BroadRouter

Notulen rapat bahasa Arab dari rekaman: pipeline berbasis API

Oleh tim BroadNet Inference · 6 menit baca · Dipublikasikan

Untuk membuat notulen rapat bahasa Arab dengan API, transkripsikan rekaman dengan model speech-to-text bahasa Arab, pecah transkrip panjang menjadi beberapa bagian, minta LLM mengeluarkan keputusan, action item, dan pertanyaan terbuka sebagai JSON, lalu gabungkan bagian-bagiannya. Minta model mengutip transkrip untuk setiap action item, dan tulis notulen dalam bahasa Arab Standar Modern atau bahasa Inggris.

Notulen rapat terlihat seperti satu pekerjaan, padahal dua: mengubah ucapan menjadi teks, dan mengubah teks menjadi keputusan dan action item. Setiap langkah gagal dengan caranya sendiri. Satu kata dialek yang salah ditranskripsi menjadi action item yang keliru; model yang pandai meringkas pun masih bisa mengarang penanggung jawab. Tulisan ini membangun pipeline untuk rapat berbahasa Arab dan menunjukkan di mana pengecekan perlu dipasang.

Seperti apa pipeline-nya?

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

Sisa tulisan ini membahasnya langkah demi langkah.

Langkah 1: bagaimana mentranskripsikan rapat bahasa Arab yang panjang?

Rapat satu jam yang direkam di laptop biasanya jauh lebih besar dari batas upload. BroadNet Inference menerima WAV atau MP3 hingga 26.214.400 byte per file, jadi konversikan dulu ke 16 kHz mono dan pecah di titik hening. Transkripsi audio panjang di atas 25 MB berisi script lengkapnya, termasuk permintaan paralel dan menggabungkan teks sesuai urutan.

Tiga setelan penting untuk rapat berbahasa Arab:

  • Kirim language="ar" di setiap potongan. Dokumentasi BroadNet memperingatkan bahwa tanpa itu, bahasa Arab bisa kembali dalam bentuk transliterasi huruf Latin.
  • Gunakan model bahasa Arab untuk rapat yang didominasi bahasa Arab: broadnet/cohere-transcribe-arabic. Untuk rapat yang sebagian besar memakai salah satu bahasa lain yang didukungnya, broadnet/cohere-transcribe berharga $0.002 per menit.
  • Simpan transkrip mentahnya. Anda membutuhkannya untuk review dan untuk kutipan di langkah 4.

Campuran bahasa Arab dan Inggris adalah hal biasa di rapat bisnis Teluk. Uji rekaman dengan campuran yang biasa Anda pakai: nama produk berbahasa Inggris dan angka adalah tempat error muncul. Pengenalan suara dialek Arab membahas apa yang perlu diperhatikan.

Bisakah mendapatkan nama pembicara?

Tidak dari transkrip teks biasa. Respons transkripsi BroadNet berupa JSON dengan satu field text: tanpa pembicara dan tanpa timestamp. (Untuk timing caption dari offset potongan, lihat subtitle bahasa Arab dari API yang hanya mengembalikan teks.) Anda punya tiga pilihan:

Situasi Yang perlu dilakukan
Setiap orang direkam di track atau channel terpisah Transkripsikan setiap track sendiri-sendiri; track-nya memberi tahu pembicaranya
Rekaman telepon dua channel Pisahkan channel dengan ffmpeg, seperti di pipeline call center
Satu track campuran, dan Anda butuh pembicara Gunakan penyedia yang mengembalikan diarization; panduan pembeli membandingkannya

Dengan satu track campuran, LLM tetap bisa menemukan penanggung jawab saat seseorang menyebut nama: “Khalid akan mengirim penawaran paling lambat Kamis.” Yang tidak boleh dilakukannya adalah menebak penanggung jawab dari konteks. Prompt di bawah melarang hal itu.

Langkah 2: kenapa transkrip perlu dipecah sebelum diringkas?

Ada dua alasan. Pertama, konteks: satu jam pembicaraan bisa terlalu panjang untuk model kecil. BroadNet Gemma 4 VL 26B punya konteks 32.768 token, yang bisa terlampaui oleh rapat bahasa Arab yang panjang. Hitung milik Anda dengan penghitung token bahasa Arab; bahasa Arab biasanya butuh lebih banyak token per kata dibanding bahasa Inggris, seperti ditunjukkan token per kata bahasa Arab vs Inggris.

Kedua, akurasi. Riset tentang input panjang menemukan bahwa performa model “significantly degrades when models must access relevant information in the middle of long contexts” (Terjemahan BroadRouter: menurun signifikan ketika model harus mengakses informasi relevan di bagian tengah konteks yang panjang) (Liu dkk.). Keputusan yang diambil di menit ke-35 dari 70 persis kasus itu. Meringkas bagian-bagian berdurasi 10 sampai 15 menit, lalu menggabungkannya, menjaga setiap bagian tetap dekat dengan awal prompt.

Pecah di titik hening yang sama dengan yang Anda pakai untuk audio, supaya sebuah bagian tidak pernah dimulai di tengah kalimat.

Langkah 3: model mana yang sebaiknya menulis notulen?

Model Konteks Catatan untuk notulen Input / output per 1M token
Qwen3.8 27B 262.144 Diuji BroadNet dalam bahasa Arab: tulisan lancar, memahami dialek Teluk dan Mesir; output terstruktur tercantum $0.175 / $2.17
GLM 5.3 1.048.576 Output terstruktur tercantum; hanya teks $0.78 / $3.46
DeepSeek V4.1 Flash 1.048.576 Juga tersedia di paket harga tetap $60 per bulan per sesi, satu permintaan pada satu waktu $0.175 / $0.52

Mulailah dengan Qwen3.8 27B, karena itulah model yang diuji BroadNet dalam bahasa Arab. Bandingkan dengan satu model lain pada tiga rapat nyata, dan minta penutur asli memberi nilai. Memilih LLM untuk bahasa Arab punya lembar penilaiannya.

Ketiga model melakukan penalaran sebelum menjawab, dan penalaran dihitung dalam max_tokens. Notulen itu panjang, jadi sisakan beberapa ribu token, atau jawaban yang terlihat bisa kembali kosong. Kenapa itu terjadi.

Langkah 4: prompt apa yang menghasilkan notulen yang andal?

Minta JSON, dan wajibkan model mengutip transkrip untuk setiap item. Kutipan itulah yang memungkinkan reviewer mengecek action item dalam hitungan detik, alih-alih membaca ulang seluruh transkrip.

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)

Lalu validasi di kode. Parse JSON-nya, cek key-nya, dan pastikan setiap quote benar-benar ada di bagian tersebut. Item yang kutipannya tidak ada di transkrip adalah karangan model: buang atau tandai. Jika JSON gagal di-parse, retry sekali dengan pesan error-nya. JSON mode vs json_schema menunjukkan loop validasinya; dokumentasi BroadNet mencantumkan output terstruktur untuk GLM 5.3 dan Qwen3.8 27B tanpa menyebut parameter permintaannya, jadi uji dulu sebelum mengandalkannya.

Untuk notulen berbahasa Inggris, ubah baris ringkasan menjadi bahasa Inggris dan tambahkan: “Keep each quote in the original Arabic.” (Pertahankan setiap kutipan dalam bahasa Arab aslinya.) Tulisan prompt engineering bahasa Arab membahas register, angka, dan teks campuran aksara lebih mendalam.

Langkah 5: bagaimana menggabungkan bagian-bagian menjadi satu notulen?

Kirim semua hasil per bagian dalam satu permintaan akhir dan minta model untuk:

  1. Menulis satu ringkasan untuk seluruh rapat.
  2. Menggabungkan keputusan dan action yang duplikat. Tugas yang sama sering disebut dua kali.
  3. Mempertahankan kutipan setiap item.
  4. Menandai action sebagai berubah jika bagian berikutnya mengubah penanggung jawab atau tanggalnya.

Input penggabungan ini kecil: JSON dari setiap bagian, bukan transkripnya. Penggabungan di salah satu dari tiga model di atas tetap jauh di dalam konteksnya.

Berapa biaya satu rapat?

Langkah Yang Anda bayar Harga
Transkripsi Menit audio $0.0042 per menit, $0.25 per jam
Ringkasan per bagian Token transkrip masuk, JSON keluar Qwen3.8 27B: $0.175 input, $2.17 output per 1M
Penggabungan JSON kecil masuk dan keluar Tarif yang sama

Transkripsi biasanya bagian yang tetap. Bagian LLM bergantung pada panjang transkrip dan seberapa banyak model melakukan penalaran. Baca prompt_tokens dan completion_tokens dari beberapa rapat nyata pertama, lalu kalikan di kalkulator biaya API LLM. Kalkulator biaya speech-to-text menghitung sisi audionya. Kredit awal $5 mencakup model transkripsi, sekitar 1,190 menit audio bahasa Arab; Qwen3.8 27B butuh top up.

Kesalahan apa yang perlu dihindari?

  • Meringkas seluruh rapat dalam satu prompt. Item dari bagian tengah hilang.
  • Membiarkan model mengisi kekosongan. Penanggung jawab dan tanggal yang tidak pernah diucapkan adalah error paling umum di notulen buatan AI. Jadikan null sebagai default.
  • Menerjemahkan terlalu dini. Transkripsi dan ekstraksi dalam bahasa Arab, baru terjemahkan notulennya. Menerjemahkan transkrip lebih dulu menghilangkan kutipan yang persis.
  • Melewatkan review. Notulen adalah catatan resmi. Orang yang hadir di rapat sebaiknya membacanya sebelum dikirim.
  • Menyimpan rekaman selamanya. Hapus audio setelah notulen disetujui, kecuali Anda wajib menyimpannya.

Kapan pipeline API bukan pilihan yang tepat?

Jika Anda butuh caption live selama rapat, label pembicara dari satu track campuran, atau aplikasi siap pakai yang bisa langsung dipakai tim hari ini, produk khusus rapat adalah jalan yang lebih cepat. Beberapa di antaranya menjual catatan rapat bahasa Arab; bandingkan dengan rekaman Anda sendiri, karena klaim akurasi di halaman mereka adalah klaim mereka sendiri. Jalur API masuk akal ketika Anda ingin notulen berada di dalam sistem Anda sendiri, dalam format Anda, dengan aturan retensi Anda sendiri.

Posisi BroadNet Inference

BroadNet menyediakan kedua bagian dalam satu kunci yang kompatibel dengan OpenAI: BroadNet Transcribe Arabic seharga $0.0042 per menit, dan Qwen3.8 27B yang sudah diuji dalam bahasa Arab untuk notulennya. Pernyataan privasinya menyebut BroadNet tidak menyimpan prompt, audio, jawaban, atau transkrip setelah permintaan, yang penting untuk rapat internal. BroadNet tidak mengembalikan label pembicara atau timestamp, dan tidak punya transkripsi live, jadi gunakan penyedia lain jika Anda membutuhkannya. Mulailah dengan panduan speech-to-text bahasa Arab, lalu tambahkan langkah ringkasan di atas.

Pertanyaan umum

Bagaimana cara membuat notulen rapat dari rekaman berbahasa Arab?

Transkripsikan audio dengan API speech-to-text bahasa Arab, dengan mengirim language=ar. Lalu kirim transkripnya ke LLM dengan prompt yang meminta ringkasan singkat, keputusan, action item beserta penanggung jawab dan tenggat, serta pertanyaan terbuka sebagai JSON. Tinjau hasilnya sebelum dikirim.

Bisakah notulen ditulis dalam bahasa Inggris padahal rapatnya berbahasa Arab?

Bisa. Transkripsikan dalam bahasa Arab, lalu minta LLM menulis notulen dalam bahasa Inggris dengan nama, angka, dan kutipan tetap persis seperti yang diucapkan. Simpan kutipan berbahasa Arab supaya reviewer dwibahasa bisa mengecek terjemahannya.

Bagaimana menangani dialek dalam notulen rapat?

Biarkan transkrip mempertahankan dialeknya, karena itulah yang diucapkan. Minta LLM menulis notulen dalam bahasa Arab Standar Modern, dan mempertahankan kata dialek dalam tanda kutip jika maknanya penting, seperti komitmen atau penolakan.

Bisakah API mengetahui siapa mengatakan apa?

Hanya jika API itu mengembalikan label pembicara. Transkripsi BroadNet mengembalikan teks biasa. Jika setiap peserta direkam di track atau channel terpisah, transkripsikan setiap track sendiri-sendiri dan Anda tahu pembicaranya; jika tidak, gunakan penyedia dengan diarization.

Model mana yang sebaiknya meringkas rapat yang panjang?

Pilih model dengan konteks yang cukup untuk transkrip terpanjang Anda dan kemampuan bahasa Arab yang baik. Di BroadNet, Qwen3.8 27B adalah model yang sudah diuji dalam bahasa Arab dengan konteks 262.144 token; GLM 5.3 dan DeepSeek V4.1 Flash menerima 1.048.576 token. Uji dua model pada tiga rapat nyata.

Apakah aman mengirim rapat internal ke API?

Cek dulu ketentuan retensi penyedia. BroadNet menyatakan tidak menyimpan prompt, audio, jawaban, atau transkrip setelah permintaan. Tetap hapus apa pun yang tidak dibutuhkan notulen, seperti nomor telepon pribadi yang dibacakan.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity