---
title: "API speech-to-text multilingue per 14 lingue | BroadRouter"
description: "Trascrivi inglese, spagnolo, francese, cinese, arabo e altre 9 lingue con un endpoint compatibile OpenAI a prezzo al minuto, e quando usare il modello arabo."
url: https://broadrouter.com/it/blog/multilingual-speech-to-text-api/
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/multilingual-speech-to-text-api/) (aggiornato il 2026-11-16).

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

A cura del team di BroadNet Inference · 6 min di lettura · Pubblicato 2026-11-14 · Aggiornato 2026-11-16

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.

## Punti chiave

-   BroadNet Transcribe copre 14 lingue: en, es, fr, de, it, pt, el, nl, pl, zh, ja, ko, vi e ar.
-   Prezzo: $0.002 al minuto di audio, $0.12 all’ora di audio.
-   Invia il codice della lingua con ogni richiesta; non affidarti al rilevamento automatico.
-   Scegli BroadNet Transcribe Arabic ($0.25 all’ora) quando l’audio in arabo è il tuo carico principale; BroadNet pubblica i dati di accuratezza in arabo per quel modello.
-   Stessi limiti per entrambi: WAV o MP3, fino a 26.214.400 byte per file, nessun audio o trascrizione conservati.

**In questa pagina**

1.  Quali lingue copre BroadNet Transcribe?
2.  Quanto costa la trascrizione multilingue?
3.  Come si chiama l’endpoint di trascrizione?
4.  Perché inviare sempre la lingua?
5.  Quali sono i limiti e i formati?
6.  Quando scegliere il modello specifico per l’arabo?
7.  Come si testa l’accuratezza in ogni lingua?
8.  Per quali carichi di lavoro è adatto?
9.  Che cosa succede dopo la trascrizione?
10.  Come si migra da un’altra API di trascrizione?

_[image: 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](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-multilingual-speech-to-text-api&utm_content=body) 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](https://broadrouter.com/it/models/cohere-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](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, ognuno verificato sulla pagina prezzi del provider (CSV e JSON).

## Quanto costa la trascrizione multilingue?

| Modello | Al minuto | All’ora | Lingue |
| --- | --- | --- | --- |
| [BroadNet Transcribe](https://broadrouter.com/it/models/cohere-transcribe/) | $0.002 | $0.12 | 14 |
| [BroadNet Transcribe Arabic](https://broadrouter.com/it/models/cohere-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](https://broadrouter.com/it/pricing/), puoi stimare le tue ore mensili con il [calcolatore dei costi speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/) oppure confrontare altri provider in [prezzi delle API speech-to-text a confronto](https://broadrouter.com/it/blog/speech-to-text-api-pricing-compared/).

## 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:

```python
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:

```bash
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](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-multilingual-speech-to-text-api&utm_content=body) 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](https://broadrouter.com/it/guides/transcribe-whatsapp-voice-notes/) 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](https://broadrouter.com/it/guides/errors-and-retries/).
-   **Privacy:** audio e trascrizioni vengono elaborati per la richiesta e non conservati. Vedi [zero data retention](https://broadrouter.com/it/privacy/).

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](https://broadrouter.com/it/blog/transcribe-call-center-recordings/); 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](https://huggingface.co/spaces/elmresearchcenter/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](https://broadrouter.com/it/blog/arabic-asr-wer-explained/).

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](https://www.broadnet.ai/inference/models/cohere-transcribe). 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:

```python
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](https://broadrouter.com/it/blog/arabic-speech-to-text-api-buyers-guide/) 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](https://broadrouter.com/it/models/).

## 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](https://broadrouter.com/it/glossary/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](https://broadrouter.com/it/models/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](https://broadrouter.com/it/blog/arabic-english-translation-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](https://broadrouter.com/it/blog/whisper-api-alternative/)), 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](https://broadrouter.com/it/blog/openai-compatible-api-migration-checklist/) copre il resto.

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.

[Base URL (URL di base)](https://broadrouter.com/it/glossary/base-url/)

La base URL è l’indirizzo radice fisso di un’API, come https://api.example.com/v1, che un client antepone a ogni percorso di endpoint, come /chat/completions. Negli SDK compatibili con OpenAI, cambiare la base URL, insieme alla chiave API e all’ID del modello, punta lo stesso codice verso un altro provider.

[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.

[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.

[WAV (file audio WAV)](https://broadrouter.com/it/glossary/wav/)

WAV (Waveform Audio File Format, o WAVE) è un contenitore audio basato sul formato RIFF di Microsoft e IBM. Di solito contiene campioni PCM lineari non compressi, quindi la sua dimensione è prevedibile: frequenza di campionamento per byte per campione per canali, al secondo.

[Chiave API (API key)](https://broadrouter.com/it/glossary/api-key/)

Una chiave API è una stringa segreta che identifica e autorizza un client che chiama un’API. Le API LLM di solito la vogliono in un header Authorization: Bearer, e chiunque possieda la chiave può fare richieste fatturate all’account a cui appartiene.

[Concorrenza (concurrency)](https://broadrouter.com/it/glossary/concurrency/)

La concorrenza è il numero di richieste che un client ha in corso nello stesso momento. Le API LLM spesso la limitano per chiave o per piano, separatamente dalle richieste al minuto, perché ogni richiesta aperta occupa capacità GPU finché la sua risposta non è terminata.

## 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.

## Continua a leggere

-   [Trascrivere audio lunghi oltre 25 MB: dividere, inviare, ricucire](https://broadrouter.com/it/blog/transcribe-long-audio-files-api/)
-   [API speech-to-text per l’arabo: come sceglierla nel 2026](https://broadrouter.com/it/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Word error rate (WER) nell’ASR in arabo: guida pratica](https://broadrouter.com/it/blog/arabic-asr-wer-explained/)
-   [Trascrivere le chiamate del call center: pipeline pronta per l’arabo](https://broadrouter.com/it/blog/transcribe-call-center-recordings/)
-   [Passare a un’API compatibile con OpenAI: la checklist di migrazione](https://broadrouter.com/it/blog/openai-compatible-api-migration-checklist/)
-   [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-multilingual-speech-to-text-api&utm_content=page-cta) ·

**Fonti**

-   [Pagina del modello BroadNet Transcribe: WER FLEURS in inglese e spagnolo, throughput (consultata il 2026-11-15) (in inglese)](https://www.broadnet.ai/inference/models/cohere-transcribe)
-   [Open Universal Arabic ASR Leaderboard, classifica aggiornata (consultata il 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Riferimento API di BroadNet Inference, trascrizione (consultato il 2026-11-16) (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-multilingual-speech-to-text-api&utm_content=sources)
-   [Prezzi ed elenco lingue di BroadNet Inference in formato leggibile dalle macchine (pricing.json, consultato il 2026-11-16) (in inglese)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-multilingual-speech-to-text-api&utm_content=sources)
-   [Catalogo dei modelli di BroadNet, speech-to-text (consultato il 2026-11-16) (in inglese)](https://www.broadnet.ai/inference/models)
-   [Codici delle lingue ISO 639 (Library of Congress, consultato il 2026-11-16)](https://www.loc.gov/standards/iso639-2/php/code_list.php)
