BroadRouter

API speech-to-text per l’arabo: come sceglierla nel 2026

A cura del team di BroadNet Inference · 7 min di lettura · Pubblicato · Aggiornato

Scegli un’API speech-to-text per l’arabo provandola sulle tue registrazioni: misura il word error rate sui tuoi dialetti, poi confronta prezzo per ora di audio, limiti dei file e conservazione dei dati. BroadNet Transcribe Arabic costa $0.25 per ora di audio ($0.0042 al minuto), e la Open Universal Arabic ASR Leaderboard lo dava #4 su 39 il 15 novembre 2026.

Per scegliere un’API speech-to-text per l’arabo, trascrivi con ogni candidata da 30 a 50 tuoi clip per dialetto, confronta il word error rate per dialetto, poi valuta prezzo per ora di audio, limiti dei file, esigenze di streaming e conservazione dei dati. Un modello che brilla in un benchmark può comunque fallire sull’audio del tuo call center.

L’arabo è difficile per il riconoscimento vocale: un unico standard scritto si sovrappone a molti dialetti parlati, chi parla passa all’inglese a metà frase, e la maggior parte dell’audio reale è fatto di telefonate e messaggi vocali.

Perché conta soprattutto il word error rate sul tuo audio?

Il word error rate (WER) è la quota di parole che il modello sbaglia: sostituite, perse o inventate. Più basso è, meglio è. I numeri pubblici sono un punto di partenza:

Test set Cos’è BroadNet Transcribe Arabic ElevenLabs Scribe v2 Whisper large-v3
FLEURS-ar Frasi lette, audio pulito 3,8 non pubblicato non pubblicato
MASC-ar Parlato arabo reale e misto 21,1 22,3 31,5
Set dialettale di BroadNet Parlato del Golfo, egiziano e levantino 23,4 25,6 31,8

Sono misure di laboratorio di BroadNet, pubblicate nel suo catalogo modelli e nella sua pagina di Transcribe Arabic. Il confronto l’ha fatto BroadNet stessa, quindi considera le colonne ElevenLabs e Whisper come il test di un fornitore sui suoi concorrenti, non un risultato indipendente. BroadNet riporta anche il modello al posto #2 su 37 (dato di settembre 2026; la classifica in tempo reale lo indicava #4 su 39 il 15 novembre 2026) nella Open Universal Arabic ASR Leaderboard, e al n. 1 tra i modelli la cui licenza permette di servirli tramite API. Il 15 novembre 2026 le tre voci sopra di lui erano Jais-ASR, Sygma-ASR-Arabic (che la classifica descrive come beam decoding sul modello Cohere) e Audar-ASR-V1-Turbo; Whisper large-v3 era al n. 19. Non abbiamo verificato la licenza di ciascuna voce.

Puoi sentire il modello sulla tua voce prima di registrarti: il playground nel browser di BroadNet trascrive fino a 60 secondi di audio in arabo o in inglese senza account. Vedi come usare il playground.

La lezione sta nella distanza tra 3,8 e 23,4: lo stesso modello può essere quasi perfetto sul parlato letto e molto più debole sulle conversazioni in dialetto. Fai la prova sul tuo.

In generale, attenzione ai numeri dei fornitori. Molte cifre di WER per l’arabo vengono dal test del fornitore stesso, su audio che non puoi vedere. Un numero è confrontabile solo se test set, normalizzazione e strumento di calcolo sono gli stessi.

Per il quadro completo, il nostro indice aperto dei prezzi delle API speech-to-text elenca prezzi batch e streaming, unità di fatturazione e supporto dell’arabo per più di 20 prodotti, ciascuno verificato sulla pagina prezzi del fornitore (CSV e JSON).

Come si verifica la copertura dei dialetti?

Raggruppa i file di test per dialetto: Golfo (khaleeji), egiziano, levantino, iracheno, maghrebino, più l’arabo standard moderno. Valuta ogni gruppo separatamente. Se la maggior parte dei tuoi clienti è a Riyad, il WER sul dialetto del Golfo conta molto più di una media.

Fai attenzione al code-switching. Il parlato commerciale del Golfo mescola nomi di prodotto e numeri in inglese. Controlla come escono numeri, date e nomi, perché sono le parole su cui agisce il tuo sistema a valle. Su richiesta, BroadNet offre un modello arabo con fine-tuning per numeri, date e nomi in audio rumoroso.

Quanto costa la trascrizione in arabo per ora di audio?

Confronta per ora di audio, perché è così che si misura il tuo volume:

Modello Al minuto All’ora 1.000 ore
BroadNet Transcribe Arabic $0.0042 $0.25 $252.00
BroadNet Transcribe (14 lingue) $0.002 $0.12 —
Soniox asincrono (file), oltre 60 lingue circa 0,0017 USD (ricavato) circa 0,10 USD circa 100 USD
Soniox in tempo reale (streaming) circa 0,002 USD (ricavato) circa 0,12 USD circa 120 USD

Le righe Soniox vengono dalla pagina prezzi di Soniox, verificata il 14 novembre 2026. Soniox fattura a token (circa 30.000 token audio all’ora) e indica le cifre orarie come approssimazioni.

Soniox costa meno all’ora di BroadNet. La sua tariffa per file è meno della metà dei $0.25 di BroadNet Transcribe Arabic e inferiore ai $0.12 di BroadNet Transcribe. La sua tariffa in tempo reale è pari a quella di BroadNet Transcribe e resta sotto il modello arabo, e BroadNet non documenta affatto lo streaming in tempo reale. Soniox elenca l’arabo (ar) tra le lingue supportate e indica un’unica tariffa per tutte le lingue. Non pubblica prezzi specifici per l’arabo, cifre di WER in arabo né la copertura dei dialetti: il prezzo è chiaro, l’accuratezza no. Esegui lo stesso test sui dialetti con entrambi prima di scegliere in base al prezzo.

Per una casella di supporto, 10.000 vocali WhatsApp da 30 secondi ciascuno costano $21.00 con il modello arabo. Il calcolo è 10,000 × 0.5 minutes × $0.0042. Prova il tuo volume nel calcolatore dei costi speech-to-text.

Quando confronti i fornitori, guarda l’unità di fatturazione oltre alla tariffa: al secondo, al minuto o per blocco iniziato, e se c’è un addebito minimo per file. È sui vocali brevi che si vedono gli arrotondamenti della fatturazione. Per le tariffe al minuto di altri fornitori, verificate sulle loro pagine prezzi, vedi prezzi delle API speech-to-text a confronto; se stai lasciando l’endpoint di OpenAI, vedi la checklist alternativa all’API Whisper. Il confronto tra Transcribe e Transcribe Arabic mostra quando basta il modello più economico a 14 lingue.

Quali funzionalità dovrebbe avere un’API speech-to-text per l’arabo?

Non tutti i prodotti hanno bisogno di tutte le funzionalità. Decidi quali contano prima di confrontare:

Funzionalità Perché conta Cosa chiedere
Caricamento di file in batch Vocali, registrazioni, archivi Formati e dimensione massima dei file
Streaming in tempo reale Sottotitoli dal vivo, agenti vocali Latenza, e se è un prodotto separato
Etichette dei parlanti (diarizzazione) Chiamate tra operatore e cliente Solo in batch, o anche dal vivo?
Timestamp per parola Sottotitoli, ricerca, strumenti di revisione A livello di parola o di segmento?
Code-switching Arabo con termini inglesi Richiede una sola lingua per richiesta?
Conservazione dei dati Le chiamate contengono dati personali Audio o testo vengono conservati, e per quanto?

Cosa documenta oggi BroadNet: trascrizione batch tramite l’endpoint compatibile con OpenAI /v1/audio/transcriptions, input WAV o MP3, un campo language e zero data retention. Per tutto il resto di questo elenco, controlla il riferimento API prima di farci affidamento.

Quali limiti e formati di file valgono?

  • Dimensione del file. BroadNet accetta WAV o MP3 fino a 26.214.400 byte (25 MiB) per file. Un file più grande restituisce 413; dividi le registrazioni più lunghe.
  • Formati. Converti prima i vocali .ogg e le registrazioni .m4a; la guida ai vocali WhatsApp ha la riga di ffmpeg.
  • Il campo language. Invia language=ar. Senza, l’arabo può tornare traslitterato in caratteri latini.
  • Rate limit. Una chiave a consumo consente 30 richieste al minuto e 4 contemporanee. Per un grosso arretrato, metti i file in coda e ritenta i 429 con backoff; vedi errori e nuovi tentativi.

L’audio viene conservato?

Vocali e chiamate contengono nomi, numeri di telefono e dati sanitari o bancari. Chiedi a ogni fornitore se audio e trascrizioni vengono conservati, e per quanto tempo. BroadNet Inference non conserva né l’uno né le altre; vedi zero data retention e la nostra checklist ZDR.

Come si prova un’API di trascrizione per l’arabo in un pomeriggio?

  1. Raccogli da 30 a 50 clip reali per dialetto dal tuo canale di produzione. Togli tutto ciò che non puoi condividere.
  2. Scrivi a mano la trascrizione corretta di 10 clip per dialetto, con una convenzione ortografica concordata.
  3. Trascrivi ogni clip con ciascuna API candidata. La guida passo passo per l’arabo ha il codice curl e Python per BroadNet.
  4. Normalizza entrambi i testi nello stesso modo e calcola WER e CER per dialetto. Il WER in arabo spiegato contiene la funzione Python di normalizzazione e mostra perché saltarla può trasformare una trascrizione perfetta in un WER del 75%.
  5. Leggi tu stesso 20 trascrizioni. Un WER basso può comunque nascondere numeri o nomi sbagliati.

Come scegliere i clip, scrivere i riferimenti e valutare ogni gruppo dialettale è spiegato nel dettaglio in riconoscimento vocale dei dialetti arabi.

Errori comuni

  • Provare solo audio pulito. Usa vere registrazioni telefoniche e vocali.
  • Un unico WER medio. Una buona media può nascondere un dialetto usato dai tuoi clienti.
  • Non inviare il campo language. Un output traslitterato risulta quasi tutto errori.
  • Ignorare i numeri. Controlla a mano cifre, date e importi: è su quelli che agisce il tuo sistema.

Dove si colloca BroadNet Inference

BroadNet Transcribe Arabic è adatto alla trascrizione batch di vocali, chiamate e registrazioni in arabo, con prezzo al minuto e senza conservazione dell’audio. Il credito iniziale di $5 copre circa 1,190 minuti di audio in arabo, abbastanza per il test descritto sopra senza carta. Se ti servono funzionalità che non documenta, come i sottotitoli in streaming dal vivo, prova un fornitore che le offre. Per i compiti sul testo arabo dopo la trascrizione, vedi scegliere un LLM per l’arabo.

Domande frequenti

Qual è un buon word error rate per l’arabo?

Dipende dall’audio. Per BroadNet Transcribe Arabic, BroadNet riporta 3,8 su FLEURS-ar (parlato letto e pulito), 21,1 su MASC-ar e 23,4 sul proprio set dialettale. L’audio conversazionale in dialetto è sempre più difficile del parlato letto.

Qual è la migliore API speech-to-text per i dialetti arabi?

Non c’è una risposta unica, perché i risultati cambiano con il dialetto e la qualità della registrazione. Scegli due o tre API, trascrivi con ciascuna da 30 a 50 tuoi clip per dialetto e confronta il word error rate per dialetto, non una media complessiva.

Quanto costa trascrivere 1.000 ore di audio in arabo?

A $0.0042 per minuto di audio, 1.000 ore costano $252.00 con BroadNet Transcribe Arabic.

Lo speech-to-text arabo di BroadNet supporta lo streaming in tempo reale?

BroadNet documenta la trascrizione batch tramite /v1/audio/transcriptions con file WAV o MP3 fino a 25 MiB. Non documenta sottotitoli in streaming dal vivo. Se ti servono, Soniox, per esempio, vende trascrizione in tempo reale con l’arabo tra le lingue supportate (verificato il 14 novembre 2026).

Può trascrivere i vocali di WhatsApp?

Sì, dopo aver convertito il file .ogg in WAV o MP3 con ffmpeg. La guida a WhatsApp su questo sito mostra la conversione in una riga.

Il mio audio viene conservato?

No. BroadNet Inference non conserva audio né trascrizioni dopo la richiesta; tiene solo registrazioni senza contenuto, come tempi e costi.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity