Untuk memilih API speech-to-text bahasa Arab, transkripsikan 30 hingga 50 klip Anda sendiri per dialek dengan setiap kandidat, bandingkan word error rate per dialek, lalu timbang harga per jam audio, batas file, kebutuhan streaming, dan penyimpanan data. Model yang tampak hebat di benchmark tetap bisa gagal pada audio call center Anda.
Bahasa Arab sulit untuk pengenalan ucapan: satu standar tulisan berdiri di atas banyak dialek lisan, penutur beralih ke bahasa Inggris di tengah kalimat, dan sebagian besar audio nyata berupa panggilan telepon dan voice note.
Mengapa word error rate pada audio Anda sendiri paling penting?
Word error rate (WER) adalah porsi kata yang salah dikenali model: diganti, terlewat, atau dikarang. Makin rendah makin baik. Angka publik adalah titik awal:
| Set tes | Isinya | BroadNet Transcribe Arabic | ElevenLabs Scribe v2 | Whisper large-v3 |
|---|---|---|---|---|
| FLEURS-ar | Kalimat baca yang bersih | 3,8 | tidak dipublikasikan | tidak dipublikasikan |
| MASC-ar | Ucapan bahasa Arab campuran dari dunia nyata | 21,1 | 22,3 | 31,5 |
| Set dialek BroadNet | Ucapan Teluk, Mesir, dan Levant | 23,4 | 25,6 | 31,8 |
Ini adalah pengukuran lab BroadNet, yang dipublikasikan di katalog modelnya dan halaman Transcribe Arabic. BroadNet menjalankan perbandingan ini sendiri, jadi anggap kolom ElevenLabs dan Whisper sebagai tes satu vendor terhadap pesaingnya, bukan hasil independen. BroadNet juga melaporkan model ini #2 dari 37 (angka September 2026; papan peringkat langsung mencantumkannya di #4 dari 39 pada 15 November 2026) di Open Universal Arabic ASR Leaderboard, dan #1 di antara model yang lisensinya mengizinkan penyajian lewat API. Pada 15 November 2026, tiga entri di atasnya adalah Jais-ASR, Sygma-ASR-Arabic (yang dijelaskan papan itu sebagai beam decoding pada model Cohere), dan Audar-ASR-V1-Turbo; Whisper large-v3 berada di #19. Kami belum mengecek lisensi setiap entri.
Anda bisa mendengar hasil model ini pada suara Anda sendiri sebelum mendaftar: playground browser BroadNet mentranskripsikan hingga 60 detik audio bahasa Arab atau Inggris tanpa akun. Lihat cara memakai playground.
Selisih antara 3,8 dan 23,4 adalah pelajarannya: model yang sama bisa nyaris sempurna pada ucapan baca dan jauh lebih lemah pada percakapan berdialek. Uji pada audio Anda.
Berhati-hatilah dengan angka vendor secara umum. Banyak angka WER bahasa Arab yang dipublikasikan berasal dari tes vendor sendiri, pada audio yang tidak bisa Anda lihat. Sebuah angka hanya bisa dibandingkan jika set tes, normalisasi, dan alat penilaiannya sama.
Untuk gambaran lengkap, indeks harga API speech-to-text terbuka kami mencantumkan harga batch dan streaming, satuan penagihan, dan dukungan bahasa Arab untuk lebih dari 20 produk, masing-masing dicek terhadap halaman harga penyedianya sendiri (CSV dan JSON).
Bagaimana mengecek cakupan dialek?
Kelompokkan file tes Anda menurut dialek: Teluk (Khaleeji), Mesir, Levant, Irak, Maghribi, ditambah bahasa Arab Standar Modern. Beri skor setiap kelompok secara terpisah. Jika sebagian besar pelanggan Anda ada di Riyadh, WER dialek Teluk jauh lebih penting daripada rata-rata.
Waspadai code-switching. Percakapan bisnis Teluk bercampur dengan nama produk dan angka dalam bahasa Inggris. Cek bagaimana angka, tanggal, dan nama keluar, karena itulah kata-kata yang ditindaklanjuti sistem hilir Anda. BroadNet menawarkan model bahasa Arab hasil fine-tuning untuk angka, tanggal, dan nama di audio yang bising, atas permintaan.
Berapa biaya transkripsi bahasa Arab per jam audio?
Bandingkan per jam audio, karena begitulah volume Anda diukur:
| Model | Per menit | Per jam | 1.000 jam |
|---|---|---|---|
| BroadNet Transcribe Arabic | $0.0042 | $0.25 | $252.00 |
| BroadNet Transcribe (14 bahasa) | $0.002 | $0.12 | — |
| Soniox async (file), 60+ bahasa | sekitar USD 0,0017 (diturunkan) | sekitar USD 0,10 | sekitar USD 100 |
| Soniox real-time (streaming) | sekitar USD 0,002 (diturunkan) | sekitar USD 0,12 | sekitar USD 120 |
Baris Soniox berasal dari harga Soniox, dicek 14 November 2026. Soniox menagih per token (sekitar 30.000 token audio per jam) dan menyebut angka per jam sebagai perkiraan.
Soniox lebih murah per jam daripada BroadNet. Tarif file-nya kurang dari separuh tarif BroadNet Transcribe Arabic sebesar $0.25 dan di bawah tarif BroadNet Transcribe sebesar $0.12. Tarif real-time-nya setara BroadNet Transcribe dan tetap lebih murah daripada model bahasa Arab, sementara BroadNet sama sekali tidak mendokumentasikan streaming real-time. Soniox mencantumkan bahasa Arab (ar) di antara bahasa yang didukung dan menampilkan satu tarif untuk semua bahasa. Soniox tidak menerbitkan harga khusus bahasa Arab, angka WER bahasa Arab, atau cakupan dialek, jadi harganya jelas tetapi akurasinya tidak. Jalankan tes dialek yang sama pada keduanya sebelum memilih berdasarkan harga.
Untuk kotak masuk dukungan, 10.000 voice note WhatsApp berdurasi masing-masing 30 detik berbiaya $21.00 dengan model bahasa Arab. Hitungannya 10,000 × 0.5 minutes × $0.0042. Masukkan volume Anda sendiri ke kalkulator biaya speech-to-text.
Saat membandingkan penyedia, cek satuan penagihan selain tarifnya: per detik, per menit, atau per blok yang dimulai, dan apakah ada biaya minimum per file. Pembulatan tagihan paling terasa pada voice note yang pendek. Untuk tarif per menit penyedia lain, yang dicek terhadap halaman harga mereka, lihat perbandingan harga API speech-to-text; jika Anda beralih dari endpoint OpenAI, lihat checklist alternatif API Whisper. Perbandingan Transcribe vs Transcribe Arabic menunjukkan kapan model 14 bahasa yang lebih murah sudah cukup.
Fitur apa yang harus dimiliki API speech-to-text bahasa Arab?
Tidak setiap produk butuh setiap fitur. Tentukan mana yang penting sebelum membandingkan:
| Fitur | Mengapa penting | Yang perlu ditanyakan |
|---|---|---|
| Unggah file batch | Voice note, rekaman, arsip | Format dan ukuran file maksimum |
| Streaming real-time | Caption langsung, voice agent | Latensi, dan apakah itu produk terpisah |
| Label pembicara (diarization) | Panggilan dengan agen dan pelanggan | Hanya batch, atau juga langsung? |
| Timestamp kata | Subtitle, pencarian, alat tinjauan | Tingkat kata atau segmen? |
| Code-switching | Bahasa Arab dengan istilah Inggris | Apakah butuh satu bahasa per permintaan? |
| Penyimpanan data | Panggilan membawa data pribadi | Apakah audio atau teks disimpan, dan berapa lama? |
Yang didokumentasikan BroadNet saat ini: transkripsi batch lewat endpoint /v1/audio/transcriptions yang kompatibel dengan OpenAI, input WAV atau MP3, field language, dan zero data retention. Untuk hal lain di daftar ini, cek referensi API sebelum Anda mengandalkannya.
Batas file dan format apa yang berlaku?
- Ukuran file. BroadNet menerima WAV atau MP3 hingga 26.214.400 byte (25 MiB) per file. File yang lebih besar menghasilkan 413; pecah rekaman yang lebih panjang.
- Format. Konversi voice note .ogg dan rekaman .m4a terlebih dulu; panduan voice note WhatsApp berisi baris ffmpeg-nya.
- Field language. Kirim
language=ar. Tanpanya, bahasa Arab bisa kembali dalam bentuk transliterasi huruf Latin. - Rate limit. Kunci bayar sesuai pemakaian mengizinkan 30 permintaan per menit dan 4 sekaligus. Untuk antrean besar, masukkan file ke antrean dan ulangi 429 dengan backoff; lihat error dan percobaan ulang.
Apakah audio disimpan?
Voice note dan panggilan membawa nama, nomor telepon, serta detail kesehatan atau perbankan. Tanyakan ke setiap penyedia apakah audio dan transkrip disimpan, dan berapa lama. BroadNet Inference tidak menyimpan keduanya; lihat zero data retention dan checklist ZDR kami.
Bagaimana menguji API transkripsi bahasa Arab dalam satu sore?
- Kumpulkan 30 hingga 50 klip nyata per dialek dari kanal produksi Anda. Hapus apa pun yang tidak boleh Anda bagikan.
- Tulis transkrip yang benar untuk 10 klip per dialek secara manual, dengan satu konvensi ejaan yang disepakati.
- Transkripsikan setiap klip dengan setiap kandidat API. Panduan langkah demi langkah bahasa Arab berisi kode curl dan Python untuk BroadNet.
- Normalisasi kedua teks dengan cara yang sama dan hitung WER serta CER per dialek. Penjelasan WER bahasa Arab berisi fungsi normalisasi Python dan menunjukkan mengapa melewatkannya bisa mengubah transkrip sempurna menjadi WER 75%.
- Baca sendiri 20 transkrip. WER yang rendah tetap bisa menyembunyikan angka atau nama yang salah.
Cara memilih klip, menulis referensi, dan memberi skor setiap kelompok dialek dibahas rinci dalam pengenalan ucapan dialek Arab.
Kesalahan umum
- Hanya menguji audio bersih. Pakai rekaman telepon dan voice note yang nyata.
- Satu WER rata-rata. Rata-rata yang bagus bisa menyembunyikan dialek yang dipakai pelanggan Anda.
- Melewatkan field language. Output transliterasi dinilai hampir seluruhnya sebagai kesalahan.
- Mengabaikan angka. Cek digit, tanggal, dan nominal secara manual; itulah yang ditindaklanjuti sistem Anda.
Di mana posisi BroadNet Inference?
BroadNet Transcribe Arabic cocok untuk transkripsi batch voice note, panggilan, dan rekaman bahasa Arab dengan harga per menit, tanpa audio yang disimpan. Kredit awal $5 mencakup sekitar 1,190 menit audio bahasa Arab, cukup untuk tes di atas tanpa kartu. Jika Anda membutuhkan fitur yang tidak didokumentasikannya, seperti caption streaming langsung, uji penyedia yang menawarkannya. Untuk tugas teks bahasa Arab setelah transkripsi, lihat memilih LLM untuk bahasa Arab.
