---
title: "Cos’è un’API speech-to-text? ASR e trascrizione audio"
description: "Lo speech-to-text trasforma il parlato in testo. Come funzionano le API di trascrizione, il prezzo al minuto, come si misura l’accuratezza e quali limiti verificare."
url: https://broadrouter.com/it/glossary/speech-to-text/
lang: it
updated: 2026-11-15
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/glossary/speech-to-text/) (aggiornato il 2026-11-15).

# Speech-to-text (riconoscimento vocale)

Aggiornato 2026-11-15

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.

Detto anche: speech-to-text, riconoscimento vocale, trascrizione audio, API di trascrizione, da voce a testo, STT, ASR, automatic speech recognition, transcription API, audio transcription, voice to text

Vocali, chiamate e riunioni contengono informazioni che il software non può cercare finché non diventano testo. Lo speech-to-text colma questa distanza.

## Come funziona

Hugging Face definisce il riconoscimento automatico del parlato come “the task of transcribing a given audio to text” (traduzione: il compito di trascrivere in testo un dato audio). Un modello ASR moderno converte l’audio in feature, poi genera la sequenza di parole più probabile.

Con un’API compatibile con OpenAI, carichi il file come form multipart su `/v1/audio/transcriptions`:

```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
```

La risposta è un JSON con la trascrizione in `text`. I provider fissano limiti su dimensione e formati dei file; l’endpoint di OpenAI accetta file fino a 25 MB (secondo la sua guida allo speech-to-text, verificata il 2026-11-15).

## Perché è importante

-   **L’accuratezza decide il valore.** Una trascrizione con nomi o numeri sbagliati può essere peggio di nessuna. L’accuratezza si misura con il [word error rate](https://broadrouter.com/it/glossary/word-error-rate/), e cala con accenti, dialetti, voci sovrapposte e audio telefonico.
-   **Prezzo per ora di audio.** Lo STT è fatturato al minuto di audio, quindi la spesa è facile da prevedere: ore di audio per la tariffa oraria.
-   **Privacy.** La voce contiene nomi, numeri di telefono e dati sanitari o bancari. Chiedi se audio e trascrizioni vengono conservati; vedi [zero data retention](https://broadrouter.com/it/glossary/zero-data-retention/).
-   **Pipeline.** Spesso la trascrizione finisce poi in un LLM, per riassunti, smistamento o estrazione di dati.

## Su BroadNet Inference

| Modello | Lingue | Prezzo al minuto | All’ora |
| --- | --- | --- | --- |
| [BroadNet Transcribe Arabic](https://broadrouter.com/it/models/cohere-transcribe-arabic/) | Arabo, dialetti inclusi | $0.0042 | $0.25 |
| [BroadNet Transcribe](https://broadrouter.com/it/models/cohere-transcribe/) | 14 lingue | $0.002 | $0.12 |

Entrambi accettano WAV o MP3 fino a 26.214.400 byte (25 MiB) per file; un file più grande restituisce 413. Invia `language=ar` per l’arabo, altrimenti può tornare traslitterato in lettere latine. BroadNet riporta il modello arabo in posizione #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. Audio e trascrizioni non vengono conservati.

Altri provider possono costare meno. Il 2026-11-14 la [pagina dei prezzi di Soniox](https://soniox.com/pricing) indicava circa 0,10 USD all’ora per la trascrizione di file (asincrona) e 0,12 USD all’ora per quella in tempo reale, e la sua lista di lingue include l’arabo. È meno dei $0.25 all’ora di BroadNet Transcribe Arabic, quindi provali entrambi sul tuo audio. Il nostro [indice aperto dei prezzi delle API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/) elenca oltre 20 prodotti, con fonte e data per ogni prezzo.

Entrambi i modelli funzionano con il credito iniziale gratuito di $5, che copre circa 1,190 minuti di audio in arabo. Parti dalla [guida allo speech-to-text in arabo](https://broadrouter.com/it/guides/arabic-speech-to-text-api/), converti i file `.ogg` di WhatsApp con la [guida ai vocali](https://broadrouter.com/it/guides/transcribe-whatsapp-voice-notes/) e confronta i provider con la [guida all’acquisto](https://broadrouter.com/it/blog/arabic-speech-to-text-api-buyers-guide/).

## Domande frequenti

### Come si misura l’accuratezza dello speech-to-text?

Con il word error rate (WER), la quota di parole che una trascrizione sbaglia rispetto a un riferimento corretto. Più basso è meglio. Misuralo sulle tue registrazioni, perché l’accuratezza varia molto con accento, dialetto e qualità dell’audio.

### Come trascrivo file più grandi del limite di dimensione?

Dividi l’audio in parti più brevi, meglio se nelle pause, e trascrivi ciascuna. Anche la compressione in MP3 riduce la dimensione.

### Perché a volte l’arabo torna in lettere latine?

Senza un’indicazione della lingua, alcuni modelli traslitterano. Su BroadNet Inference invia language=ar per l’arabo.

## Vedi anche

-   [Word error rate (WER)](https://broadrouter.com/it/glossary/word-error-rate/) (termine)
-   [Zero data retention (nessuna conservazione dei dati)](https://broadrouter.com/it/glossary/zero-data-retention/) (termine)
-   [API compatibile con OpenAI](https://broadrouter.com/it/glossary/openai-compatible-api/) (termine)
-   [Pagamento a consumo (pay-as-you-go)](https://broadrouter.com/it/glossary/pay-as-you-go/) (termine)
-   [Speaker diarization (diarizzazione del parlato)](https://broadrouter.com/it/glossary/diarization/) (termine)
-   [Voice activity detection (VAD)](https://broadrouter.com/it/glossary/vad/) (termine)
-   [Frequenza di campionamento (sample rate)](https://broadrouter.com/it/glossary/sample-rate/) (termine)
-   [Timestamp (speech-to-text)](https://broadrouter.com/it/glossary/timestamps-asr/) (termine)
-   [Code-switching (commutazione di codice)](https://broadrouter.com/it/glossary/code-switching/) (termine)
-   [Text-to-speech (TTS, sintesi vocale)](https://broadrouter.com/it/glossary/text-to-speech/) (termine)
-   [WAV (file audio WAV)](https://broadrouter.com/it/glossary/wav/) (termine)
-   [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)
-   [API speech-to-text per l’arabo: come sceglierla nel 2026](https://broadrouter.com/it/blog/arabic-speech-to-text-api-buyers-guide/) (articolo)

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-glossary-speech-to-text&utm_content=page-cta) ·

**Fonti**

-   [Prezzi dello speech-to-text di Soniox (verificati il 2026-11-14)](https://soniox.com/pricing)
-   [Hugging Face Tasks, riconoscimento automatico del parlato](https://huggingface.co/tasks/automatic-speech-recognition)
-   [OpenAI, guida allo speech-to-text (endpoint transcriptions, limite di 25 MB per file; verificata il 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Riferimento API di BroadNet Inference, trascrizione (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-speech-to-text&utm_content=sources)
-   [Prezzi di BroadNet Inference in formato leggibile dalle macchine (pricing.json) (in inglese)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-speech-to-text&utm_content=sources)
