---
title: "Apa itu API speech-to-text? ASR dan transkripsi | BroadRouter"
description: "Speech-to-text mengubah audio ucapan menjadi teks. Cara kerja API transkripsi, biayanya per menit audio, cara mengukur akurasi, dan batas yang perlu diperiksa."
url: https://broadrouter.com/id/glossary/speech-to-text/
lang: id
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/glossary/speech-to-text/) (diperbarui 2026-11-15).

# Speech-to-text (ucapan ke teks)

Diperbarui 2026-11-15

Speech-to-text, juga disebut automatic speech recognition (ASR), adalah teknologi yang mengubah audio ucapan menjadi teks tertulis. API speech-to-text menerima file atau stream audio dan mengembalikan transkrip, biasanya dihargai per menit audio. Akurasinya diukur dengan word error rate dan bervariasi menurut aksen, dialek, dan kualitas rekaman.

Disebut juga: speech-to-text, ucapan ke teks, audio ke teks, suara ke teks, transkripsi audio, API transkripsi, pengenalan ucapan, STT, ASR, automatic speech recognition, transcription API, audio transcription, voice to text

Voice note, panggilan telepon, dan rapat menyimpan informasi yang tidak bisa dicari perangkat lunak sampai diubah menjadi teks. Speech-to-text menutup celah itu.

## Cara kerjanya

Hugging Face mendefinisikan automatic speech recognition sebagai “the task of transcribing a given audio to text” (terjemahan: tugas mentranskripsikan audio tertentu menjadi teks). Model ASR modern mengubah audio menjadi fitur, lalu menghasilkan urutan kata yang paling mungkin.

Lewat API yang kompatibel dengan OpenAI, Anda mengunggah file sebagai form data multipart ke `/v1/audio/transcriptions`:

```bash
curl https://inference.broadnet.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -F model=broadnet/cohere-transcribe-arabic \
  -F language=ar \
  -F file=@voice-note.wav
```

Responsnya berupa JSON dengan transkrip di `text`. Penyedia menetapkan batas ukuran dan format file; endpoint milik OpenAI sendiri menerima file hingga 25 MB (menurut panduan speech-to-text-nya, diperiksa 2026-11-15).

## Kenapa ini penting

-   **Akurasi menentukan nilai.** Transkrip dengan nama atau angka yang salah bisa lebih buruk daripada tidak ada transkrip. Akurasi diukur dengan [word error rate](https://broadrouter.com/id/glossary/word-error-rate/), dan turun pada aksen, dialek, ucapan yang tumpang-tindih, dan audio telepon.
-   **Harga per jam audio.** STT ditagih per menit audio, jadi volume mudah diperkirakan: jam audio dikali tarif per jam.
-   **Privasi.** Suara membawa nama, nomor telepon, serta detail kesehatan atau perbankan. Tanyakan apakah audio dan transkrip disimpan; lihat [zero data retention](https://broadrouter.com/id/glossary/zero-data-retention/).
-   **Pipeline.** Transkrip sering diteruskan ke LLM berikutnya, untuk ringkasan, routing, atau ekstraksi.

## Di BroadNet Inference

| Model | Bahasa | Harga per menit | Per jam |
| --- | --- | --- | --- |
| [BroadNet Transcribe Arabic](https://broadrouter.com/id/models/cohere-transcribe-arabic/) | Bahasa Arab, termasuk dialek | $0.0042 | $0.25 |
| [BroadNet Transcribe](https://broadrouter.com/id/models/cohere-transcribe/) | 14 bahasa | $0.002 | $0.12 |

Keduanya menerima WAV atau MP3 hingga 26.214.400 byte (25 MiB) per file; file yang lebih besar mengembalikan 413. Kirim `language=ar` untuk bahasa Arab, atau hasilnya bisa kembali dalam transliterasi huruf Latin. BroadNet melaporkan model bahasa Arab-nya di peringkat #2 dari 37 (angka September 2026; papan peringkat langsung mencantumkannya di #4 dari 39 pada 15 November 2026) pada Open Universal Arabic ASR Leaderboard. Audio dan transkrip tidak disimpan.

Penyedia lain bisa lebih murah. Pada 2026-11-14, [halaman harga Soniox](https://soniox.com/pricing) mencantumkan sekitar USD 0,10 per jam untuk transkripsi file (async) dan USD 0,12 per jam untuk real-time, dan daftar bahasanya mencakup bahasa Arab. Itu di bawah tarif BroadNet Transcribe Arabic sebesar $0.25 per jam, jadi uji keduanya pada audio Anda sendiri. [Indeks harga API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/) terbuka kami mencantumkan lebih dari 20 produk, dengan sumber dan tanggal untuk setiap harga.

Kedua model berjalan dengan kredit awal gratis $5, yang cukup untuk sekitar 1,190 menit audio bahasa Arab. Mulailah dengan [panduan speech-to-text bahasa Arab](https://broadrouter.com/id/guides/arabic-speech-to-text-api/), konversi file `.ogg` WhatsApp dengan [panduan voice note](https://broadrouter.com/id/guides/transcribe-whatsapp-voice-notes/), dan bandingkan penyedia dengan [panduan pembeli](https://broadrouter.com/id/blog/arabic-speech-to-text-api-buyers-guide/).

## Pertanyaan umum

### Bagaimana akurasi speech-to-text diukur?

Dengan word error rate (WER), yaitu persentase kata yang salah dalam transkrip dibandingkan referensi yang benar. Makin rendah makin baik. Ukur pada rekaman Anda sendiri, karena akurasi sangat bervariasi menurut aksen, dialek, dan kualitas audio.

### Bagaimana cara mentranskripsikan file yang melebihi batas ukuran?

Pecah audio menjadi bagian yang lebih pendek, sebaiknya di jeda bicara, lalu transkripsikan masing-masing. Mengompres ke MP3 juga memperkecil ukuran.

### Kenapa bahasa Arab kadang kembali dalam huruf Latin?

Tanpa petunjuk bahasa, sebagian model melakukan transliterasi. Di BroadNet Inference, kirim language=ar untuk bahasa Arab.

## Lihat juga

-   [Word error rate (WER)](https://broadrouter.com/id/glossary/word-error-rate/) (istilah)
-   [Zero data retention (ZDR)](https://broadrouter.com/id/glossary/zero-data-retention/) (istilah)
-   [API kompatibel OpenAI](https://broadrouter.com/id/glossary/openai-compatible-api/) (istilah)
-   [Bayar sesuai pemakaian (pay-as-you-go)](https://broadrouter.com/id/glossary/pay-as-you-go/) (istilah)
-   [Speaker diarization (diarisasi pembicara)](https://broadrouter.com/id/glossary/diarization/) (istilah)
-   [Voice activity detection (VAD)](https://broadrouter.com/id/glossary/vad/) (istilah)
-   [Sample rate (laju sampel)](https://broadrouter.com/id/glossary/sample-rate/) (istilah)
-   [Timestamp (speech-to-text)](https://broadrouter.com/id/glossary/timestamps-asr/) (istilah)
-   [Alih kode (code-switching)](https://broadrouter.com/id/glossary/code-switching/) (istilah)
-   [Text-to-speech (TTS)](https://broadrouter.com/id/glossary/text-to-speech/) (istilah)
-   [WAV](https://broadrouter.com/id/glossary/wav/) (istilah)
-   [API speech-to-text bahasa Arab, langkah demi langkah](https://broadrouter.com/id/guides/arabic-speech-to-text-api/) (panduan)
-   [Transkripsi voice note WhatsApp ke teks dengan API](https://broadrouter.com/id/guides/transcribe-whatsapp-voice-notes/) (panduan)
-   [API speech-to-text bahasa Arab: cara memilihnya di 2026](https://broadrouter.com/id/blog/arabic-speech-to-text-api-buyers-guide/) (artikel)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

[Mulai](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-speech-to-text&utm_content=page-cta) ·

**Sumber**

-   [Harga speech-to-text Soniox (diperiksa 2026-11-14)](https://soniox.com/pricing)
-   [Hugging Face Tasks, automatic speech recognition](https://huggingface.co/tasks/automatic-speech-recognition)
-   [OpenAI, panduan speech-to-text (endpoint transcriptions, batas file 25 MB; diperiksa 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Referensi API BroadNet Inference, transkripsi (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-speech-to-text&utm_content=sources)
-   [Harga BroadNet Inference yang dapat dibaca mesin (pricing.json) (bahasa Inggris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-speech-to-text&utm_content=sources)
