---
title: "API speech-to-text in arabo: come sceglierla nel 2026"
description: "Come scegliere un’API di trascrizione per l’arabo: WER, dialetti, limiti dei file, prezzo per ora di audio e privacy, più un piano di test sulle tue registrazioni."
url: https://broadrouter.com/it/blog/arabic-speech-to-text-api-buyers-guide/
lang: it
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/blog/arabic-speech-to-text-api-buyers-guide/) (aggiornato il 2026-11-15).

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

A cura del team di BroadNet Inference · 7 min di lettura · Pubblicato 2026-11-14 · Aggiornato 2026-11-15

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.

## Punti chiave

-   Il word error rate (WER) sul tuo audio conta più di qualsiasi classifica. Più basso è, meglio è.
-   L’arabo standard moderno è il caso facile. Prova separatamente il parlato del Golfo, egiziano, levantino e maghrebino.
-   Normalizza il testo arabo prima di calcolare il punteggio, altrimenti le varianti grafiche conteranno come errori.
-   BroadNet Transcribe Arabic costa $0.25 per ora di audio; 1.000 ore costano $252.00.
-   Invia sempre `language=ar`, altrimenti l’arabo può tornare traslitterato in caratteri latini.
-   Il credito iniziale gratuito di $5 copre circa 1,190 minuti di audio in arabo per i test.

**In questa pagina**

1.  Perché conta soprattutto il word error rate sul tuo audio?
2.  Come si verifica la copertura dei dialetti?
3.  Quanto costa la trascrizione in arabo per ora di audio?
4.  Quali funzionalità dovrebbe avere un’API speech-to-text per l’arabo?
5.  Quali limiti e formati di file valgono?
6.  L’audio viene conservato?
7.  Come si prova un’API di trascrizione per l’arabo in un pomeriggio?
8.  Errori comuni
9.  Dove si colloca BroadNet Inference

Per scegliere un’API [speech-to-text](https://broadrouter.com/it/glossary/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)](https://broadrouter.com/it/glossary/word-error-rate/) 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](https://www.broadnet.ai/inference/models) e nella sua [pagina di Transcribe Arabic](https://www.broadnet.ai/inference/models/cohere-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](https://huggingface.co/spaces/elmresearchcenter/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](https://www.broadnet.ai/inference/playground) di BroadNet trascrive fino a 60 secondi di audio in arabo o in inglese senza account. Vedi [come usare il playground](https://broadrouter.com/it/guides/try-broadnet-inference-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](https://broadrouter.com/data/speech-to-text-api-prices/) 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](https://broadrouter.com/it/glossary/msa/). 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](https://broadrouter.com/it/glossary/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](https://broadrouter.com/it/models/#on-request) 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](https://broadrouter.com/it/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | $252.00 |
| [BroadNet Transcribe (14 lingue)](https://broadrouter.com/it/models/cohere-transcribe/) | $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](https://soniox.com/pricing), 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](https://docs.soniox.com/stt/concepts/supported-languages) 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](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

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](https://broadrouter.com/it/blog/speech-to-text-api-pricing-compared/); se stai lasciando l’endpoint di OpenAI, vedi la checklist [alternativa all’API Whisper](https://broadrouter.com/it/blog/whisper-api-alternative/). Il [confronto tra Transcribe e Transcribe Arabic](https://broadrouter.com/compare/cohere-transcribe-vs-cohere-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](https://broadrouter.com/it/glossary/diarization/)) | 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](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-arabic-speech-to-text-api-buyers-guide&utm_content=body) 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](https://broadrouter.com/it/guides/transcribe-whatsapp-voice-notes/) 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](https://broadrouter.com/it/guides/errors-and-retries/).

## 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](https://broadrouter.com/it/privacy/) e la nostra [checklist ZDR](https://broadrouter.com/it/blog/zero-data-retention-llm-api-checklist/).

## 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](https://broadrouter.com/it/guides/arabic-speech-to-text-api/) 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](https://broadrouter.com/it/blog/arabic-asr-wer-explained/) 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](https://broadrouter.com/it/blog/arabic-dialect-speech-recognition/).

## 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](https://broadrouter.com/it/blog/choosing-an-llm-for-arabic/).

Strumenti gratuiti sul tema (in inglese)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Strumenti gratuiti (in inglese)](https://broadrouter.com/tools/)

## Termini in questo articolo

[Speech-to-text (riconoscimento vocale)](https://broadrouter.com/it/glossary/speech-to-text/)

Lo speech-to-text, detto anche riconoscimento automatico del parlato (ASR), è la tecnologia che converte l’audio parlato in testo scritto. Un’API speech-to-text riceve un file o uno stream audio e restituisce una trascrizione, di solito a prezzo per minuto di audio. L’accuratezza si misura con il word error rate e varia con accento, dialetto e qualità della registrazione.

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

Il word error rate (WER, tasso di errore sulle parole) è la misura standard di accuratezza del riconoscimento vocale: il numero di sostituzioni, cancellazioni e inserimenti di parole necessari per trasformare una trascrizione nel riferimento corretto, diviso per il numero di parole del riferimento. Più è basso, meglio è.

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

Lo streaming è un modo di restituire la risposta di un modello linguistico in piccoli pezzi mentre viene ancora generata, invece che in un’unica risposta alla fine. Le API compatibili con OpenAI trasmettono in streaming tramite server-sent event quando la richiesta imposta stream a true.

[Zero data retention (nessuna conservazione dei dati)](https://broadrouter.com/it/glossary/zero-data-retention/)

La zero data retention (ZDR) è una policy di gestione dei dati in cui un provider AI elabora prompt e output solo per servire una richiesta e poi non ne conserva il contenuto, né in log né in cache né in dati di addestramento. Di solito restano registri senza contenuti, come conteggi di token e tempi.

[Rate limit (limite di frequenza)](https://broadrouter.com/it/glossary/rate-limit/)

Un rate limit è un tetto che un’API pone a quanto un client può usarla in un intervallo di tempo, per esempio richieste al minuto o token al minuto. Le richieste oltre il limite vengono rifiutate, di solito con HTTP 429 Too Many Requests, finché l’uso non torna sotto la soglia.

[Token](https://broadrouter.com/it/glossary/token/)

Un token è l’unità di testo che un modello linguistico legge e scrive: una parola, una parte di parola, un segno di punteggiatura o una sequenza di byte prodotta dal tokenizer del modello. Le API LLM contano, limitano e di solito fatturano l’uso in token.

[Code-switching (commutazione di codice)](https://broadrouter.com/it/glossary/code-switching/)

Il code-switching è l’uso di due o più lingue, o varietà di una stessa lingua, all’interno della stessa conversazione o frase, nel parlato o nello scritto. Ne sono esempi gli arabofoni che inseriscono parole inglesi nel dialetto, o che passano dall’arabo standard moderno al loro dialetto.

[Pagamento a consumo (pay-as-you-go)](https://broadrouter.com/it/glossary/pay-as-you-go/)

Il pagamento a consumo è un modello di prezzo in cui paghi solo ciò che usi, misurato per unità come token, richieste o minuti di audio, senza abbonamento né impegno minimo. La maggior parte delle API LLM fattura così, da un saldo prepagato o con una fattura periodica.

## 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.

## Continua a leggere

-   [Trascrivere audio lunghi oltre 25 MB: dividere, inviare, ricucire](https://broadrouter.com/it/blog/transcribe-long-audio-files-api/)
-   [Word error rate (WER) nell’ASR in arabo: guida pratica](https://broadrouter.com/it/blog/arabic-asr-wer-explained/)
-   [Dialetti arabi e speech-to-text: Golfo, Egitto, Levante, Maghreb](https://broadrouter.com/it/blog/arabic-dialect-speech-recognition/)
-   [Prezzi delle API speech-to-text a confronto: costo al minuto (2026)](https://broadrouter.com/it/blog/speech-to-text-api-pricing-compared/)
-   [Alternative all’API Whisper: quando cambiare e come provarle](https://broadrouter.com/it/blog/whisper-api-alternative/)
-   [Scegliere un’API LLM per l’arabo: cosa testare](https://broadrouter.com/it/blog/choosing-an-llm-for-arabic/)
-   [Aggiungere i diacritici all’arabo con un LLM: prompt, controlli, DER](https://broadrouter.com/it/blog/arabic-diacritization-llm/)
-   [Correzione grammaticale e ortografica dell’arabo con un LLM: guida](https://broadrouter.com/it/blog/arabic-grammar-spelling-correction-llm/)
-   [Guida: API speech-to-text in arabo, passo dopo passo](https://broadrouter.com/it/guides/arabic-speech-to-text-api/)
-   [Guida: Trascrivere i vocali WhatsApp in testo con un’API](https://broadrouter.com/it/guides/transcribe-whatsapp-voice-notes/)
-   [Guida: Codici di errore di BroadNet Inference e quando ritentare](https://broadrouter.com/it/guides/errors-and-retries/)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

[Inizia](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-arabic-speech-to-text-api-buyers-guide&utm_content=page-cta) ·

**Fonti**

-   [Pagina del modello BroadNet Transcribe Arabic: WER a confronto con ElevenLabs Scribe v2 e Whisper large-v3 (consultata il 2026-11-15) (in inglese)](https://www.broadnet.ai/inference/models/cohere-transcribe-arabic)
-   [Catalogo modelli BroadNet, speech-to-text: WER e posizione in classifica come riportati da BroadNet (consultato il 2026-11-14) (in inglese)](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard, Space su Hugging Face (consultato il 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Riferimento API di BroadNet Inference: formati di trascrizione, limite di 26.214.400 byte, 413, campo language (consultato il 2026-11-14) (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-arabic-speech-to-text-api-buyers-guide&utm_content=sources)
-   [Prezzi di BroadNet Inference in formato leggibile dalle macchine, pricing.json (consultato il 2026-11-14) (in inglese)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-arabic-speech-to-text-api-buyers-guide&utm_content=sources)
-   [Prezzi Soniox: asincrono circa 0,10 USD/ora, tempo reale circa 0,12 USD/ora, fatturato a token (verificato il 2026-11-14)](https://soniox.com/pricing)
-   [Documentazione Soniox, lingue supportate: arabo (ar) tra le 60 elencate (verificato il 2026-11-14)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [jiwer, pacchetto Python per i tassi di errore ASR (consultato il 2026-11-14)](https://github.com/jitsi/jiwer)
