---
title: "Apa itu timestamp kata dan segmen di speech-to-text?"
description: "Timestamp ASR menunjukkan kapan setiap kata atau segmen diucapkan. Timestamp kata vs segmen, cara API mengembalikannya, dan solusi jika API hanya memberi teks."
url: https://broadrouter.com/id/glossary/timestamps-asr/
lang: id
updated: 2026-11-16
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/timestamps-asr/) (diperbarui 2026-11-16).

# Timestamp (speech-to-text)

Diperbarui 2026-11-16

Timestamp dalam speech-to-text adalah waktu mulai dan selesai, dalam detik, yang dilekatkan pada bagian-bagian transkrip. Timestamp segmen mencakup satu frasa atau kalimat; timestamp kata mencakup setiap kata. Timestamp dibutuhkan untuk subtitle, pencarian di dalam rekaman, dan menyelaraskan teks dengan pembicara.

Disebut juga: timestamp, timestamp kata, timestamp per kata, timestamp segmen, penanda waktu transkrip, word timestamps, word-level timestamps, segment timestamps, timestamp\_granularities, ASR timestamps

Transkrip memberi tahu apa yang diucapkan; timestamp memberi tahu di bagian mana rekaman itu bisa ditemukan.

## Cara kerjanya

Sebagian besar sistem ASR menyediakan dua level:

-   **Level segmen.** Satu rentang waktu per frasa, misalnya `{"text": " Hi there!", "timestamp": (0.5, 1.5)}`.
-   **Level kata.** Satu rentang waktu per kata, misalnya `hi` pada 0,5 sampai 0,9 detik dan `there` pada 1,0 sampai 1,5 detik.

Pipeline ASR Hugging Face menyediakan keduanya lewat `return_timestamps`: `True` memberi segmen untuk Whisper, `"word"` memberi kata, dan model CTC seperti Wav2Vec2 juga mendukung `"char"`. Hasilnya kembali sebagai `chunks`, masing-masing berisi `text` dan tuple `(start, end)`. Dokumentasinya mencatat bahwa waktu kata Whisper diperkirakan dengan dynamic time warping atas bobot cross-attention, jadi merupakan aproksimasi, bukan pengukuran.

API yang di-hosting mengikuti pola yang sama. Panduan speech-to-text OpenAI mendokumentasikan `timestamp_granularities[]` dengan nilai `word` atau `segment`, dipasangkan dengan `response_format: "verbose_json"`, dan hanya mendokumentasikan fitur ini untuk model `whisper-1` yang sudah deprecated, yang masih bisa dipakai integrasi yang sudah ada sampai dihentikan pada 26 Februari 2027.

```bash
curl https://api.openai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F model=whisper-1 -F file=@call.mp3 \
  -F response_format=verbose_json \
  -F "timestamp_granularities[]=word"
```

## Mengapa penting

-   **Subtitle.** File SRT dan VTT membutuhkan waktu mulai dan selesai untuk setiap baris takarir.
-   **Pencarian dan review.** Reviewer kualitas bisa langsung melompat ke detik saat keluhan dimulai, tanpa mendengarkan seluruh panggilan; lihat [mentranskripsikan rekaman call center](https://broadrouter.com/id/blog/transcribe-call-center-recordings/).
-   **Giliran pembicara.** Menggabungkan transkrip dengan output [speaker diarization](https://broadrouter.com/id/glossary/diarization/) dilakukan dengan mencocokkan waktu.
-   **Ukuran payload.** Output level kata jauh lebih panjang daripada teks biasa, dan ini penting jika Anda lalu mengirimkannya ke LLM sebagai [token](https://broadrouter.com/id/glossary/token/).

## Di BroadNet Inference

Dokumentasi BroadNet tidak mendokumentasikan timestamp. `/v1/audio/transcriptions` mengembalikan transkrip sebagai `{"text": "..."}`, dan tidak ada opsi `timestamp_granularities` yang tercantum. Metadata `/v1/models` BroadNet (diperiksa 2026-11-15) mencantumkan `verbose_json` sebagai format respons, tetapi tidak ada keterangan bahwa format itu membawa waktu segmen atau kata, jadi uji dulu sebelum mengandalkannya. Untuk timing kasar, potong audio sendiri, misalnya di titik jeda yang ditemukan dengan [voice activity detection](https://broadrouter.com/id/glossary/vad/) atau menjadi segmen berdurasi tetap, lalu catat offset mulai setiap potongan. Teks setiap potongan kemudian mewarisi offset tersebut. Hasilnya timing per kalimat yang cukup untuk berpindah-pindah di dalam rekaman panggilan, bukan subtitle yang akurat per frame. Kirim `language` di setiap potongan ke [BroadNet Transcribe Arabic](https://broadrouter.com/id/models/cohere-transcribe-arabic/) atau [BroadNet Transcribe](https://broadrouter.com/id/models/cohere-transcribe/). Jika timing per kata adalah syarat mutlak, jalankan aligner atau model yang mendokumentasikannya.

## Pertanyaan umum

### Apa beda timestamp kata dan timestamp segmen?

Timestamp segmen memberi satu waktu mulai dan selesai untuk satu frasa yang terdiri dari satu kata atau lebih. Timestamp kata memberi rentang waktu untuk setiap kata, yang dibutuhkan editor subtitle dan tool pencarian.

### Apakah API transkripsi BroadNet mengembalikan timestamp?

Tidak ada timestamp yang terdokumentasi. Responsnya hanya {"text": ...}, jadi pecah audio menjadi potongan dan catat offset setiap potongan jika Anda butuh timing kasar.

### Bagaimana cara membuat subtitle tanpa timestamp kata?

Pecah audio menjadi potongan pendek di titik jeda, transkripsikan masing-masing, dan pakai offset mulai dan selesai setiap potongan sebagai waktu takarir. Hasilnya timing per frasa, cukup untuk banyak file subtitle tetapi tidak akurat per frame.

## Lihat juga

-   [Speech-to-text (ucapan ke teks)](https://broadrouter.com/id/glossary/speech-to-text/) (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)
-   [Subtitle SRT](https://broadrouter.com/id/glossary/srt-subtitles/) (istilah)
-   [API speech-to-text bahasa Arab, langkah demi langkah](https://broadrouter.com/id/guides/arabic-speech-to-text-api/) (panduan)
-   [Cara transkripsi rekaman call center: pipeline siap bahasa Arab](https://broadrouter.com/id/blog/transcribe-call-center-recordings/) (artikel)
-   [Alternatif API Whisper: kapan beralih dan cara mengujinya](https://broadrouter.com/id/blog/whisper-api-alternative/) (artikel)
-   [Subtitle bahasa Arab (SRT) dari API speech-to-text: yang Anda butuhkan](https://broadrouter.com/id/blog/arabic-subtitles-srt-api/) (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-timestamps-asr&utm_content=page-cta) ·

**Sumber**

-   [OpenAI, panduan speech to text (timestamp\_granularities) (diperiksa 2026-11-16)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Hugging Face Transformers, pipelines (ASR return\_timestamps) (diperiksa 2026-11-16)](https://huggingface.co/docs/transformers/main_classes/pipelines)
-   [Referensi API BroadNet Inference, respons transkripsi (diperiksa 2026-11-16) (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-timestamps-asr&utm_content=sources)
