BroadRouter

API speech-to-text berbilang bahasa: 14 bahasa, satu endpoint

Oleh pasukan BroadNet Inference · 6 minit bacaan · Diterbitkan · Dikemas kini

BroadNet Transcribe ialah model speech-to-text untuk 14 bahasa, termasuk bahasa Inggeris, Sepanyol, Perancis, Jerman, Cina, Jepun dan Arab, disajikan pada endpoint /v1/audio/transcriptions yang serasi OpenAI. Kosnya $0.002 bagi setiap minit audio ($0.12 sejam). Untuk audio yang kebanyakannya bahasa Arab, BroadNet Transcribe Arabic ialah pilihan khusus pada $0.0042 seminit.

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

Kebanyakan produk yang mengendalikan audio berurusan dengan lebih daripada satu bahasa: talian sokongan global, rakaman mesyuarat dari pejabat berbeza, peti masuk nota suara di bandar berbilang bahasa. Menggunakan satu vendor speech-to-text bagi setiap bahasa ialah kos penyelenggaraan. BroadNet Transcribe meletakkan 14 bahasa di belakang satu endpoint serasi OpenAI, berharga bagi setiap minit audio, dengan model khusus bahasa Arab di sebelahnya untuk beban kerja yang banyak bahasa Arab.

Bahasa apakah yang dirangkumi oleh BroadNet Transcribe?

Senarai bahasa datang daripada pricing.json yang diterbitkan BroadNet, sebagai kod ISO 639-1:

Kod Bahasa Kod Bahasa
en Inggeris nl Belanda
es Sepanyol pl Poland
fr Perancis zh Cina
de Jerman ja Jepun
it Itali ko Korea
pt Portugis vi Vietnam
el Greek ar Arab

BroadNet Transcribe berasaskan Cohere Transcribe dan disajikan oleh BroadNet. ID modelnya ialah broadnet/cohere-transcribe.

Untuk gambaran penuh, indeks harga API speech-to-text terbuka kami menyenaraikan harga kelompok dan penstriman, kenaikan pengebilan dan sokongan bahasa Arab bagi lebih 20 produk, setiap satu disemak dengan halaman harga penyedia sendiri (CSV dan JSON).

Berapakah kos transkripsi berbilang bahasa?

Model Seminit Sejam Bahasa
BroadNet Transcribe $0.002 $0.12 14
BroadNet Transcribe Arabic $0.0042 $0.25 Arab

Pengebilan adalah bagi setiap minit audio, bukan bagi setiap permintaan atau token. Kedua-dua model berfungsi dengan kredit permulaan percuma $5, jadi anda boleh menguji rakaman anda sendiri sebelum tambah nilai. Lihat semua harga di halaman harga, anggarkan jam bulanan anda dalam kalkulator kos speech-to-text, atau bandingkan penyedia lain dalam perbandingan harga API speech-to-text.

Bagaimanakah anda memanggil endpoint transkripsi?

Endpoint ini mengikut bentuk transkripsi audio OpenAI, jadi SDK rasmi berfungsi dengan base URL yang ditukar:

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)

Atau dengan 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

Responsnya ialah JSON dengan transkrip dalam text. Respons yang didokumenkan BroadNet ialah teks itu sendiri; jika anda memerlukan cap masa perkataan atau label penutur, semak rujukan API untuk apa yang disokong sekarang sebelum anda mereka bentuk sekelilingnya.

Mengapakah anda perlu sentiasa menghantar bahasa?

Dokumentasi BroadNet jelas: hantar language bersama setiap permintaan transkripsi. Tanpanya, bahasa Arab boleh kembali dalam transliterasi huruf Rumi, dan risiko yang sama terpakai pada mana-mana bahasa yang mungkin dikelirukan oleh model. Jika anda tidak tahu bahasanya terlebih dahulu:

  1. Gunakan metadata dahulu. Negara pemanggil, bahasa aplikasi pengguna atau awalan nombor telefon biasanya betul.
  2. Tanya pengguna dalam produk suara (“tekan 1 untuk bahasa Inggeris, 2 untuk bahasa Arab”).
  3. Cuba sampel pendek. Transkripsi 30 saat pertama dengan tekaan terbaik anda; jika teksnya kelihatan salah (tulisan salah, tidak bermakna), cuba semula dengan calon seterusnya.

Apakah had dan formatnya?

  • Format: WAV (audio/wav) atau MP3 (audio/mpeg). Tukar fail .ogg, .m4a, .webm dan video dengan ffmpeg dahulu. Panduan nota suara WhatsApp mempunyai arahan satu barisnya.
  • Saiz: sehingga 26,214,400 bait (25 MiB) setiap fail; fail yang lebih besar memulangkan 413. Itu kira-kira 13 minit WAV mono 16 kHz atau kira-kira 54 minit MP3 64 kbit/s. Pecahkan audio yang lebih panjang dengan ffmpeg -f segment -segment_time 600.
  • Kadar: kunci bayar ikut guna membenarkan 30 permintaan seminit dan 4 serentak. Cuba semula 429 dengan backoff; lihat ralat dan cubaan semula.
  • Privasi: audio dan transkrip diproses untuk permintaan itu dan tidak disimpan. Lihat pengekalan data sifar.

Untuk saluran paip kelompok pengeluaran dengan pemecahan dan kumpulan pekerja, lihat transkripsi pusat panggilan bahasa Arab secara besar-besaran; reka bentuk yang sama berfungsi untuk mana-mana daripada 14 bahasa itu.

Bilakah anda patut memilih model khusus bahasa Arab?

BroadNet menawarkan dua model kerana bahasa Arab lebih sukar daripada kebanyakan bahasa untuk pengecaman pertuturan: banyak dialek di bawah satu standard bertulis, code-switching yang kerap dengan bahasa Inggeris dan Perancis, dan banyak audio berkualiti telefon. BroadNet Transcribe Arabic ialah pilihan khusus, dan BroadNet hanya menerbitkan ketepatan bahasa Arab untuknya:

  • BroadNet melaporkannya pada #2 daripada 37 (angka September 2026; papan kedudukan langsung menyenaraikannya di #4 daripada 39 pada 15 November 2026) di Open Universal Arabic ASR Leaderboard, dan #1 dalam kalangan model yang lesennya membenarkan penyajian API.
  • Kadar ralat perkataan makmal BroadNet: 3.8 pada FLEURS-ar, 21.1 pada MASC-ar dan 23.4 pada set dialeknya (lebih rendah lebih baik). Maksud angka tersebut.

BroadNet tidak menerbitkan angka bahasa Arab untuk model 14 bahasa, tetapi papan pendahulu awam ada: pada 15 November 2026 ia menyenaraikan Cohere Transcribe 03-2026, model di sebalik BroadNet Transcribe, di #8 daripada 39 dengan purata WER 30.67, berbanding 24.19 untuk model bahasa Arab di #4 daripada 39. Untuk bahasa lain, BroadNet melaporkan kadar ralat perkataan 5.5 pada FLEURS bahasa Inggeris dan 3.2 pada FLEURS bahasa Sepanyol untuk BroadNet Transcribe, dan kira-kira 113 kali masa nyata pada satu strim (217 kali secara kelompok) pada audio bahasa Inggeris, menurut halaman modelnya. Peraturan ringkas:

Audio anda Pilih
Kebanyakannya bahasa Arab, apa-apa dialek BroadNet Transcribe Arabic
Bahasa Arab minoriti fail, ketepatan tidak kritikal BroadNet Transcribe untuk semua, atau uji kedua-duanya
Portfolio bercampur dengan bahasa setiap fail diketahui Hantar fail bahasa Arab ke model bahasa Arab, selebihnya ke BroadNet Transcribe
Mana-mana daripada 13 bahasa lain BroadNet Transcribe

Penghalaan mengikut bahasa hanyalah perubahan satu baris, kerana kedua-dua model berkongsi endpoint dan bentuk permintaan yang sama:

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

Model bahasa Arab berkos kira-kira dua kali ganda seminit. Pada volum besar, uji kedua-duanya pada beberapa jam audio bahasa Arab sebenar anda dan bandingkan kadar ralat perkataan bagi setiap dialek; panduan pembeli speech-to-text bahasa Arab mempunyai pelan ujian sejam. Jika masalahnya ialah nombor, tarikh dan nama dalam audio bahasa Arab yang bising, BroadNet juga menyenaraikan model bahasa Arab yang ditala halus atas permintaan di halaman model.

Bagaimanakah anda menguji ketepatan dalam setiap bahasa?

Satu angka ketepatan vendor menyembunyikan perbezaan besar antara bahasa, loghat dan keadaan rakaman. Sebelum anda memindahkan beban kerja, jalankan ujian kecil bagi setiap bahasa:

  1. Kumpul 20 hingga 50 klip sebenar bagi setiap bahasa, daripada saluran yang benar-benar akan anda transkripsi: panggilan telefon, rakaman mesyuarat, nota suara atau video. Sertakan loghat anda yang paling sukar.
  2. Tulis transkrip rujukan secara manual untuk sebahagian daripadanya, dengan peraturan ejaan yang dipersetujui untuk nombor, nama dan kata pinjaman bahasa Inggeris.
  3. Transkripsi dengan kod language yang betul dan kira kadar ralat perkataan bagi setiap bahasa. Untuk bahasa Cina dan Jepun, yang ditulis tanpa jarak antara perkataan, gunakan kadar ralat aksara.
  4. Baca ralatnya. Nama produk, jumlah wang dan alamat lebih penting daripada perkataan pengisi.
  5. Ulang untuk bahasa Arab dengan kedua-dua model jika bahasa Arab sebahagian daripada campuran anda, dan bandingkan bagi setiap dialek.

Kredit permulaan $5 menampung ujian seperti ini untuk beberapa bahasa pada BroadNet Transcribe, kerana harga seminitnya rendah.

Beban kerja apakah yang sesuai?

Beban kerja Catatan
Talian sokongan berbilang bahasa Halakan mengikut pilihan bahasa IVR; hantar kod language yang sepadan
Nota mesyuarat untuk pasukan teragih Transkripsi setiap rakaman, kemudian ringkaskan dengan LLM
Peti masuk nota suara Tukar .ogg kepada WAV dahulu; lihat panduan WhatsApp
Arkib media dan podcast Pecahkan fail panjang di bawah 25 MiB; proses kelompok semalaman
Aplikasi pembelajaran bahasa Transkripsi pertuturan pelajar, kemudian beri maklum balas dengan LLM

Dalam setiap kes, kos hanya meningkat dengan minit audio: $0.12 bagi setiap jam audio pada BroadNet Transcribe, walau apa pun bahasanya.

Apakah yang berlaku selepas transkripsi?

Transkrip jarang menjadi produk akhir. Langkah seterusnya yang biasa pada kunci API yang sama:

  • Ringkasan dan item tindakan untuk mesyuarat dengan DeepSeek V4.1 Flash, yang konteks 1,048,576 tokennya memuatkan transkrip yang sangat panjang.
  • Terjemahan transkrip ke dalam satu bahasa kerja; lihat terjemahan Arab–Inggeris dengan LLM.
  • Pemarkahan QA panggilan sokongan dengan output JSON berstruktur.

Bagaimanakah anda berpindah daripada API transkripsi lain?

Jika anda sudah memanggil endpoint transkripsi gaya OpenAI, termasuk API Whisper yang disenaraikan OpenAI akan ditutup pada 26 Februari 2027 (apa yang perlu diuji sebelum bertukar), perpindahan biasanya tiga perubahan: base URL, kunci API dan ID model, serta memastikan anda menghantar language. Semak medan respons yang dibaca oleh kod anda selain text. Senarai semak perpindahan serasi OpenAI merangkumi selebihnya.

Soalan lazim

Bahasa apakah yang disokong oleh BroadNet Transcribe?

Empat belas: bahasa Inggeris, Sepanyol, Perancis, Jerman, Itali, Portugis, Greek, Belanda, Poland, Cina, Jepun, Korea, Vietnam dan Arab. Senarainya diterbitkan dalam pricing.json sebagai kod ISO 639-1.

Bolehkah satu fail mengandungi dua bahasa?

Setiap permintaan menerima satu kod bahasa. Untuk audio yang bertukar bahasa, transkripsi dengan bahasa utama dan semak bagaimana bahasa lain itu keluar, atau pecahkan audio mengikut penutur atau segmen jika pertukarannya panjang.

Adakah model berbilang bahasa cukup baik untuk bahasa Arab?

Ia menerima bahasa Arab dan lebih murah seminit. BroadNet hanya menerbitkan angka ketepatan bahasa Arab untuk BroadNet Transcribe Arabic, jadi jika bahasa Arab ialah bahagian besar audio anda, uji kedua-duanya pada rakaman anda dan bandingkan kadar ralat perkataan.

Adakah ia berfungsi dengan SDK OpenAI?

Ya. Halakan SDK ke base URL BroadNet dan panggil audio.transcriptions.create dengan ID model, fail dan bahasa.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity