---
title: "Trascrivere audio in arabo con un’API: curl e Python"
description: "Trascrivi audio in arabo con BroadNet Transcribe Arabic tramite un endpoint compatibile con OpenAI. Formati, campo language, esempi Python e curl, e il prezzo."
url: https://broadrouter.com/it/guides/arabic-speech-to-text-api/
lang: it
updated: 2026-11-16
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/guides/arabic-speech-to-text-api/) (aggiornato il 2026-11-16).

# API speech-to-text in arabo, passo dopo passo

Aggiornato 2026-11-16

Invia un file WAV o MP3 a https://inference.broadnet.ai/v1/audio/transcriptions con model broadnet/cohere-transcribe-arabic e language=ar. La risposta è un JSON con la trascrizione in text. Converti prima in WAV gli altri formati, come gli .ogg di WhatsApp. Il prezzo è al minuto di audio, e BroadNet dichiara di non conservare né l’audio né la trascrizione.

BroadNet Transcribe Arabic costa $0.0042 per minuto di audio. BroadNet lo riporta 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](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard), e al primo posto tra i modelli con licenze che consentono di servirli tramite API. Per le altre lingue, BroadNet Transcribe copre 14 lingue a $0.002 al minuto. Vedi la [pagina del modello BroadNet Transcribe Arabic](https://broadrouter.com/it/models/cohere-transcribe-arabic/) e la [pagina del modello BroadNet Transcribe](https://broadrouter.com/it/models/cohere-transcribe/).

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.

## Con curl

```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 la trascrizione in JSON (nell’esempio, il messaggio di benvenuto di una segreteria telefonica):

```json
{"text": "مرحباً، لقد وصلت إلى البريد الصوتي، اترك رسالتك من فضلك"}
```

## Con Python

```python
from openai import OpenAI
import os

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

with open("voice-note.wav", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="broadnet/cohere-transcribe-arabic",
        file=audio,
        language="ar",
    )
print(result.text)
```

## Invia sempre la lingua

Senza `language`, l’arabo può tornare **traslitterato in lettere latine**. Invia `language=ar` per l’arabo e `language=en` per l’inglese.

## Quali dialetti arabi gestisce?

BroadNet descrive BroadNet Transcribe Arabic come un modello che copre l’arabo, dialetti inclusi, e ne pubblica tre valori di word error rate. Sono misure di laboratorio di BroadNet, tratte dal suo [catalogo modelli](https://www.broadnet.ai/inference/models):

| Set di test | Cos’è | Word error rate |
| --- | --- | --- |
| FLEURS-ar | Frasi lette, audio pulito | 3,8 |
| MASC-ar | Parlato arabo reale e misto | 21,1 |
| Set dei dialetti di BroadNet | Parlato dialettale | 23,4 |

BroadNet non pubblica una suddivisione per dialetto, quindi nessuno al di fuori di BroadNet può dire come se la cava l’audio del Golfo rispetto a quello egiziano o maghrebino. Gli altri provider descrivono la copertura in modo diverso. Deepgram elenca Nova-3 Arabic con codici regionali, da `ar-AE`, `ar-SA` e `ar-EG` fino a `ar-MA` e `ar-IQ`. Speechmatics vende un unico pacchetto “Global Arabic” che cita arabo standard moderno, parlato del Golfo, egiziano e levantino, più un pacchetto `ar_en` per l’arabo misto all’inglese. Soniox elenca l’arabo (`ar`) senza dettagli sui dialetti.

Un codice in elenco non è un’accuratezza misurata. Prima di scegliere, valuta ogni candidato sulle tue clip raggruppate per dialetto:

-   **Golfo (khaleeji):** parlato saudita, emiratino, kuwaitiano e qatariota, spesso con nomi di prodotti in inglese.
-   **Egiziano:** il dialetto più compreso, grazie ai media.
-   **Levantino:** parlato siriano, libanese, giordano e palestinese.
-   **Iracheno e maghrebino:** il parlato marocchino, algerino e tunisino è di solito il caso più difficile.
-   **[Arabo standard moderno](https://broadrouter.com/it/glossary/msa/):** notiziari e parlato formale, la base di riferimento più facile.

La [guida al riconoscimento vocale dei dialetti arabi](https://broadrouter.com/it/blog/arabic-dialect-speech-recognition/) spiega perché i dialetti ottengono punteggi peggiori, e la [spiegazione del word error rate](https://broadrouter.com/it/blog/arabic-asr-wer-explained/) mostra come misurarli.

## Quanto costano le API speech-to-text in arabo?

Tutti i provider qui sotto elencano l’arabo. Dal più economico; i prezzi sono per file preregistrati salvo indicazione diversa, e sono stati verificati il 2026-11-14:

| Provider e modello | Al minuto | All’ora | Copertura dell’arabo dichiarata |
| --- | --- | --- | --- |
| Soniox, asincrono (file) | circa 0,0017 USD | circa 0,10 USD | Arabo (`ar`) |
| Soniox, tempo reale | circa 0,002 USD | circa 0,12 USD | Arabo (`ar`) |
| [BroadNet Transcribe](https://broadrouter.com/it/models/cohere-transcribe/) (14 lingue) | $0.002 | $0.12 | Arabo tra 14 lingue |
| [BroadNet Transcribe Arabic](https://broadrouter.com/it/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | Arabo, dialetti inclusi (secondo BroadNet) |
| Deepgram, Nova-3 monolingue | 0,0043 USD | 0,258 USD | `ar` più codici regionali |
| Speechmatics, Standard | 0,0075 USD | 0,45 USD | Global Arabic, `ar_en` |
| Speechmatics, Enhanced | 0,0125 USD | 0,75 USD | Global Arabic, `ar_en` |

Fonti: [prezzi di Soniox](https://soniox.com/pricing) (fatturazione per token; le cifre orarie sono approssimazioni di Soniox), [prezzi di Deepgram](https://deepgram.com/pricing) e [prezzi di Speechmatics](https://www.speechmatics.com/pricing). Soniox costa meno di entrambi i modelli BroadNet, e BroadNet non documenta lo streaming in tempo reale. I punti a favore di BroadNet sono il modello specifico per l’arabo, la posizione che riporta in leaderboard e la zero data retention. Per altri provider, vedi il nostro [indice aperto dei prezzi delle API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/), che elenca prezzi batch e streaming e supporto dell’arabo per oltre 20 prodotti, con fonte e data per ciascuno (CSV e JSON). Per i costi aggiuntivi, vedi il [confronto dei prezzi delle API speech-to-text](https://broadrouter.com/it/blog/speech-to-text-api-pricing-compared/); per stimare il tuo volume, usa il [calcolatore dei costi speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

## Limiti

-   WAV o MP3, fino a 26.214.400 byte (25 MiB) per file. Un file più grande restituisce 413; dividilo prima.
-   Le chiavi a consumo consentono 30 richieste al minuto e 4 contemporanee.
-   Entrambi i modelli di trascrizione funzionano con il credito iniziale gratuito di $5, quindi puoi provare le tue registrazioni prima di pagare.

## Risoluzione dei problemi

-   **Lettere latine invece della scrittura araba.** Aggiungi `language=ar`.
-   **400 o 422.** Controlla i nomi dei campi (`model`, `language`, `file`) e che il file sia davvero WAV o MP3. Un `.ogg` rinominato fallisce; convertilo con ffmpeg.
-   **413.** Il file supera i 26.214.400 byte. Convertilo in WAV o MP3 mono a 16 kHz, oppure dividilo in parti più brevi.
-   **401 su un account a pagamento.** Controlla la chiave e la quota a consumo. Vedi [codici di errore e retry di BroadNet](https://broadrouter.com/it/guides/errors-and-retries/).
-   **Accuratezza scarsa su dialetti o chiamate rumorose.** Sul set di test dei dialetti di BroadNet i risultati sono peggiori che sul parlato letto e pulito (vedi le FAQ). Prova su un campione del tuo audio reale e misura il [word error rate](https://broadrouter.com/it/glossary/word-error-rate/).

I vocali di WhatsApp arrivano in `.ogg`. [Converti e trascrivi i vocali di WhatsApp in un solo passaggio](https://broadrouter.com/it/guides/transcribe-whatsapp-voice-notes/). Se ti servono numeri, date e nomi in audio rumoroso, BroadNet offre un modello arabo con fine-tune [su richiesta](https://broadrouter.com/it/models/#on-request).

## Termini in questa guida

[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.

[Arabo standard moderno (MSA)](https://broadrouter.com/it/glossary/msa/)

L’arabo standard moderno (MSA) è la forma standardizzata dell’arabo usata nella scrittura, nei notiziari, nell’istruzione e nei discorsi formali in tutto il mondo arabo. Non è la lingua madre quotidiana di nessuno: le persone parlano dialetti regionali, come l’egiziano o l’arabo del Golfo, e passano all’MSA nei contesti formali.

[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.

[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.

[Arabo dialettale (dialectal Arabic)](https://broadrouter.com/it/glossary/dialectal-arabic/)

L’arabo dialettale è l’arabo parlato ogni giorno in una regione o in una città, come l’arabo egiziano, del Golfo, levantino o maghrebino. I dialetti differiscono dall’arabo standard moderno per suoni, parole e grammatica, non hanno un’ortografia standard e si scrivono sempre più online, il che li rende più difficili per i modelli linguistici.

[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.

[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

### Capisce i dialetti arabi?

BroadNet riporta un word error rate di 23,4 sul proprio set di test dei dialetti, insieme a 3,8 su FLEURS-ar e 21,1 su MASC-ar. Più basso è meglio. BroadNet non pubblica un punteggio per dialetto, quindi prova separatamente registrazioni del Golfo, egiziane, levantine e maghrebine prima di farci affidamento.

### Qual è l’API speech-to-text in arabo più economica?

Tra i provider verificati il 2026-11-14, Soniox indica la tariffa più bassa, circa 0,10 USD all’ora per la trascrizione di file. BroadNet Transcribe Arabic costa $0.25 all’ora. Deepgram Nova-3 e Speechmatics costano di più. Il prezzo orario conta meno del word error rate sul tuo audio nel dialetto che ti interessa.

### Quali formati audio sono accettati?

WAV (audio/wav) e MP3 (audio/mpeg). Converti prima con ffmpeg gli altri formati, come .ogg o .m4a.

### Perché la mia trascrizione in arabo è scritta in lettere latine?

La richiesta non includeva il campo language. Senza, il parlato arabo può essere traslitterato in caratteri latini. Invia language=ar con ogni richiesta in arabo.

### Posso provare gratis la trascrizione in arabo?

Sì. Entrambi i modelli di trascrizione di BroadNet funzionano con il credito iniziale gratuito dei nuovi account, quindi puoi provare le tue registrazioni prima di ricaricare.

### Per l’arabo conviene BroadNet Transcribe Arabic o BroadNet Transcribe?

Entrambi accettano language=ar. BroadNet Transcribe Arabic è il modello arabo, quello che BroadNet riporta nella leaderboard araba. BroadNet Transcribe costa meno al minuto e copre 14 lingue, quindi provali entrambi sul tuo audio.

## Guide correlate

-   [Trascrivere i vocali WhatsApp in testo con un’API](https://broadrouter.com/it/guides/transcribe-whatsapp-voice-notes/)
-   [Leggere fatture e scontrini in arabo con un modello vision](https://broadrouter.com/it/guides/read-arabic-invoices-with-vision/)
-   [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-guides-arabic-speech-to-text-api&utm_content=page-cta) ·

**Fonti**

-   [Prezzi dello speech-to-text di Soniox (verificati il 2026-11-14)](https://soniox.com/pricing)
-   [Riferimento API di BroadNet Inference, trascrizione (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-guides-arabic-speech-to-text-api&utm_content=sources#requests)
-   [Prezzi di BroadNet Inference (in inglese)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-guides-arabic-speech-to-text-api&utm_content=sources)
-   [Catalogo modelli di BroadNet, speech-to-text (misure di laboratorio) (in inglese)](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Documentazione di Soniox, lingue supportate (arabo incluso; verificata il 2026-11-14)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [Prezzi di Deepgram, Nova-3 su audio preregistrato (verificati il 2026-11-14)](https://deepgram.com/pricing)
-   [Modelli e lingue di Deepgram, codici arabi di Nova-3 (verificati il 2026-11-14)](https://developers.deepgram.com/docs/models-languages-overview)
-   [Prezzi di Speechmatics, batch a consumo (verificati il 2026-11-14)](https://www.speechmatics.com/pricing)
-   [Lingue di Speechmatics, Global Arabic e arabo-inglese (verificate il 2026-11-14)](https://docs.speechmatics.com/speech-to-text/languages)
