BroadRouter
Inizia

API speech-to-text multilingue: 14 lingue, un solo endpoint

A cura del team di BroadNet Inference · 6 min di lettura · Pubblicato · Aggiornato

BroadNet Transcribe è un modello speech-to-text per 14 lingue, tra cui inglese, spagnolo, francese, tedesco, cinese, giapponese e arabo, servito su un endpoint /v1/audio/transcriptions compatibile con OpenAI. Costa $0.002 al minuto di audio ($0.12 all’ora). Per un audio prevalentemente in arabo, l’opzione specializzata è BroadNet Transcribe Arabic a $0.0042 al minuto.

The words English, Español, Français, Deutsch, 日本語, 한국어, 中文, Tiếng Việt and العربية, with the text "Many languages. One connection."

La maggior parte dei prodotti che gestiscono audio ha a che fare con più di una lingua: un servizio clienti globale, registrazioni di riunioni da uffici diversi, una casella di note vocali in una città multilingue. Usare un fornitore speech-to-text diverso per ogni lingua è un costo di manutenzione. BroadNet Transcribe mette 14 lingue dietro un solo endpoint compatibile con OpenAI, con prezzo al minuto di audio, e affianca un modello arabo specializzato per i carichi con molto arabo.

Quali lingue copre BroadNet Transcribe?

L’elenco delle lingue viene dal pricing.json pubblicato da BroadNet, come codici ISO 639-1:

Codice Lingua Codice Lingua
en Inglese nl Olandese
es Spagnolo pl Polacco
fr Francese zh Cinese
de Tedesco ja Giapponese
it Italiano ko Coreano
pt Portoghese vi Vietnamita
el Greco ar Arabo

BroadNet Transcribe si basa su Cohere Transcribe ed è servito da BroadNet. L’ID del modello è broadnet/cohere-transcribe.

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, ognuno verificato sulla pagina prezzi del provider (CSV e JSON).

Quanto costa la trascrizione multilingue?

Modello Al minuto All’ora Lingue
BroadNet Transcribe $0.002 $0.12 14
BroadNet Transcribe Arabic $0.0042 $0.25 Arabo

La fatturazione è per minuto di audio, non per richiesta né per token. Entrambi i modelli funzionano con il credito iniziale gratuito di $5, quindi puoi provare le tue registrazioni prima di ricaricare. Trovi tutti i prezzi nella pagina prezzi, puoi stimare le tue ore mensili con il calcolatore dei costi speech-to-text oppure confrontare altri provider in prezzi delle API speech-to-text a confronto.

Come si chiama l’endpoint di trascrizione?

L’endpoint segue il formato di trascrizione audio di OpenAI, quindi gli SDK ufficiali funzionano cambiando il base URL:

import os
from openai import OpenAI

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

with open("meeting-fr.mp3", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="broadnet/cohere-transcribe",
        file=audio,
        language="fr",
    )
print(result.text)

Oppure con curl:

curl https://inference.broadnet.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -F model=broadnet/cohere-transcribe \
  -F language=es \
  -F file=@llamada.wav

La risposta è un JSON con la trascrizione in text. La risposta documentata da BroadNet è il testo stesso; se ti servono timestamp per parola o etichette dei parlanti, controlla nel riferimento API che cosa è supportato oggi prima di progettarci sopra.

Perché inviare sempre la lingua?

La documentazione di BroadNet è esplicita: invia language con ogni richiesta di trascrizione. Senza, l’arabo può tornare traslitterato in caratteri latini, e lo stesso rischio vale per qualsiasi lingua che il modello potrebbe confondere. Se non conosci la lingua in anticipo:

  1. Usa prima i metadati. Il paese di chi chiama, la lingua dell’app dell’utente o il prefisso telefonico di solito sono giusti.
  2. Chiedilo all’utente nei prodotti vocali (“premi 1 per l’inglese, 2 per l’arabo”).
  3. Prova un campione breve. Trascrivi i primi 30 secondi con l’ipotesi migliore; se il testo sembra sbagliato (alfabeto sbagliato, frasi senza senso), riprova con il candidato successivo.

Quali sono i limiti e i formati?

  • Formati: WAV (audio/wav) o MP3 (audio/mpeg). Converti prima con ffmpeg i file .ogg, .m4a, .webm e i video. La guida alle note vocali di WhatsApp ha il comando pronto.
  • Dimensione: fino a 26.214.400 byte (25 MiB) per file; i file più grandi restituiscono 413. Sono circa 13 minuti di WAV mono a 16 kHz o circa 54 minuti di MP3 a 64 kbit/s. Dividi gli audio più lunghi con ffmpeg -f segment -segment_time 600.
  • Frequenza: una chiave a consumo consente 30 richieste al minuto e 4 contemporanee. Ripeti le 429 con backoff; vedi errori e retry.
  • Privacy: audio e trascrizioni vengono elaborati per la richiesta e non conservati. Vedi zero data retention.

Per una pipeline batch di produzione con suddivisione in blocchi e un pool di worker, vedi trascrizione di call center in arabo su larga scala; lo stesso schema funziona per tutte le 14 lingue.

Quando scegliere il modello specifico per l’arabo?

BroadNet offre due modelli perché per il riconoscimento vocale l’arabo è più difficile della maggior parte delle lingue: molti dialetti sotto un unico standard scritto, frequenti passaggi all’inglese e al francese e tanto audio di qualità telefonica. BroadNet Transcribe Arabic è l’opzione specializzata, e BroadNet pubblica l’accuratezza in arabo solo per questo modello:

  • BroadNet lo dà #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 n. 1 tra i modelli la cui licenza consente di servirli via API.
  • Word error rate di laboratorio di BroadNet: 3,8 su FLEURS-ar, 21,1 su MASC-ar e 23,4 sul suo set dialettale (più basso è meglio). Che cosa significano questi numeri.

BroadNet non pubblica numeri sull’arabo per il modello a 14 lingue, ma la classifica pubblica sì: il 15 novembre 2026 indicava Cohere Transcribe 03-2026, il modello dietro BroadNet Transcribe, al n. 8 su 39 con un WER medio di 30,67, contro 24,19 del modello arabo, #4 su 39. Per le altre lingue, BroadNet riporta per BroadNet Transcribe un word error rate di 5,5 su FLEURS inglese e 3,2 su FLEURS spagnolo, e circa 113 volte il tempo reale su un singolo stream (217 volte in batch) su audio inglese, secondo la sua pagina del modello. Una regola semplice:

Il tuo audio Scegli
Soprattutto arabo, qualsiasi dialetto BroadNet Transcribe Arabic
L’arabo è una minoranza dei file, l’accuratezza non è critica BroadNet Transcribe per tutto, oppure prova entrambi
Portafoglio misto con lingua nota per ogni file Instrada i file arabi al modello arabo, il resto a BroadNet Transcribe
Una qualsiasi delle altre 13 lingue BroadNet Transcribe

Instradare per lingua è una modifica di una riga, perché i due modelli condividono endpoint e formato della richiesta:

def stt_model(lang: str) -> str:
    return "broadnet/cohere-transcribe-arabic" if lang == "ar" else "broadnet/cohere-transcribe"

Il modello arabo costa circa il doppio al minuto. Con volumi alti, prova entrambi su qualche ora del tuo audio arabo reale e confronta il word error rate per dialetto; la guida all’acquisto di un’API speech-to-text per l’arabo contiene un piano di test di un’ora. Se il problema sono numeri, date e nomi nell’audio arabo rumoroso, BroadNet elenca anche un modello arabo con fine-tune, disponibile su richiesta, nella pagina dei modelli.

Come si testa l’accuratezza in ogni lingua?

Un unico dato di accuratezza del fornitore nasconde grandi differenze tra lingue, accenti e condizioni di registrazione. Prima di affidare un carico di lavoro, fai un piccolo test per lingua:

  1. Raccogli da 20 a 50 clip reali per lingua, dal canale che trascriverai davvero: telefonate, registrazioni di riunioni, note vocali o video. Includi gli accenti più difficili.
  2. Scrivi a mano le trascrizioni di riferimento per una parte delle clip, con regole di grafia concordate per numeri, nomi e prestiti dall’inglese.
  3. Trascrivi con il codice language corretto e calcola il word error rate per lingua. Per cinese e giapponese, che si scrivono senza spazi tra le parole, usa invece il character error rate.
  4. Leggi gli errori. Nomi di prodotto, importi e indirizzi contano più delle parole di riempimento.
  5. Ripeti per l’arabo con entrambi i modelli se l’arabo fa parte del tuo mix, e confronta per dialetto.

Il credito iniziale di $5 copre un test del genere per diverse lingue su BroadNet Transcribe, perché il prezzo al minuto è basso.

Per quali carichi di lavoro è adatto?

Carico di lavoro Note
Servizi clienti multilingue Instrada in base alla lingua scelta nell’IVR; invia il codice language corrispondente
Verbali di riunione per team distribuiti Trascrivi ogni registrazione, poi riassumi con un LLM
Caselle di note vocali Converti prima .ogg in WAV; vedi la guida WhatsApp
Archivi media e podcast Dividi i file lunghi sotto i 25 MiB; elabora in batch di notte
App per imparare le lingue Trascrivi il parlato dello studente, poi dai un feedback con un LLM

In ogni caso il costo cresce solo con i minuti di audio: $0.12 per ora di audio su BroadNet Transcribe, qualunque sia la lingua.

Che cosa succede dopo la trascrizione?

La trascrizione raramente è il prodotto finale. Passi successivi comuni con la stessa chiave API:

  • Riassunti e azioni da fare per le riunioni con DeepSeek V4.1 Flash, il cui contesto da 1.048.576 token contiene anche trascrizioni molto lunghe.
  • Traduzione delle trascrizioni in un’unica lingua di lavoro; vedi traduzione arabo–inglese con gli LLM.
  • Valutazione di qualità delle chiamate di assistenza con output JSON strutturato.

Come si migra da un’altra API di trascrizione?

Se chiami già un endpoint di trascrizione in stile OpenAI, compresa l’API Whisper che OpenAI indica in dismissione il 26 febbraio 2027 (che cosa testare prima di cambiare), la migrazione di solito richiede tre modifiche: base URL, chiave API e ID del modello, più la verifica di inviare language. Controlla i campi della risposta che il tuo codice legge oltre a text. La checklist di migrazione compatibile con OpenAI copre il resto.

Domande frequenti

Quali lingue supporta BroadNet Transcribe?

Quattordici: inglese, spagnolo, francese, tedesco, italiano, portoghese, greco, olandese, polacco, cinese, giapponese, coreano, vietnamita e arabo. L’elenco è pubblicato in pricing.json come codici ISO 639-1.

Un file può contenere due lingue?

Ogni richiesta accetta un solo codice di lingua. Per un audio che cambia lingua, trascrivi con la lingua principale e controlla come esce l’altra, oppure dividi l’audio per parlante o per segmento se i passaggi sono lunghi.

Il modello multilingue va bene per l’arabo?

Accetta l’arabo e costa meno al minuto. BroadNet pubblica i dati di accuratezza in arabo solo per BroadNet Transcribe Arabic, quindi se l’arabo è una parte consistente del tuo audio, prova entrambi sulle tue registrazioni e confronta il word error rate.

Funziona con l’SDK di OpenAI?

Sì. Punta l’SDK al base URL di BroadNet e chiama audio.transcriptions.create con l’ID del modello, il file e la lingua.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity