---
title: "Cara transkripsi audio bahasa Arab via API: curl dan Python"
description: "Transkripsikan audio bahasa Arab dengan BroadNet Transcribe Arabic lewat endpoint kompatibel OpenAI. Format, field language, contoh Python dan curl, serta harganya."
url: https://broadrouter.com/id/guides/arabic-speech-to-text-api/
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/guides/arabic-speech-to-text-api/) (diperbarui 2026-11-16).

# API speech-to-text bahasa Arab, langkah demi langkah

Diperbarui 2026-11-16

Kirim file WAV atau MP3 ke https://inference.broadnet.ai/v1/audio/transcriptions dengan model broadnet/cohere-transcribe-arabic dan language=ar. Responsnya berupa JSON dengan transkrip di text. Konversi format lain seperti .ogg dari WhatsApp ke WAV terlebih dahulu. Harganya per menit audio, dan BroadNet menyatakan tidak ada audio atau transkrip yang disimpan.

BroadNet Transcribe Arabic dikenai $0.0042 per menit audio. BroadNet melaporkannya 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](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard), dan #1 di antara model yang lisensinya mengizinkan penyajian lewat API. Untuk bahasa lain, BroadNet Transcribe mencakup 14 bahasa dengan tarif $0.002 per menit. Lihat [halaman model BroadNet Transcribe Arabic](https://broadrouter.com/id/models/cohere-transcribe-arabic/) dan [halaman model BroadNet Transcribe](https://broadrouter.com/id/models/cohere-transcribe/).

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.

## Dengan curl

```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 transkrip dalam JSON:

```json
{"text": "مرحباً، لقد وصلت إلى البريد الصوتي، اترك رسالتك من فضلك"}
```

## Dengan Python

```python
from openai import OpenAI
import os

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

with open("voice-note.wav", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="broadnet/cohere-transcribe-arabic",
        file=audio,
        language="ar",
    )
print(result.text)
```

## Selalu kirim bahasanya

Tanpa `language`, bahasa Arab bisa kembali **ditransliterasi ke huruf Latin**. Kirim `language=ar` untuk bahasa Arab dan `language=en` untuk bahasa Inggris.

## Dialek Arab apa saja yang didukung?

BroadNet menyebut BroadNet Transcribe Arabic mencakup bahasa Arab, termasuk dialek, dan memublikasikan tiga word error rate untuknya. Ini adalah pengukuran lab BroadNet sendiri dari [katalog modelnya](https://www.broadnet.ai/inference/models):

| Set uji | Isinya | Word error rate |
| --- | --- | --- |
| FLEURS-ar | Kalimat bersih yang dibacakan | 3,8 |
| MASC-ar | Campuran ucapan bahasa Arab dunia nyata | 21,1 |
| Set dialek BroadNet | Ucapan dialek | 23,4 |

BroadNet tidak memublikasikan rincian per dialek, jadi tidak ada pihak di luar BroadNet yang bisa mengatakan bagaimana skor audio Teluk dibandingkan dengan Mesir atau Maghrib. Penyedia lain menyatakan cakupan dengan cara berbeda. Deepgram mencantumkan Nova-3 Arabic dengan kode regional, dari `ar-AE`, `ar-SA`, dan `ar-EG` hingga `ar-MA` dan `ar-IQ`. Speechmatics menjual satu paket “Global Arabic” yang menyebut ucapan Arab Standar Modern, Teluk, Mesir, dan Levant, ditambah paket `ar_en` untuk bahasa Arab yang bercampur bahasa Inggris. Soniox mencantumkan bahasa Arab (`ar`) tanpa detail dialek.

Kode yang tercantum bukanlah akurasi yang terukur. Sebelum memilih, beri skor setiap kandidat pada klip Anda sendiri yang dikelompokkan per dialek:

-   **Teluk (Khaleeji):** ucapan Saudi, Emirat, Kuwait, Qatar, sering dengan nama produk berbahasa Inggris.
-   **Mesir:** dialek yang paling luas dipahami di media.
-   **Levant:** ucapan Suriah, Lebanon, Yordania, dan Palestina.
-   **Irak dan Maghrib:** ucapan Maroko, Aljazair, dan Tunisia biasanya kasus yang paling sulit.
-   **[Arab Standar Modern](https://broadrouter.com/id/glossary/msa/):** berita dan ucapan formal, baseline yang mudah.

[Panduan pengenalan ucapan dialek Arab](https://broadrouter.com/id/blog/arabic-dialect-speech-recognition/) menjelaskan kenapa skor dialek lebih buruk, dan [penjelasan word error rate](https://broadrouter.com/id/blog/arabic-asr-wer-explained/) menunjukkan cara memberi skornya.

## Berapa biaya API speech-to-text bahasa Arab?

Setiap penyedia di bawah mencantumkan bahasa Arab. Diurutkan dari yang termurah; harga untuk file pre-recorded kecuali ditandai, dan diperiksa pada 2026-11-14:

| Penyedia dan model | Per menit | Per jam | Cakupan bahasa Arab yang dinyatakan |
| --- | --- | --- | --- |
| Soniox, async (file) | sekitar USD 0,0017 | sekitar USD 0,10 | Bahasa Arab (`ar`) |
| Soniox, real-time | sekitar USD 0,002 | sekitar USD 0,12 | Bahasa Arab (`ar`) |
| [BroadNet Transcribe](https://broadrouter.com/id/models/cohere-transcribe/) (14 bahasa) | $0.002 | $0.12 | Bahasa Arab di antara 14 bahasa |
| [BroadNet Transcribe Arabic](https://broadrouter.com/id/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | Bahasa Arab, termasuk dialek (BroadNet) |
| Deepgram, Nova-3 monolingual | USD 0,0043 | USD 0,258 | `ar` plus kode regional |
| Speechmatics, Standard | USD 0,0075 | USD 0,45 | Global Arabic, `ar_en` |
| Speechmatics, Enhanced | USD 0,0125 | USD 0,75 | Global Arabic, `ar_en` |

Sumber: [harga Soniox](https://soniox.com/pricing) (ditagih per token; angka per jam adalah perkiraan Soniox), [harga Deepgram](https://deepgram.com/pricing), dan [harga Speechmatics](https://www.speechmatics.com/pricing). Soniox lebih murah daripada kedua model BroadNet, dan BroadNet tidak mendokumentasikan streaming real-time. Keunggulan BroadNet adalah model khusus bahasa Arab, peringkat leaderboard yang dilaporkannya, dan zero data retention. Untuk penyedia lain, lihat [indeks harga API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/) terbuka kami, yang mencantumkan harga batch dan streaming serta dukungan bahasa Arab untuk lebih dari 20 produk, lengkap dengan sumber dan tanggal masing-masing (CSV dan JSON). Untuk biaya tambahan, lihat [perbandingan harga API speech-to-text](https://broadrouter.com/id/blog/speech-to-text-api-pricing-compared/); untuk menghitung volume Anda sendiri, gunakan [kalkulator biaya speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

## Batas

-   WAV atau MP3, hingga 26.214.400 byte (25 MiB) per file. File yang lebih besar mengembalikan 413; pecah dulu.
-   Kunci bayar sesuai pemakaian mengizinkan 30 permintaan per menit dan 4 permintaan sekaligus.
-   Kedua model transkripsi berjalan dengan kredit awal gratis sebesar $5, jadi Anda bisa menguji rekaman sendiri sebelum membayar.

## Pemecahan masalah

-   **Huruf Latin, bukan aksara Arab.** Tambahkan `language=ar`.
-   **400 atau 422.** Periksa nama field (`model`, `language`, `file`) dan pastikan file-nya benar-benar WAV atau MP3. File `.ogg` yang hanya diganti namanya akan gagal; konversi dengan ffmpeg.
-   **413.** File melebihi 26.214.400 byte. Konversi ke WAV mono 16 kHz atau MP3, atau pecah menjadi bagian yang lebih pendek.
-   **401 di akun berbayar.** Periksa kunci dan jatah bayar sesuai pemakaian. Lihat [kode error BroadNet dan percobaan ulang](https://broadrouter.com/id/guides/errors-and-retries/).
-   **Akurasi lemah pada dialek atau panggilan yang bising.** Set uji dialek BroadNet sendiri mendapat skor lebih buruk daripada ucapan bersih yang dibacakan (lihat FAQ). Uji pada sampel audio nyata Anda dan ukur [word error rate](https://broadrouter.com/id/glossary/word-error-rate/)\-nya.

Voice note WhatsApp tiba sebagai `.ogg`. [Konversi dan transkripsikan voice note WhatsApp dalam satu langkah](https://broadrouter.com/id/guides/transcribe-whatsapp-voice-notes/). Jika Anda memerlukan angka, tanggal, dan nama dari audio yang bising, BroadNet menawarkan model bahasa Arab hasil fine-tuning [berdasarkan permintaan](https://broadrouter.com/id/models/#on-request).

## Istilah dalam panduan ini

[Speech-to-text (ucapan ke teks)](https://broadrouter.com/id/glossary/speech-to-text/)

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.

[Word error rate (WER)](https://broadrouter.com/id/glossary/word-error-rate/)

Word error rate (WER) adalah ukuran akurasi standar untuk pengenalan ucapan: jumlah substitusi, penghapusan, dan penyisipan kata yang dibutuhkan untuk mengubah transkrip menjadi referensi yang benar, dibagi jumlah kata dalam referensi. Makin rendah makin baik.

[Bayar sesuai pemakaian (pay-as-you-go)](https://broadrouter.com/id/glossary/pay-as-you-go/)

Bayar sesuai pemakaian (pay-as-you-go) adalah model harga di mana Anda hanya membayar yang Anda pakai, dihitung per satuan seperti token, permintaan, atau menit audio, tanpa langganan atau komitmen minimum. Sebagian besar API LLM menagih dengan cara ini, dari saldo prabayar atau tagihan berkala.

[Streaming (respons streaming)](https://broadrouter.com/id/glossary/streaming/)

Streaming adalah cara mengembalikan respons model bahasa dalam potongan-potongan kecil selagi masih dihasilkan, bukan sebagai satu balasan utuh di akhir. API yang kompatibel dengan OpenAI melakukan streaming lewat server-sent events jika permintaan mengatur stream ke true.

[Dialek bahasa Arab (dialectal Arabic)](https://broadrouter.com/id/glossary/dialectal-arabic/)

Dialek bahasa Arab adalah bahasa Arab lisan sehari-hari di suatu wilayah atau kota, seperti bahasa Arab Mesir, Teluk, Levant, atau Maghribi. Dialek berbeda dari Bahasa Arab Standar Modern dalam bunyi, kosakata, dan tata bahasa, tidak punya ejaan baku, dan makin sering ditulis di internet, sehingga lebih sulit bagi model bahasa.

[WAV](https://broadrouter.com/id/glossary/wav/)

WAV (Waveform Audio File Format, atau WAVE) adalah container audio yang dibangun di atas format RIFF milik Microsoft dan IBM. Biasanya berisi sampel PCM linear tanpa kompresi, sehingga ukurannya mudah diprediksi: sample rate dikali byte per sampel dikali jumlah kanal, per detik.

[Fine-tuning](https://broadrouter.com/id/glossary/fine-tuning/)

Fine-tuning adalah proses melanjutkan pelatihan model bahasa yang sudah dilatih sebelumnya dengan dataset yang lebih kecil dan khusus tugas, seperti contoh percakapan, sehingga bobotnya berubah dan model menjalankan tugas atau gaya itu dengan lebih andal tanpa perlu instruksi panjang atau contoh di setiap prompt.

[Konkurensi (concurrency)](https://broadrouter.com/id/glossary/concurrency/)

Konkurensi (concurrency) adalah jumlah permintaan yang sedang berjalan dari sebuah client pada saat yang sama. API LLM sering membatasinya per kunci atau per paket, terpisah dari batas permintaan per menit, karena setiap permintaan yang terbuka menahan kapasitas GPU sampai responsnya selesai.

## Pertanyaan umum

### Apakah model ini memahami dialek Arab?

BroadNet melaporkan word error rate 23,4 pada set uji dialeknya sendiri, serta 3,8 pada FLEURS-ar dan 21,1 pada MASC-ar. Makin rendah makin baik. BroadNet tidak memublikasikan skor per dialek, jadi uji rekaman Teluk, Mesir, Levant, dan Maghrib secara terpisah sebelum Anda mengandalkannya.

### API speech-to-text bahasa Arab mana yang paling murah?

Dari penyedia yang diperiksa pada 2026-11-14, Soniox mencantumkan tarif terendah, sekitar USD 0,10 per jam untuk transkripsi file. BroadNet Transcribe Arabic dikenai $0.25 per jam. Deepgram Nova-3 dan Speechmatics lebih mahal. Harga per jam kurang penting dibanding word error rate pada audio dialek Anda sendiri.

### Format audio apa saja yang diterima?

WAV (audio/wav) dan MP3 (audio/mpeg). Konversi format lain seperti .ogg atau .m4a dengan ffmpeg terlebih dahulu.

### Kenapa transkrip bahasa Arab saya ditulis dengan huruf Latin?

Permintaan tidak menyertakan field language. Tanpa field itu, ucapan bahasa Arab bisa ditransliterasi ke aksara Latin. Kirim language=ar di setiap permintaan bahasa Arab.

### Bisakah saya mencoba transkripsi bahasa Arab secara gratis?

Bisa. Kedua model transkripsi BroadNet berjalan dengan kredit awal gratis yang didapat akun baru, jadi Anda bisa menguji rekaman sendiri sebelum top up.

### Untuk bahasa Arab, sebaiknya pakai BroadNet Transcribe Arabic atau BroadNet Transcribe?

Keduanya menerima language=ar. BroadNet Transcribe Arabic adalah model khusus bahasa Arab dan model yang dilaporkan BroadNet di leaderboard bahasa Arab. BroadNet Transcribe lebih murah per menit dan mencakup 14 bahasa, jadi uji keduanya pada audio Anda.

## Panduan terkait

-   [Transkripsi voice note WhatsApp ke teks dengan API](https://broadrouter.com/id/guides/transcribe-whatsapp-voice-notes/)
-   [Membaca faktur dan struk berbahasa Arab dengan model vision](https://broadrouter.com/id/guides/read-arabic-invoices-with-vision/)
-   [Kode error BroadNet Inference dan kapan harus mencoba ulang](https://broadrouter.com/id/guides/errors-and-retries/)

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-guides-arabic-speech-to-text-api&utm_content=page-cta) ·

**Sumber**

-   [Harga speech-to-text Soniox (diperiksa 2026-11-14)](https://soniox.com/pricing)
-   [Referensi API BroadNet Inference, transkripsi (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-guides-arabic-speech-to-text-api&utm_content=sources#requests)
-   [Harga BroadNet Inference (bahasa Inggris)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-guides-arabic-speech-to-text-api&utm_content=sources)
-   [Katalog model BroadNet, speech-to-text (pengukuran lab) (bahasa Inggris)](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Dokumentasi Soniox, bahasa yang didukung (bahasa Arab tercantum; diperiksa 2026-11-14)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [Harga Deepgram, Nova-3 pre-recorded (diperiksa 2026-11-14)](https://deepgram.com/pricing)
-   [Model dan bahasa Deepgram, kode bahasa Arab Nova-3 (diperiksa 2026-11-14)](https://developers.deepgram.com/docs/models-languages-overview)
-   [Harga Speechmatics, batch bayar sesuai pemakaian (diperiksa 2026-11-14)](https://www.speechmatics.com/pricing)
-   [Bahasa Speechmatics, Global Arabic dan Arab-Inggris (diperiksa 2026-11-14)](https://docs.speechmatics.com/speech-to-text/languages)
