जाता। ट्रांसक्रिप्ट कॉल को searchable बनाते हैं। सारांश उन्हें रिव्यू करने लायक बनाते हैं। यह पोस्ट शुरू से आख़िर तक पाइपलाइन बनाती है, अरबी के नज़रिए से: बोलियाँ, अरबी और अंग्रेज़ी का मिश्रण, और Eastern Arabic अंक।

चरण:

1.  रिकॉर्डिंग जाँचें: स्टीरियो है या मोनो?
2.  स्टीरियो को एजेंट और ग्राहक चैनल में बाँटें।
3.  हर चैनल को बोलने के turns में काटें।
4.  हर turn को सही भाषा के साथ ट्रांसक्राइब करें।
5.  turns को शुरुआती समय के हिसाब से संवाद में जोड़ें।
6.  टेक्स्ट से PII redact करें।
7.  LLM से structured फ़ील्ड में सारांश बनवाएँ।

## चरण 1: रिकॉर्डिंग स्टीरियो है या मोनो?

```bash
ffprobe -v error -show_entries stream=channels,sample_rate,duration -of csv=p=0 call.wav
# 2,8000,412.6   -> stereo, 8 kHz telephone audio, 6.9 minutes
```

कई कॉन्टैक्ट-सेंटर रिकॉर्डर एजेंट को एक चैनल पर और ग्राहक को दूसरे पर रखते हैं। [AssemblyAI की कॉन्टैक्ट-सेंटर गाइड](https://www.assemblyai.com/docs/contact-center-best-practices) भी यही कहती है: अलग चैनल हों, तो diarization के बिना स्पीकर अलग हो जाते हैं। कुछ कॉल पर जाँचें कि कौन-सी तरफ़ कौन है; एजेंट हमेशा left पर नहीं होता।

## चरण 2: ffmpeg से स्टीरियो चैनल कैसे बाँटें?

```bash
ffmpeg -i call.wav -af "pan=mono|c0=c0" -ar 16000 agent.wav
ffmpeg -i call.wav -af "pan=mono|c0=c1" -ar 16000 customer.wav
```

`pan` फ़िल्टर एक चैनल रखता है, और `-ar 16000` उसे 16 kHz पर resample करता है, वही फ़ॉर्मैट जो BroadNet के docs फ़ोन रिकॉर्डिंग के लिए इस्तेमाल करते हैं।

## चरण 3: हर चैनल को बोलने के turns में कैसे काटें?

यह [voice activity detection](https://broadrouter.com/hi/glossary/vad/) का एक सरल रूप है। हर पूरा चैनल भेजना काम करता है, लेकिन तब आप उस हर सेकंड की चुप्पी का भुगतान करते हैं जब दूसरी तरफ़ बोल रही होती है, जिससे स्टीरियो कॉल का बिल लगभग दोगुना हो जाता है। इसमें turns का क्रम भी खो जाता है। चुप्पी पर काटने से दोनों ठीक हो जाते हैं:

```python
import re, subprocess

def speech_turns(wav, noise="-35dB", min_silence=0.6):
    """Return (start, end) seconds of speech, using ffmpeg silencedetect."""
    log = subprocess.run(
        ["ffmpeg", "-i", wav, "-af", f"silencedetect=noise={noise}:d={min_silence}", "-f", "null", "-"],
        capture_output=True, text=True).stderr
    dur = float(subprocess.run(
        ["ffprobe", "-v", "error", "-show_entries", "format=duration", "-of", "csv=p=0", wav],
        capture_output=True, text=True).stdout)
    starts = [float(x) for x in re.findall(r"silence_start: ([\d.]+)", log)]
    ends = [float(x) for x in re.findall(r"silence_end: ([\d.]+)", log)]
    turns, cursor = [], 0.0
    for s, e in zip(starts, ends + [dur]):
        if s - cursor > 0.4:
            turns.append((cursor, s))
        cursor = e
    if dur - cursor > 0.4:
        turns.append((cursor, dur))
    return turns
```

`noise` को अपनी रिकॉर्डिंग पर ट्यून करें: शोर वाली लाइनों को ऊँची threshold चाहिए, जैसे `-30dB`।

## चरण 4: हर turn को ट्रांसक्राइब कैसे करें?

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

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

def transcribe_turns(wav, speaker, language="ar"):
    out = []
    for start, end in speech_turns(wav):
        with tempfile.NamedTemporaryFile(suffix=".wav") as seg:
            subprocess.run(["ffmpeg", "-y", "-loglevel", "error", "-i", wav,
                            "-ss", f"{start:.2f}", "-to", f"{end:.2f}", seg.name], check=True)
            with open(seg.name, "rb") as audio:
                text = client.audio.transcriptions.create(
                    model="broadnet/cohere-transcribe-arabic", file=audio, language=language).text
        out.append({"start": start, "speaker": speaker, "text": text.strip()})
    return out
```

हमेशा `language` भेजें। इसके बिना अरबी लैटिन अक्षरों में लौट सकती है। अंग्रेज़ी queues के लिए `broadnet/cohere-transcribe` को `language="en"` के साथ इस्तेमाल करें। worker pool छोटा रखें: उपयोग के अनुसार भुगतान वाली keys एक साथ 4 अनुरोध और प्रति मिनट 30 अनुरोध की अनुमति देती हैं, और [एरर और retry गाइड](https://broadrouter.com/hi/guides/errors-and-retries/) दिखाती है कि 429 पर backoff कैसे करें।

एक फ़ाइल 25 MiB से छोटी होनी चाहिए। 16 kHz मोनो WAV (लगभग 32 KB प्रति सेकंड) में लंबा एकालाप लगभग 13 मिनट पर यह सीमा पार कर जाता है; उसे `-f segment -segment_time 600` से बाँटें।

## चरण 5: turns को संवाद में कैसे जोड़ें?

```python
turns = transcribe_turns("agent.wav", "Agent") + transcribe_turns("customer.wav", "Customer")
dialogue = "\n".join(f'{t["speaker"]}: {t["text"]}' for t in sorted(turns, key=lambda t: t["start"]))
```

एक साथ बोली गई बात क़रीबी शुरुआती समय वाले दो turns के रूप में दिखती है, जो एक इंसानी रिव्यूअर उम्मीद भी करता है।

## मोनो रिकॉर्डिंग का क्या?

चैनल के बिना आपको **[speaker diarization](https://broadrouter.com/hi/glossary/diarization/)** चाहिए: यह तय करना कि कौन कब बोला। विकल्प:

| विकल्प | कैसे | समझौता |
| --- | --- | --- |
| ओपन-सोर्स diarization | अपने सर्वर पर [pyannote.audio](https://github.com/pyannote/pyannote-audio) चलाएँ, फिर हर स्पीकर segment ट्रांसक्राइब करें | मॉडल आप होस्ट करते हैं; ऑडियो आपके पास रहता है |
| बिल्ट-इन diarization वाला प्रोवाइडर | कई STT API स्पीकर लेबल लौटाते हैं; add-on लागत के लिए [कीमतों की तुलना](https://broadrouter.com/hi/blog/speech-to-text-api-pricing-compared/) देखें | डेटा के रास्ते में एक और वेंडर |
| LLM से भूमिका लेबल | turns ट्रांसक्राइब करें, फिर LLM से संदर्भ के आधार पर हर turn को Agent या Customer लेबल करवाएँ | सस्ता; छोटे या अस्पष्ट turns पर ग़लत |
| जड़ से ठीक करें | रिकॉर्डर को dual-channel पर बदलें | लंबे समय के लिए सबसे अच्छा जवाब |

BroadNet diarization सूचीबद्ध नहीं करता, इसलिए मोनो ऑडियो पर इसे पहले तीन विकल्पों में से किसी एक के साथ जोड़ें।

## चरण 6: अरबी अंकों समेत PII कैसे redact करें?

कॉल करने वाले कार्ड नंबर, IBAN और फ़ोन नंबर बोलकर बताते हैं। ट्रांसक्रिप्ट उन्हें Western अंकों (0-9) या Eastern Arabic अंकों (٠-٩) में लिख सकते हैं। पहले normalise करें, फिर redact करें:

```python
EASTERN = str.maketrans("٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹", "01234567890123456789")

def redact(text):
    text = text.translate(EASTERN)
    text = re.sub(r"\b(?:\d[ -]?){13,19}\b", "[CARD]", text)
    text = re.sub(r"\b[A-Z]{2}\d{2}[A-Z0-9]{11,30}\b", "[IBAN]", text)
    text = re.sub(r"\+?\d[\d -]{7,}\d", "[PHONE]", text)
    return text
```

नंबर शब्दों में भी बोले जा सकते हैं (“خمسة أربعة…”), जो regex से छूट जाएँगे। ट्रांसक्रिप्ट का हाथ से सैंपल देखें और जो मिले उसके लिए नियम जोड़ें। बड़ा तरीक़ा [LLM API को संवेदनशील डेटा भेजना](https://broadrouter.com/hi/blog/llm-api-sensitive-data/) में है।

## चरण 7: LLM से हर कॉल का सारांश कैसे बनाएँ?

```python
import json
summary = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    response_format={"type": "json_object"},
    messages=[
        {"role": "system", "content": "Summarise this call centre dialogue. Reply in English JSON with keys: "
                                      "reason, resolution, resolved (true/false), customer_sentiment, follow_up."},
        {"role": "user", "content": redact(dialogue)},
    ],
).choices[0].message.content
print(json.loads(summary))
```

Qwen3.8 27B [structured output](https://broadrouter.com/hi/glossary/structured-output/) सपोर्ट करता है; जवाब को हमेशा पार्स और validate करें ([कैसे](https://broadrouter.com/hi/blog/structured-output-json-schema/))। BroadNet के अपने टेस्ट में यह भी पाया गया कि यह खाड़ी और मिस्री बोलियाँ समझता है। अगर आपके डैशबोर्ड अंग्रेज़ी में हैं, तो अंग्रेज़ी JSON माँगें, भले कॉल अरबी में हो।

## analytics से पहले कौन-सी क्वालिटी जाँचें?

ख़राब ट्रांसक्रिप्ट पर बने डैशबोर्ड उतने ही आत्मविश्वासी दिखते हैं जितने अच्छे ट्रांसक्रिप्ट पर बने। पाइपलाइन में ये जाँचें जोड़ें:

-   **चैनल की अदला-बदली।** अगर किसी रिकॉर्डर या queue पर एजेंट और ग्राहक के लेबल उलटे हैं, तो “एजेंट ने कहा” वाला हर metric ग़लत है। पहला turn जाँचें: एजेंट आम तौर पर अभिवादन और कंपनी के नाम से शुरू करते हैं।
-   **ख़ाली या बहुत छोटे ट्रांसक्रिप्ट।** कोई turn जो कोई टेक्स्ट न लौटाए, या 20 शब्दों से कम वाली कॉल, आम तौर पर चुप्पी, होल्ड म्यूज़िक या ख़राब फ़ाइल होती है। उसका सारांश बनाने के बजाय उसे फ़्लैग करें।
-   **भाषा का बेमेल।** कोई अंग्रेज़ी queue जो अचानक अरबी टेक्स्ट देने लगे, या लैटिन अक्षरों में लौटी अरबी, ग़लत `language` वैल्यू की ओर इशारा करती है।
-   **सारांश का भटकना।** हर हफ़्ते एक सुपरवाइज़र 20 सारांशों की पूरे ट्रांसक्रिप्ट से तुलना करे। ट्रैक करें कि `resolved` कितनी बार ग़लत है।

सिर्फ़ सारांश नहीं, हर turn के ट्रांसक्रिप्ट स्टोर करें। जब किसी सारांश पर विवाद हो, तो turns ही आपका सबूत हैं।

## कॉल ट्रांसक्रिप्शन का ख़र्च कितना है?

turns काटने से बिल होने वाला ऑडियो बातचीत के समय के क़रीब रहता है। 1,000 घंटे की अरबी आवाज़ के लिए:

-   ट्रांसक्रिप्शन: [BroadNet Transcribe Arabic](https://broadrouter.com/hi/models/cohere-transcribe-arabic/) पर $0.0042 प्रति मिनट के हिसाब से $252.00, या अंग्रेज़ी queues के लिए 14 भाषाओं वाले [BroadNet Transcribe](https://broadrouter.com/hi/models/cohere-transcribe/) पर $120.00।
-   सारांश: 7 मिनट की कॉल अक्सर कुछ हज़ार टोकन की होती है। अपनी असली ट्रांसक्रिप्ट लंबाई के साथ इसकी क़ीमत [LLM API कॉस्ट कैलकुलेटर](https://broadrouter.com/tools/llm-api-cost-calculator/) में देखें, और ऑडियो वाला हिस्सा [speech-to-text कॉस्ट कैलकुलेटर](https://broadrouter.com/tools/speech-to-text-cost-calculator/) में।

## BroadNet Inference कहाँ फ़िट होता है

BroadNet चरण 4 और 7 को एक key और एक [base URL](https://broadrouter.com/hi/glossary/base-url/) से कवर करता है: ट्रांसक्रिप्शन के लिए अरबी और 13 अन्य भाषाएँ, और सारांश के लिए अरबी पर टेस्ट किए गए चैट मॉडल। ऑडियो, ट्रांसक्रिप्ट और प्रॉम्प्ट नहीं रखे जाते ([ज़ीरो डेटा रिटेंशन](https://broadrouter.com/hi/privacy/)), और BroadNet अपने अरबी मॉडल को Open Universal Arabic ASR Leaderboard पर 37 में से #2 (यह सितंबर 2026 का आंकड़ा है; 15 नवंबर 2026 को लाइव लीडरबोर्ड पर यह 39 में से #4 था) बताता है।

यह आपके लिए diarization, रियल-टाइम ट्रांसक्रिप्शन या redaction नहीं करता; वे आपकी पाइपलाइन में रहते हैं। फ़ैसला करने से पहले [अरबी बोलियों की speech recognition](https://broadrouter.com/hi/blog/arabic-dialect-speech-recognition/) वाली विधि से अपनी बोलियाँ टेस्ट करें।

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

[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।

[AI एजेंट (AI agent)](https://broadrouter.com/hi/glossary/agent/)

AI एजेंट ऐसा सिस्टम है जिसमें लैंग्वेज मॉडल किसी लक्ष्य की ओर अपने क़दम ख़ुद तय करता है: कौन-से टूल कॉल करने हैं, चुनता है, नतीजे पढ़ता है और अंतिम जवाब या किसी सीमा तक दोहराता रहता है। तय बिंदुओं पर मॉडल को कॉल करने वाली स्क्रिप्ट को आम तौर पर workflow कहते हैं।

[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।

[उपयोग के अनुसार भुगतान (pay-as-you-go)](https://broadrouter.com/hi/glossary/pay-as-you-go/)

उपयोग के अनुसार भुगतान (pay-as-you-go) एक प्राइसिंग मॉडल है जिसमें आप सिर्फ़ उतना देते हैं जितना इस्तेमाल करते हैं, जिसे टोकन, अनुरोध या ऑडियो मिनट जैसी इकाइयों में मापा जाता है, बिना सब्सक्रिप्शन या न्यूनतम प्रतिबद्धता के। ज़्यादातर LLM API इसी तरह बिल बनाते हैं, प्रीपेड बैलेंस या समय-समय पर बनने वाले इनवॉइस से।

[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।

[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।

[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।

[base URL](https://broadrouter.com/hi/glossary/base-url/)

base URL किसी API का तय मूल पता है, जैसे https://api.example.com/v1, जिसे क्लाइंट /chat/completions जैसे हर एंडपॉइंट पाथ के आगे जोड़ता है। OpenAI-compatible SDK में base URL को API key और मॉडल ID के साथ बदलने से वही कोड किसी दूसरे प्रोवाइडर से जुड़ जाता है।

## अक्सर पूछे जाने वाले सवाल

### कॉल रिकॉर्डिंग में एजेंट और ग्राहक को अलग कैसे करूँ?

अगर रिकॉर्डिंग स्टीरियो है, तो एजेंट और ग्राहक आम तौर पर अलग चैनल पर होते हैं। ffmpeg से उन्हें बाँटें और हर चैनल को अलग से ट्रांसक्राइब करें। अगर रिकॉर्डिंग मोनो है, तो speaker diarization चाहिए।

### क्या दोनों स्टीरियो चैनल ट्रांसक्राइब करने पर मुझे दो बार भुगतान करना पड़ता है?

अगर आप हर पूरा चैनल भेजते हैं, तो हाँ, क्योंकि हर चैनल कॉल जितना ही लंबा है। हर चैनल को बोलने के turns में काटकर सिर्फ़ turns भेजने से बिल होने वाला ऑडियो असली बातचीत के समय के क़रीब आ जाता है।

### क्या मैं ऐसी अरबी कॉल ट्रांसक्राइब कर सकता हूँ जिनमें अंग्रेज़ी शब्द मिले हों?

हाँ, लेकिन टेस्ट करें। खाड़ी और लेवेंटाइन एजेंट प्रोडक्ट के नाम और नंबरों के लिए अक्सर अंग्रेज़ी पर चले जाते हैं। keyword search या analytics पर भरोसा करने से पहले 20 असली कॉल पर देखें कि वे शब्द कैसे आते हैं।

### मुझे ऑडियो redact करना चाहिए या टेक्स्ट?

ट्रांसक्रिप्ट टेक्स्ट को LLM, analytics या search तक जाने से पहले redact करें। अगर आप ऑडियो रखते हैं, तो उसमें बोले गए नंबर फिर भी हैं, इसलिए ऑडियो की पहुँच भी सीमित करें और उसे समय पर हटाएँ।

### हर ऑडियो फ़ाइल कितनी लंबी हो सकती है?

BroadNet हर अनुरोध में 26,214,400 bytes (25 MiB) तक की WAV या MP3 स्वीकार करता है। 16 kHz मोनो WAV लगभग 32 KB प्रति सेकंड है, इसलिए segments लगभग 13 मिनट से छोटे रखें, या MP3 इस्तेमाल करें।

## आगे पढ़ें

-   [अरबी रिकॉर्डिंग से मीटिंग मिनट्स: एक API पाइपलाइन](https://broadrouter.com/hi/blog/arabic-meeting-minutes-from-recordings/)
-   [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/)
-   [LLM API को संवेदनशील डेटा भेजना: redact करें, कम भेजें, कम लॉग करें](https://broadrouter.com/hi/blog/llm-api-sensitive-data/)
-   [अरबी बोलियों की speech recognition: खाड़ी, मिस्री, लेवेंटाइन, मग़रिबी](https://broadrouter.com/hi/blog/arabic-dialect-speech-recognition/)
-   [स्पीच-टू-टेक्स्ट API की कीमतों की तुलना: 2026 में प्रति मिनट कीमत](https://broadrouter.com/hi/blog/speech-to-text-api-pricing-compared/)
-   [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: BroadNet Inference के एरर कोड और रीट्राई कब करें](https://broadrouter.com/hi/guides/errors-and-retries/)

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-transcribe-call-center-recordings&utm_content=page-cta) ·

**स्रोत**

-   [FFmpeg filters दस्तावेज़ (pan, silencedetect)](https://ffmpeg.org/ffmpeg-filters.html)
-   [AssemblyAI, कॉन्टैक्ट सेंटर best practices (multichannel ऑडियो)](https://www.assemblyai.com/docs/contact-center-best-practices)
-   [pyannote.audio, ओपन-सोर्स speaker diarization](https://github.com/pyannote/pyannote-audio)
-   [BroadNet Inference API रेफ़रंस, ट्रांसक्रिप्शन और सीमाएँ (अंग्रेज़ी में)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-transcribe-call-center-recordings&utm_content=sources)
-   [BroadNet Inference की मशीन-रीडेबल कीमतें (pricing.json) (अंग्रेज़ी में)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-transcribe-call-center-recordings&utm_content=sources)
