BroadRouter

API speech-to-text multibahasa: 14 bahasa, satu endpoint

Oleh tim BroadNet Inference · 6 menit baca · Dipublikasikan · Diperbarui

BroadNet Transcribe adalah model speech-to-text untuk 14 bahasa, termasuk Inggris, Spanyol, Prancis, Jerman, Mandarin, Jepang, dan Arab, yang disajikan di endpoint /v1/audio/transcriptions yang kompatibel dengan OpenAI. Biayanya $0.002 per menit audio ($0.12 per jam). Untuk audio yang sebagian besar berbahasa Arab, pilihan khususnya adalah BroadNet Transcribe Arabic seharga $0.0042 per menit.

The words English, Español, Français, Deutsch, 日本語, 한국어, 中文, Tiếng Việt and العربية, with the text "Many languages. One connection."

Sebagian besar produk yang menangani audio berurusan dengan lebih dari satu bahasa: layanan dukungan global, rekaman rapat dari berbagai kantor, kotak masuk pesan suara di kota multibahasa. Menjalankan satu vendor speech-to-text per bahasa berarti biaya pemeliharaan. BroadNet Transcribe menempatkan 14 bahasa di balik satu endpoint yang kompatibel dengan OpenAI, berharga per menit audio, dengan model khusus bahasa Arab di sebelahnya untuk beban kerja yang didominasi bahasa Arab.

Bahasa apa saja yang dicakup BroadNet Transcribe?

Daftar bahasa berasal dari pricing.json yang diterbitkan BroadNet, dalam bentuk kode ISO 639-1:

Kode Bahasa Kode Bahasa
en Inggris nl Belanda
es Spanyol pl Polandia
fr Prancis zh Mandarin
de Jerman ja Jepang
it Italia ko Korea
pt Portugis vi Vietnam
el Yunani ar Arab

BroadNet Transcribe berbasis Cohere Transcribe dan disajikan oleh BroadNet. ID modelnya adalah broadnet/cohere-transcribe.

Untuk gambaran lengkap, indeks harga API speech-to-text terbuka kami mencantumkan harga batch dan streaming, kelipatan penagihan, dan dukungan bahasa Arab untuk lebih dari 20 produk, masing-masing dicek terhadap halaman harga penyedianya sendiri (CSV dan JSON).

Berapa biaya transkripsi multibahasa?

Model Per menit Per jam Bahasa
BroadNet Transcribe $0.002 $0.12 14
BroadNet Transcribe Arabic $0.0042 $0.25 Arab

Penagihan dihitung per menit audio, bukan per permintaan atau per token. Kedua model bisa dipakai dengan kredit awal gratis $5, jadi Anda bisa menguji rekaman sendiri sebelum top up. Lihat semua harga di halaman harga, hitung jam bulanan Anda di kalkulator biaya speech-to-text, atau bandingkan penyedia lain di perbandingan harga API speech-to-text.

Bagaimana memanggil endpoint transkripsi?

Endpoint ini mengikuti bentuk transkripsi audio OpenAI, jadi SDK resmi bisa dipakai dengan mengganti base URL:

import os
from openai import OpenAI

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

with open("meeting-fr.mp3", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="broadnet/cohere-transcribe",
        file=audio,
        language="fr",
    )
print(result.text)

Atau dengan curl:

curl https://inference.broadnet.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -F model=broadnet/cohere-transcribe \
  -F language=es \
  -F file=@llamada.wav

Respons berupa JSON dengan transkrip di text. Respons yang didokumentasikan BroadNet adalah teksnya saja; jika Anda membutuhkan timestamp per kata atau label pembicara, periksa referensi API untuk melihat apa yang saat ini didukung sebelum mendesain sistem berdasarkan fitur itu.

Mengapa bahasa harus selalu dikirim?

Dokumentasi BroadNet tegas: kirim language di setiap permintaan transkripsi. Tanpanya, bahasa Arab bisa kembali dalam bentuk transliterasi huruf Latin, dan risiko yang sama berlaku untuk bahasa apa pun yang mungkin tertukar oleh model. Jika Anda tidak tahu bahasanya sebelumnya:

  1. Gunakan metadata lebih dulu. Negara penelepon, bahasa aplikasi pengguna, atau prefiks nomor telepon biasanya tepat.
  2. Tanyakan kepada pengguna di produk suara (“tekan 1 untuk bahasa Inggris, 2 untuk bahasa Arab”).
  3. Coba sampel pendek. Transkripsikan 30 detik pertama dengan tebakan terbaik Anda; jika teksnya tampak salah (aksara salah, kacau), ulangi dengan kandidat berikutnya.

Apa batas dan format yang berlaku?

  • Format: WAV (audio/wav) atau MP3 (audio/mpeg). Konversikan file .ogg, .m4a, .webm, dan video dengan ffmpeg lebih dulu. Panduan pesan suara WhatsApp memuat perintah satu barisnya.
  • Ukuran: hingga 26.214.400 byte (25 MiB) per file; file yang lebih besar mengembalikan 413. Itu sekitar 13 menit WAV mono 16 kHz atau sekitar 54 menit MP3 64 kbit/s. Pecah audio yang lebih panjang dengan ffmpeg -f segment -segment_time 600.
  • Laju: kunci bayar sesuai pemakaian mengizinkan 30 permintaan per menit dan 4 sekaligus. Ulangi 429 dengan backoff; lihat error dan retry.
  • Privasi: audio dan transkrip diproses untuk permintaan itu dan tidak disimpan. Lihat zero data retention.

Untuk pipeline batch produksi dengan chunking dan worker pool, lihat transkripsi call center berbahasa Arab dalam skala besar; desain yang sama berlaku untuk ke-14 bahasa.

Kapan sebaiknya memilih model khusus bahasa Arab?

BroadNet menawarkan dua model karena bahasa Arab lebih sulit daripada sebagian besar bahasa untuk pengenalan ucapan: banyak dialek di bawah satu standar tulisan, sering terjadi code-switching dengan bahasa Inggris dan Prancis, dan banyak audio berkualitas telepon. BroadNet Transcribe Arabic adalah pilihan khususnya, dan BroadNet hanya menerbitkan akurasi bahasa Arab untuk model itu:

  • BroadNet melaporkan model itu berada di #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.
  • Word error rate dari lab BroadNet: 3,8 di FLEURS-ar, 21,1 di MASC-ar, dan 23,4 di set dialeknya sendiri (makin rendah makin baik). Apa arti angka-angka itu.

BroadNet tidak menerbitkan angka bahasa Arab untuk model 14 bahasa, tetapi leaderboard publik menerbitkannya: pada 15 November 2026, leaderboard itu menempatkan Cohere Transcribe 03-2026, model di balik BroadNet Transcribe, di #8 dari 39 dengan rata-rata WER 30,67, dibandingkan 24,19 untuk model Arab di #4 dari 39. Untuk bahasa lain, BroadNet melaporkan word error rate 5,5 di FLEURS Inggris dan 3,2 di FLEURS Spanyol untuk BroadNet Transcribe, serta sekitar 113 kali realtime pada satu stream (217 kali saat batch) untuk audio berbahasa Inggris, menurut halaman modelnya. Aturan sederhananya:

Audio Anda Pilih
Sebagian besar bahasa Arab, dialek apa pun BroadNet Transcribe Arabic
File bahasa Arab minoritas, akurasi tidak kritis BroadNet Transcribe untuk semuanya, atau uji keduanya
Portofolio campuran dengan bahasa per file yang diketahui Arahkan file bahasa Arab ke model Arab, sisanya ke BroadNet Transcribe
Salah satu dari 13 bahasa lainnya BroadNet Transcribe

Routing berdasarkan bahasa hanya butuh perubahan satu baris, karena kedua model berbagi endpoint dan bentuk permintaan yang sama:

def stt_model(lang: str) -> str:
    return "broadnet/cohere-transcribe-arabic" if lang == "ar" else "broadnet/cohere-transcribe"

Model Arab sekitar dua kali lebih mahal per menit. Pada volume besar, uji keduanya pada beberapa jam audio bahasa Arab nyata Anda dan bandingkan word error rate per dialek; panduan pembeli speech-to-text bahasa Arab memuat rencana uji satu jam. Jika masalahnya ada pada angka, tanggal, dan nama dalam audio Arab yang bising, BroadNet juga mencantumkan model bahasa Arab hasil fine-tune yang tersedia atas permintaan di halaman model.

Bagaimana menguji akurasi di setiap bahasa?

Satu angka akurasi dari vendor menyembunyikan perbedaan besar antarbahasa, aksen, dan kondisi rekaman. Sebelum menyerahkan sebuah beban kerja, jalankan uji kecil per bahasa:

  1. Kumpulkan 20 sampai 50 klip nyata per bahasa, dari saluran yang benar-benar akan Anda transkripsikan: panggilan telepon, rekaman rapat, pesan suara, atau video. Sertakan aksen tersulit Anda.
  2. Tulis transkrip referensi untuk sebagian klip secara manual, dengan aturan ejaan yang disepakati untuk angka, nama, dan kata serapan bahasa Inggris.
  3. Transkripsikan dengan kode language yang benar dan hitung word error rate per bahasa. Untuk Mandarin dan Jepang, yang ditulis tanpa spasi antarkata, gunakan character error rate.
  4. Baca kesalahannya. Nama produk, jumlah uang, dan alamat lebih penting daripada kata pengisi.
  5. Ulangi untuk bahasa Arab dengan kedua model jika bahasa Arab termasuk dalam campuran Anda, lalu bandingkan per dialek.

Kredit awal $5 cukup untuk uji seperti ini di beberapa bahasa pada BroadNet Transcribe, karena harga per menitnya rendah.

Beban kerja apa yang cocok?

Beban kerja Catatan
Layanan dukungan multibahasa Arahkan berdasarkan pilihan bahasa di IVR; kirim kode language yang sesuai
Notulen rapat untuk tim terdistribusi Transkripsikan per rekaman, lalu ringkas dengan LLM
Kotak masuk pesan suara Konversikan .ogg ke WAV dulu; lihat panduan WhatsApp
Arsip media dan podcast Pecah file panjang di bawah 25 MiB; proses batch di malam hari
Aplikasi belajar bahasa Transkripsikan ucapan pelajar, lalu beri umpan balik dengan LLM

Dalam setiap kasus, biaya hanya bertambah sesuai menit audio: $0.12 per jam audio di BroadNet Transcribe, apa pun bahasanya.

Apa yang terjadi setelah transkripsi?

Transkrip jarang menjadi produk akhir. Langkah lanjutan yang umum dengan kunci API yang sama:

  • Ringkasan dan daftar tindak lanjut rapat dengan DeepSeek V4.1 Flash, yang konteks 1.048.576 tokennya muat untuk transkrip yang sangat panjang.
  • Terjemahan transkrip ke satu bahasa kerja; lihat terjemahan Arab–Inggris dengan LLM.
  • Penilaian QA panggilan dukungan dengan output JSON terstruktur.

Bagaimana bermigrasi dari API transkripsi lain?

Jika Anda sudah memanggil endpoint transkripsi bergaya OpenAI, termasuk Whisper API yang menurut OpenAI akan dihentikan pada 26 Februari 2027 (apa yang perlu diuji sebelum beralih), migrasi biasanya hanya tiga perubahan: base URL, kunci API, dan ID model, ditambah memastikan Anda mengirim language. Periksa field respons yang dibaca kode Anda selain text. Checklist migrasi API kompatibel OpenAI membahas sisanya.

Pertanyaan umum

Bahasa apa saja yang didukung BroadNet Transcribe?

Empat belas - Inggris, Spanyol, Prancis, Jerman, Italia, Portugis, Yunani, Belanda, Polandia, Mandarin, Jepang, Korea, Vietnam, dan Arab. Daftarnya diterbitkan di pricing.json sebagai kode ISO 639-1.

Bisakah satu file berisi dua bahasa?

Setiap permintaan menerima satu kode bahasa. Untuk audio yang berganti bahasa, transkripsikan dengan bahasa utamanya dan periksa hasil bahasa lainnya, atau pisahkan audio per pembicara atau segmen jika pergantiannya panjang.

Apakah model multibahasa cukup baik untuk bahasa Arab?

Model ini menerima bahasa Arab dan lebih murah per menit. BroadNet hanya menerbitkan angka akurasi bahasa Arab untuk BroadNet Transcribe Arabic, jadi jika bahasa Arab merupakan porsi besar audio Anda, uji keduanya pada rekaman Anda dan bandingkan word error rate-nya.

Apakah bisa dipakai dengan OpenAI SDK?

Bisa. Arahkan SDK ke base URL BroadNet dan panggil audio.transcriptions.create dengan ID model, file, dan bahasa.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity