Untuk memilih API speech-to-text bahasa Arab, transkripsikan 30 hingga 50 klip anda sendiri bagi setiap dialek dengan setiap calon, bandingkan kadar ralat perkataan bagi setiap dialek, kemudian timbang harga sejam audio, had fail, keperluan penstriman dan pengekalan data. Model yang kelihatan hebat pada penanda aras masih boleh gagal pada audio pusat panggilan anda.
Bahasa Arab sukar untuk pengecaman pertuturan: satu piawai tulisan berada di atas banyak dialek lisan, penutur beralih ke bahasa Inggeris di tengah ayat, dan kebanyakan audio sebenar ialah panggilan telefon dan nota suara.
Mengapakah kadar ralat perkataan pada audio anda sendiri paling penting?
Kadar ralat perkataan (WER) ialah bahagian perkataan yang salah oleh model: diganti, tertinggal atau direka. Lebih rendah lebih baik. Angka awam hanyalah titik permulaan:
| Set ujian | Apakah ia | BroadNet Transcribe Arabic | ElevenLabs Scribe v2 | Whisper large-v3 |
|---|---|---|---|---|
| FLEURS-ar | Ayat bacaan yang bersih | 3.8 | tidak diterbitkan | tidak diterbitkan |
| MASC-ar | Pertuturan Arab dunia sebenar yang bercampur | 21.1 | 22.3 | 31.5 |
| Set dialek BroadNet | Pertuturan Teluk, Mesir dan Levant | 23.4 | 25.6 | 31.8 |
Ini ukuran makmal BroadNet, diterbitkan dalam katalog model dan halaman Transcribe Arabicnya. BroadNet sendiri yang menjalankan perbandingan ini, jadi anggap lajur ElevenLabs dan Whisper sebagai ujian satu vendor terhadap pesaingnya, bukan hasil bebas. BroadNet juga melaporkan model itu di #2 daripada 37 (angka September 2026; papan kedudukan langsung menyenaraikannya di #4 daripada 39 pada 15 November 2026) pada Open Universal Arabic ASR Leaderboard, dan #1 dalam kalangan model yang lesennya membenarkan penyediaan melalui API. Pada 15 November 2026, tiga entri di atasnya ialah Jais-ASR, Sygma-ASR-Arabic (yang diterangkan oleh papan itu sebagai penyahkodan beam pada model Cohere) dan Audar-ASR-V1-Turbo; Whisper large-v3 berada di #19. Kami belum menyemak lesen setiap entri.
Anda boleh mendengar model ini pada suara anda sendiri sebelum mendaftar: taman permainan pelayar BroadNet mentranskripsi sehingga 60 saat audio bahasa Arab atau Inggeris tanpa akaun. Lihat cara menggunakan taman permainan.
Jurang antara 3.8 dan 23.4 ialah pengajarannya: model yang sama boleh hampir sempurna pada pertuturan bacaan dan jauh lebih lemah pada perbualan dialek. Uji pada audio anda.
Berhati-hati dengan angka vendor secara umum. Banyak angka WER bahasa Arab yang diterbitkan datang daripada ujian vendor sendiri, pada audio yang anda tidak dapat lihat. Sesuatu angka hanya boleh dibandingkan apabila set ujian, penormalan dan alat pemarkahannya sama.
Untuk gambaran penuh, indeks harga API speech-to-text terbuka kami menyenaraikan harga kelompok dan penstriman, kenaikan pengebilan dan sokongan bahasa Arab untuk lebih 20 produk, setiap satu disemak terhadap halaman harga penyedia sendiri (CSV dan JSON).
Bagaimanakah anda menyemak liputan dialek?
Kumpulkan fail ujian anda mengikut dialek: Teluk (Khaleeji), Mesir, Levant, Iraq, Maghribi, serta bahasa Arab Standard Moden. Skor setiap kumpulan secara berasingan. Jika kebanyakan pelanggan anda di Riyadh, WER Teluk jauh lebih penting daripada purata.
Awasi penukaran kod. Pertuturan perniagaan Teluk bercampur dengan nama produk dan nombor dalam bahasa Inggeris. Semak bagaimana nombor, tarikh dan nama keluar, kerana itulah perkataan yang menjadi asas tindakan sistem hiliran anda. BroadNet menawarkan model bahasa Arab yang diperhalusi untuk nombor, tarikh dan nama dalam audio bising, atas permintaan.
Berapakah kos transkripsi bahasa Arab sejam audio?
Bandingkan setiap jam audio, kerana itulah cara volum anda diukur:
| Model | Seminit | Sejam | 1,000 jam |
|---|---|---|---|
| BroadNet Transcribe Arabic | $0.0042 | $0.25 | $252.00 |
| BroadNet Transcribe (14 bahasa) | $0.002 | $0.12 | — |
| Soniox async (fail), 60+ bahasa | kira-kira USD 0.0017 (dikira) | kira-kira USD 0.10 | kira-kira USD 100 |
| Soniox masa nyata (penstriman) | kira-kira USD 0.002 (dikira) | kira-kira USD 0.12 | kira-kira USD 120 |
Baris Soniox diambil daripada harga Soniox, disemak 14 November 2026. Soniox mengebil setiap token (kira-kira 30,000 token audio sejam) dan menyebut angka sejam sebagai anggaran.
Soniox lebih murah sejam berbanding BroadNet. Kadar failnya kurang daripada separuh $0.25 BroadNet Transcribe Arabic dan di bawah $0.12 BroadNet Transcribe. Kadar masa nyatanya sama dengan BroadNet Transcribe dan masih lebih murah daripada model bahasa Arab, dan BroadNet langsung tidak mendokumenkan penstriman masa nyata. Soniox menyenaraikan bahasa Arab (ar) antara bahasa yang disokongnya dan menunjukkan satu kadar untuk semua bahasa. Ia tidak menerbitkan harga khusus bahasa Arab, angka WER bahasa Arab atau liputan dialek, jadi harganya jelas tetapi ketepatannya tidak. Jalankan ujian dialek yang sama pada kedua-duanya sebelum anda memilih berdasarkan harga.
Untuk peti masuk sokongan, 10,000 nota suara WhatsApp setiap satu 30 saat berharga $21.00 pada model bahasa Arab. Kiraannya ialah 10,000 × 0.5 minutes × $0.0042. Masukkan volum anda sendiri ke dalam kalkulator kos speech-to-text.
Apabila membandingkan penyedia, semak unit pengebilan serta kadarnya: setiap saat, setiap minit atau setiap blok yang dimulakan, dan sama ada terdapat caj minimum bagi setiap fail. Nota suara pendek ialah tempat pembundaran pengebilan kelihatan. Untuk kadar seminit penyedia lain, yang disemak terhadap halaman harga mereka, lihat perbandingan harga API speech-to-text; jika anda berpindah daripada endpoint OpenAI, lihat senarai semak alternatif Whisper API. Perbandingan Transcribe vs Transcribe Arabic menunjukkan bila model 14 bahasa yang lebih murah sudah memadai.
Ciri apakah yang patut ada pada API speech-to-text bahasa Arab?
Bukan setiap produk memerlukan setiap ciri. Tentukan ciri mana yang penting sebelum anda membandingkan:
| Ciri | Mengapa penting | Apa yang perlu ditanya |
|---|---|---|
| Muat naik fail kelompok | Nota suara, rakaman, arkib | Format dan saiz fail maksimum |
| Penstriman masa nyata | Kapsyen langsung, ejen suara | Kependaman, dan sama ada ia produk berasingan |
| Label penutur (diarisasi) | Panggilan dengan ejen dan pelanggan | Kelompok sahaja, atau langsung juga? |
| Cap masa perkataan | Sari kata, carian, alat semakan | Peringkat perkataan atau segmen? |
| Penukaran kod | Bahasa Arab dengan istilah Inggeris | Adakah ia memerlukan satu bahasa setiap permintaan? |
| Pengekalan data | Panggilan membawa data peribadi | Adakah audio atau teks disimpan, dan berapa lama? |
Apa yang didokumenkan oleh BroadNet hari ini: transkripsi kelompok melalui endpoint /v1/audio/transcriptions yang serasi OpenAI, input WAV atau MP3, medan language, dan pengekalan data sifar. Untuk apa-apa lagi dalam senarai ini, semak rujukan API sebelum anda bergantung padanya.
Had fail dan format apakah yang terpakai?
- Saiz fail. BroadNet menerima WAV atau MP3 sehingga 26,214,400 bait (25 MiB) bagi setiap fail. Fail yang lebih besar memulangkan 413; pecahkan rakaman yang lebih panjang.
- Format. Tukar nota suara .ogg dan rakaman .m4a dahulu; panduan nota suara WhatsApp mengandungi baris ffmpeg.
- Medan language. Hantar
language=ar. Tanpanya, bahasa Arab boleh dipulangkan dalam transliterasi huruf Rumi. - Had kadar. Kunci bayar ikut guna membenarkan 30 permintaan seminit dan 4 serentak. Untuk tunggakan yang besar, beratur fail dan cuba semula 429 dengan backoff; lihat ralat dan cubaan semula.
Adakah audio disimpan?
Nota suara dan panggilan membawa nama, nombor telefon dan butiran kesihatan atau perbankan. Tanya setiap penyedia sama ada audio dan transkrip disimpan, dan untuk berapa lama. BroadNet Inference tidak menyimpan kedua-duanya; lihat pengekalan data sifar dan senarai semak ZDR kami.
Bagaimanakah anda menguji API transkripsi bahasa Arab dalam satu petang?
- Kumpulkan 30 hingga 50 klip sebenar bagi setiap dialek daripada saluran pengeluaran anda. Buang apa-apa yang anda tidak boleh kongsi.
- Tulis transkrip yang betul untuk 10 klip bagi setiap dialek secara manual, menggunakan satu konvensyen ejaan yang dipersetujui.
- Transkripsikan setiap klip dengan setiap API calon. Panduan bahasa Arab langkah demi langkah mengandungi kod curl dan Python untuk BroadNet.
- Normalkan kedua-dua teks dengan cara yang sama dan kira WER dan CER bagi setiap dialek. WER bahasa Arab diterangkan mengandungi fungsi penormalan Python dan menunjukkan mengapa melangkaunya boleh menjadikan transkrip yang sempurna 75% WER.
- Baca sendiri 20 transkrip. WER yang rendah masih boleh menyembunyikan nombor atau nama yang salah.
Cara memilih klip, menulis rujukan dan memarkahkan setiap kumpulan dialek diterangkan dengan terperinci dalam pengecaman pertuturan dialek Arab.
Kesilapan biasa
- Menguji audio bersih sahaja. Gunakan rakaman telefon dan nota suara sebenar.
- Satu purata WER. Purata yang baik boleh menyembunyikan dialek yang digunakan oleh pelanggan anda.
- Melangkau medan language. Output yang ditransliterasi mendapat skor hampir semuanya ralat.
- Mengabaikan nombor. Semak digit, tarikh dan amaun secara manual; itulah yang menjadi asas tindakan sistem anda.
Di manakah BroadNet Inference sesuai
BroadNet Transcribe Arabic sesuai untuk transkripsi kelompok nota suara, panggilan dan rakaman bahasa Arab pada harga seminit, tanpa audio disimpan. Kredit permulaan $5 meliputi kira-kira 1,190 minit audio bahasa Arab, cukup untuk ujian di atas tanpa kad. Jika anda memerlukan ciri yang tidak didokumenkannya, seperti kapsyen penstriman langsung, uji penyedia yang menawarkannya. Untuk tugasan teks bahasa Arab selepas transkripsi, lihat memilih LLM untuk bahasa Arab.
