---
title: "Transkripsi audio melebihi 25 MB dengan API: pecah, cantum"
description: "Cara mentranskripsi rakaman yang melebihi had fail API speech-to-text: kecilkan fail, pecah pada senyap dengan ffmpeg, hantar serentak dan cantum teksnya."
url: https://broadrouter.com/ms/blog/transcribe-long-audio-files-api/
lang: ms
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/blog/transcribe-long-audio-files-api/) (dikemas kini 2026-11-15).

# Transkripsi audio panjang melebihi 25 MB: pecah, hantar, cantum

Oleh pasukan BroadNet Inference · 6 minit bacaan · Diterbitkan 2026-11-15

Kebanyakan API transkripsi menolak satu fail melebihi kira-kira 25 MB. Tukar rakaman kepada mono 16 kHz dahulu: itu sahaja memuatkan kira-kira 13 minit WAV atau 54 minit MP3 64 kbit/s ke dalam had 26,214,400 bait BroadNet. Untuk audio lebih panjang, pecahkan pada bahagian senyap dengan ffmpeg, transkripsi cebisan secara serentak dan cantumkan teks mengikut urutan.

## Perkara utama

-   Hadnya dalam bait, bukan minit. WAV mono 16 kHz ialah 32,000 bait sesaat, jadi 26,214,400 bait ialah kira-kira 13.6 minit; MP3 64 kbit/s kira-kira 54 minit.
-   Pecah mengikut masa pada bahagian senyap, jangan sekali-kali pada ofset bait. Potongan bait merosakkan bingkai audio, dan potongan di tengah perkataan menghilangkan perkataan.
-   Pastikan cebisan jauh di bawah had, seperti 10 minit WAV, supaya satu fail yang bising tidak pernah memulangkan 413.
-   Hantar cebisan secara serentak sehingga had kunci: 4 permintaan serentak dan 30 seminit pada kunci bayar ikut guna BroadNet.
-   Memecahkan fail tidak mengubah panjang audio yang anda bayar. Sejam audio bahasa Arab berkos $0.25 pada BroadNet Transcribe Arabic.

**Dalam halaman ini**

1.  Mengapakah rakaman panjang gagal?
2.  Langkah 1: bagaimanakah anda mengecilkan fail?
3.  Langkah 2: bagaimanakah anda memecahkan audio tanpa memotong perkataan?
4.  Bagaimanakah rupa skrip penuhnya?
5.  Berapa banyak cebisan boleh dihantar serentak?
6.  Adakah anda memerlukan tindihan antara cebisan?
7.  Bolehkah cebisan seterusnya menggunakan teks cebisan sebelumnya sebagai konteks?
8.  Berapakah kos fail yang panjang?
9.  Apakah kesilapan yang perlu dielakkan?
10.  Bilakah pemecahan bukan alat yang betul?
11.  Di mana BroadNet Inference sesuai

Kebanyakan API speech-to-text menerima satu fail kira-kira 25 MB bagi setiap permintaan. BroadNet Inference menerima WAV atau MP3 sehingga 26,214,400 bait. Mesyuarat, kuliah atau podcast yang panjang melepasi had itu, dan permintaan gagal dengan 413. Penyelesaiannya ada empat langkah: kecilkan fail, pecahkan pada bahagian senyap, hantar cebisan secara serentak, dan cantumkan semula teksnya.

## Mengapakah rakaman panjang gagal?

Hadnya pada bait, bukan pada minit. Berapa minit yang muat bergantung pada format:

| Format | Bait sesaat | Muat dalam 26,214,400 bait |
| --- | --- | --- |
| WAV, stereo 44.1 kHz, 16-bit | 176,400 | Kira-kira 2.5 minit |
| WAV, mono 16 kHz, 16-bit | 32,000 | Kira-kira 13.6 minit |
| MP3, 64 kbit/s | 8,000 | Kira-kira 54 minit |
| MP3, 32 kbit/s | 4,000 | Kira-kira 109 minit |

Ini kiraan mudah: bait sesaat didarab dengan bilangan saat. Rakaman telefon atau komputer riba selalunya stereo 44.1 atau 48 kHz, yang memenuhi had dalam beberapa minit. Pertuturan tidak memerlukannya. Menukar kepada mono 16 kHz dahulu ialah kemenangan tunggal terbesar.

Apabila fail masih terlalu besar, API terus menolaknya. Di BroadNet responsnya ialah 413, “the request exceeds the endpoint byte or text limit” (Terjemahan: permintaan melebihi had bait atau teks endpoint), dan tiada apa yang ditranskripsi. Lihat [panduan kod ralat](https://broadrouter.com/ms/guides/errors-and-retries/).

## Langkah 1: bagaimanakah anda mengecilkan fail?

Tukar kepada mono 16 kHz sebelum apa-apa yang lain. Satu arahan ffmpeg sudah memadai:

```bash
ffmpeg -i meeting.m4a -ac 1 -ar 16000 meeting.wav
```

Untuk BroadNet, output mestilah WAV (`audio/wav`) atau MP3 (`audio/mpeg`). Format seperti `.m4a`, `.ogg` dan `.webm` memang perlu ditukar, jadi lakukan pensampelan semula dalam langkah yang sama.

Patutkah anda memilih WAV atau MP3? WAV tanpa kehilangan, jadi tiada apa yang hilang, tetapi ia memenuhi had dalam kira-kira 13 minit. MP3 memuatkan empat kali lebih banyak audio bagi setiap permintaan pada 64 kbit/s, tetapi ia berkehilangan. Jika anda menggunakan MP3, jalankan ujian pendek: transkripsi lima minit yang sama sebagai WAV dan sebagai MP3 dan bandingkan teksnya. Entri [kadar sampel](https://broadrouter.com/ms/glossary/sample-rate/) menerangkan mengapa 16 kHz mencukupi untuk pertuturan.

## Langkah 2: bagaimanakah anda memecahkan audio tanpa memotong perkataan?

Pecah mengikut masa, jangan sekali-kali mengikut bait. Potongan pada ofset bait boleh jatuh di tengah bingkai audio, dan fail tidak dapat dinyahkod. Potongan pada masa tetap boleh jatuh di tengah perkataan. Panduan OpenAI sendiri memberi amaran agar tidak memecah di tengah ayat kerana ia “can remove context and reduce accuracy” (Terjemahan: boleh menghilangkan konteks dan mengurangkan ketepatan).

Kaedah yang boleh dipercayai ialah memotong di dalam bahagian senyap berhampiran panjang sasaran anda. Untuk mendapatkan arahan siap guna bagi saiz dan tempoh fail anda, gunakan [pembina arahan pemecah audio](https://broadrouter.com/tools/audio-splitter-ffmpeg/) percuma. Secara manual, ia berfungsi begini:

1.  Jalankan penapis [silencedetect](https://ffmpeg.org/ffmpeg-filters.html) ffmpeg untuk menyenaraikan jurang senyap.
2.  Lalui rakaman. Apabila sesuatu cebisan mencapai kira-kira 10 minit, potong pada bahagian senyap seterusnya.
3.  Potong setiap cebisan dengan ffmpeg, dari satu titik potong ke titik seterusnya.

Sepuluh minit WAV mono 16 kHz ialah 19.2 MB, yang meninggalkan ruang di bawah had. Jika seorang penutur bercakap lama tanpa jeda, skrip di bawah memotong pada maksimum mutlak.

[Segment muxer](https://ffmpeg.org/ffmpeg-formats.html) ffmpeg juga boleh memecahkan fail kepada kepingan “of nearly fixed duration” (Terjemahan: dengan tempoh yang hampir tetap) dengan satu arahan. Ia pantas, tetapi ia tidak mencari bahagian senyap, jadi gunakannya hanya apabila kehilangan satu perkataan di setiap sempadan boleh diterima, atau tambah tindihan (di bawah).

## Bagaimanakah rupa skrip penuhnya?

Skrip Python ini menukar format, memecah pada bahagian senyap, menghantar sehingga empat cebisan serentak dan mencantumkan teks. Ia menggunakan SDK OpenAI yang dihalakan ke BroadNet Inference.

```python
# pip install openai
import os, re, subprocess, tempfile
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
TARGET, HARD_MAX = 600, 750   # seconds: aim for 10 min, never above 12.5 min

def run(*args):
    return subprocess.run(args, capture_output=True, text=True, check=True)

def silences(path):
    """Midpoints (in seconds) of silent gaps of 0.5 s or more."""
    out = run("ffmpeg", "-i", path, "-af", "silencedetect=noise=-35dB:d=0.5",
              "-f", "null", "-").stderr
    starts = [float(x) for x in re.findall(r"silence_start: ([\d.]+)", out)]
    ends = [float(x) for x in re.findall(r"silence_end: ([\d.]+)", out)]
    return [(s + e) / 2 for s, e in zip(starts, ends)]

def duration(path):
    return float(run("ffprobe", "-v", "error", "-show_entries", "format=duration",
                     "-of", "csv=p=0", path).stdout)

def cut_points(path):
    total, gaps, cuts, last = duration(path), silences(path), [0.0], 0.0
    while total - last > HARD_MAX:
        ok = [g for g in gaps if last + TARGET <= g <= last + HARD_MAX]
        last = ok[0] if ok else last + HARD_MAX   # no silence: hard cut
        cuts.append(last)
    return cuts + [total]

def transcribe(chunk):
    with open(chunk, "rb") as f:
        return client.audio.transcriptions.create(
            model="broadnet/cohere-transcribe-arabic", file=f, language="ar").text

def transcribe_long(src):
    with tempfile.TemporaryDirectory() as tmp:
        wav = os.path.join(tmp, "full.wav")
        run("ffmpeg", "-y", "-i", src, "-ac", "1", "-ar", "16000", wav)
        cuts, chunks = cut_points(wav), []
        for i, (a, b) in enumerate(zip(cuts, cuts[1:])):
            out = os.path.join(tmp, f"part{i:03d}.wav")
            run("ffmpeg", "-y", "-i", wav, "-ss", str(a), "-to", str(b), out)
            chunks.append(out)
        with ThreadPoolExecutor(max_workers=4) as pool:   # map() keeps order
            return "\n".join(pool.map(transcribe, chunks))

print(transcribe_long("meeting.m4a"))
```

Catatan tentang skrip:

-   **Bahasa.** Dokumentasi BroadNet menyatakan supaya sentiasa menghantar `language`; tanpanya, bahasa Arab “can otherwise be transliterated into Latin letters” (Terjemahan: jika tidak boleh ditransliterasi ke dalam huruf Rumi). Gunakan `broadnet/cohere-transcribe` dengan kod bahasa yang betul untuk bahasa Inggeris, Perancis atau mana-mana [bahasa lain yang disokong](https://broadrouter.com/ms/blog/multilingual-speech-to-text-api/).
-   **Ambang.** `-35dB` dan `0.5` saat sesuai untuk bilik yang senyap. Bilik yang bising memerlukan nilai hingar yang lebih tinggi, seperti `-30dB`. Cetak titik potong sekali dan semak.
-   **Urutan.** `pool.map` memulangkan hasil mengikut urutan input, jadi teks dicantum dalam urutan yang betul walaupun cebisan selesai pada masa berbeza.

## Berapa banyak cebisan boleh dihantar serentak?

Sebanyak yang dibenarkan oleh kunci anda. Kunci bayar ikut guna BroadNet membenarkan 4 permintaan serentak dan 30 permintaan seminit, sebab itu skrip menggunakan empat pekerja. Permintaan kelima pada masa yang sama mendapat 429. Cuba semula respons 429 dan 5xx dengan backoff eksponen; jangan cuba semula 413, kerana fail yang sama akan gagal lagi. [Cara mengendalikan ralat 429](https://broadrouter.com/ms/blog/handle-llm-api-429-rate-limits/) mempunyai pembantu cubaan semula yang boleh anda balut di sekeliling `transcribe()`.

Dengan empat pekerja, rakaman dua jam dalam cebisan 10 minit menjadi 12 permintaan dalam tiga gelombang. Jumlah masa lebih kurang tiga perjalanan pergi balik cebisan, bukan dua belas.

## Adakah anda memerlukan tindihan antara cebisan?

Tidak, jika anda memotong di dalam bahagian senyap: tiada pertuturan di sempadan untuk hilang. Tindihan adalah untuk potongan masa tetap. Mulakan setiap cebisan sesaat dua sebelum cebisan sebelumnya berakhir, kemudian buang perkataan berulang semasa mencantum teks. Cara biasa ialah membandingkan beberapa perkataan terakhir satu cebisan dengan beberapa perkataan pertama cebisan seterusnya dan membuang yang sepadan.

Tindihan ada kosnya sedikit. Dua saat bagi setiap cebisan 10 minit menambah kira-kira 0.3% kepada audio yang anda bayar.

## Bolehkah cebisan seterusnya menggunakan teks cebisan sebelumnya sebagai konteks?

Sesetengah API membenarkannya. OpenAI menyenaraikan “carrying context from a previous chunk of a longer recording” (Terjemahan: membawa konteks daripada cebisan sebelumnya dalam rakaman yang lebih panjang) sebagai satu kegunaan parameter `prompt`nya. Rujukan API BroadNet hanya menyenaraikan `model`, `language` dan `file` untuk transkripsi, dan memulangkan JSON dengan medan `text`. Jadi di BroadNet, anggap setiap cebisan bebas, dan betulkan nama dan istilah kemudian. Satu cara murah ialah menghantar transkrip yang dicantum kepada model chat bersama senarai ejaan yang betul untuk orang, produk dan tempat.

## Berapakah kos fail yang panjang?

Speech to text dibilkan bagi setiap minit audio, jadi memecahkan fail tidak mengubah jumlahnya. Pada kadar yang diterbitkan BroadNet:

| Audio | BroadNet Transcribe Arabic | BroadNet Transcribe (14 bahasa) |
| --- | --- | --- |
| Harga seminit | $0.0042 | $0.002 |
| Sejam | $0.25 | $0.12 |
| 1,000 jam | $252.00 | $120.00 |

Halaman harga menyenaraikan harga bagi setiap minit audio dan tidak menyebut apa-apa tentang minimum setiap fail atau pembundaran. Semak halaman penggunaan anda selepas kelompok pertama untuk memastikan jumlahnya sepadan dengan panjang audio. Kedua-dua model transkripsi tersedia dengan kredit permulaan percuma $5, yang menampung kira-kira 1,190 minit bahasa Arab. Untuk menganggar volum anda sendiri, gunakan [kalkulator kos speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/); untuk membandingkan penyedia, lihat [set data harga API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/).

## Apakah kesilapan yang perlu dielakkan?

-   **Menghantar fail asal.** WAV stereo 48 kHz enam kali lebih besar daripada yang diperlukan.
-   **Memotong pada ofset bait.** Cebisan tidak dapat dinyahkod, atau saat pertama menjadi hingar.
-   **Cebisan tepat pada had.** Cebisan 25.9 MB lulus hari ini dan gagal apabila sesuatu rakaman sedikit lebih kuat. Tinggalkan ruang.
-   **Keselarian tanpa had.** Menghantar 50 cebisan serentak menyebabkan kebanyakannya mendapat 429. Hadkan pekerja kepada had serentak kunci.
-   **Terlupa bahasa.** Setiap cebisan ialah permintaan berasingan, jadi setiap satu memerlukan `language`.

## Bilakah pemecahan bukan alat yang betul?

Jika anda memerlukan label penutur atau cap masa perkataan, memecahkan fail untuk API teks biasa tidak akan memberikannya. Respons transkripsi BroadNet hanya teks. Penyedia yang memulangkan [diarisasi](https://broadrouter.com/ms/glossary/diarization/) dan [cap masa](https://broadrouter.com/ms/glossary/timestamps-asr/) juga mengendalikan fail panjang dengan lebih langsung; [panduan pembeli speech-to-text bahasa Arab](https://broadrouter.com/ms/blog/arabic-speech-to-text-api-buyers-guide/) membandingkannya. Untuk rakaman panggilan stereo, pecahkan mengikut saluran dan bukan mengikut masa: [saluran paip pusat panggilan](https://broadrouter.com/ms/blog/transcribe-call-center-recordings/) menunjukkan caranya.

## Di mana BroadNet Inference sesuai

BroadNet Transcribe Arabic berharga $0.0042 seminit, dan 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](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard). Audio dan transkrip tidak disimpan selepas permintaan. Ia sesuai untuk transkripsi kelompok rakaman bahasa Arab yang panjang setelah anda memecahkannya seperti di atas. Ia tidak sesuai jika anda memerlukan cap masa, label penutur atau penstriman langsung dalam API yang sama. [Panduan speech-to-text bahasa Arab](https://broadrouter.com/ms/guides/arabic-speech-to-text-api/) merangkumi permintaan pertama; catatan ini merangkumi fail yang terlalu besar untuk satu permintaan.

Alat percuma untuk topik ini (Bahasa Inggeris)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[Alatan percuma (Bahasa Inggeris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Speech-to-text (pertuturan kepada teks)](https://broadrouter.com/ms/glossary/speech-to-text/)

Speech-to-text, juga dipanggil pengecaman pertuturan automatik (ASR), ialah teknologi yang menukar audio pertuturan kepada teks bertulis. API speech-to-text menerima fail atau strim audio dan memulangkan transkrip, biasanya berharga setiap minit audio. Ketepatan diukur dengan kadar ralat perkataan dan berbeza mengikut loghat, dialek dan kualiti rakaman.

[WAV](https://broadrouter.com/ms/glossary/wav/)

WAV (Waveform Audio File Format, atau WAVE) ialah bekas audio yang dibina di atas format RIFF Microsoft dan IBM. Ia biasanya memuatkan sampel PCM linear tanpa mampatan, jadi saiznya boleh diramal: kadar sampel darab bait setiap sampel darab bilangan saluran, bagi setiap saat.

[Bayar ikut guna (pay-as-you-go)](https://broadrouter.com/ms/glossary/pay-as-you-go/)

Bayar ikut guna ialah model harga di mana anda hanya membayar apa yang anda guna, dimeter mengikut unit seperti token, permintaan atau minit audio, tanpa langganan atau komitmen minimum. Kebanyakan API LLM mengebil dengan cara ini, daripada baki prabayar atau invois berkala.

[Diarisasi penutur (speaker diarization)](https://broadrouter.com/ms/glossary/diarization/)

Diarisasi penutur ialah tugas membahagikan rakaman audio kepada segmen mengikut penutur, menjawab soalan "siapa bercakap dan bila". Ia melabelkan setiap bahagian pertuturan dengan ID penutur tanpa nama seperti SPEAKER\_00, dan biasanya digabungkan dengan transkrip untuk menunjukkan siapa yang menyebut setiap baris.

[Keserentakan (concurrency)](https://broadrouter.com/ms/glossary/concurrency/)

Keserentakan ialah bilangan permintaan yang sedang berjalan serentak daripada satu klien. API LLM sering mengehadkannya bagi setiap kunci atau pelan, berasingan daripada permintaan seminit, kerana setiap permintaan yang terbuka memegang kapasiti GPU sehingga responsnya selesai.

[Tetingkap konteks (context window)](https://broadrouter.com/ms/glossary/context-window/)

Tetingkap konteks ialah bilangan maksimum token yang boleh dikendalikan oleh model bahasa dalam satu permintaan. Ia meliputi prompt, sejarah perbualan, definisi alatan, imej dan output yang dijana, termasuk token penaakulan. Apa-apa yang tidak muat mesti dipotong, diringkaskan atau dipecahkan kepada beberapa permintaan.

[Had kadar (rate limit)](https://broadrouter.com/ms/glossary/rate-limit/)

Had kadar ialah had yang ditetapkan oleh API ke atas jumlah penggunaan klien dalam satu tempoh masa, seperti permintaan seminit atau token seminit. Permintaan yang melebihi had ditolak, biasanya dengan HTTP 429 Too Many Requests, sehingga penggunaan turun semula di bawahnya.

[Tool calling (panggilan alatan)](https://broadrouter.com/ms/glossary/tool-calling/)

Tool calling, juga dipanggil function calling, ialah ciri API LLM di mana model memulangkan permintaan berstruktur untuk menjalankan fungsi yang ditakrifkan oleh pembangun, bersama argumen JSON. Aplikasi menjalankan fungsi itu dan menghantar hasilnya kembali; model sendiri tidak pernah menjalankan kod.

## Soalan lazim

### Bagaimanakah saya mentranskripsi fail audio yang lebih besar daripada 25 MB?

Mula-mula tukar kepada mono 16 kHz, yang selalunya membawanya di bawah had. Jika masih terlalu besar, pecahkan kepada cebisan kira-kira 10 minit pada titik senyap dengan ffmpeg, transkripsi setiap cebisan dengan tetapan bahasa yang sama, dan cantumkan teks mengikut urutan.

### Berapa minit audio yang muat dalam 25 MB?

Bergantung pada format. WAV mono 16 kHz 16-bit menggunakan 32,000 bait sesaat, jadi 26,214,400 bait memuatkan kira-kira 13.6 minit. MP3 pada 64 kbit/s memuatkan kira-kira 54 minit. WAV stereo atau 44.1 kHz memuatkan jauh lebih sedikit.

### Apakah yang berlaku jika saya memuat naik fail melebihi had?

Permintaan ditolak. BroadNet Inference memulangkan 413, yang ditakrifkan dokumentasinya sebagai permintaan yang melebihi had bait atau teks endpoint. Tiada apa yang ditranskripsi, jadi pecahkan dan hantar semula.

### Adakah saya kehilangan perkataan di sempadan cebisan?

Boleh, jika anda memotong pada masa tetap di tengah pertuturan. Sebaliknya, potong di dalam bahagian senyap. Jika anda terpaksa memotong pada masa tetap, tindihkan cebisan sesaat dua dan buang perkataan yang berulang semasa mencantumkannya.

### Adakah memecahkan fail lebih mahal?

Anda membayar minit audio, jadi jumlah panjangnya sama. Halaman harga BroadNet menyenaraikan harga bagi setiap minit audio dan tidak menyebut minimum setiap fail atau pembundaran; semak halaman penggunaan selepas kelompok pertama anda untuk memastikannya.

### Bolehkah saya menghantar teks cebisan sebelumnya sebagai konteks?

Sesetengah API menerima prompt untuk itu; OpenAI menyenaraikan membawa konteks daripada cebisan sebelumnya sebagai satu kegunaan parameter prompt. Dokumentasi BroadNet hanya menyenaraikan model, language dan file, jadi jangan bergantung pada prompt di sana.

## Teruskan membaca

-   [Cara mentranskripsi rakaman pusat panggilan: saluran sedia bahasa Arab](https://broadrouter.com/ms/blog/transcribe-call-center-recordings/)
-   [API speech-to-text berbilang bahasa: 14 bahasa, satu endpoint](https://broadrouter.com/ms/blog/multilingual-speech-to-text-api/)
-   [API speech-to-text bahasa Arab: cara memilih pada 2026](https://broadrouter.com/ms/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Alternatif API Whisper: bila perlu bertukar, dan cara mengujinya](https://broadrouter.com/ms/blog/whisper-api-alternative/)
-   [Harga API speech-to-text dibandingkan: harga seminit pada 2026](https://broadrouter.com/ms/blog/speech-to-text-api-pricing-compared/)
-   [Sari kata bahasa Arab (SRT) daripada API speech-to-text: keperluannya](https://broadrouter.com/ms/blog/arabic-subtitles-srt-api/)
-   [Rakam audio dalam pelayar dan hantar ke API speech-to-text](https://broadrouter.com/ms/blog/record-browser-audio-transcription-api/)
-   [Terjemah audio bahasa Arab ke teks Inggeris dengan API: saluran diuji](https://broadrouter.com/ms/blog/translate-arabic-audio-to-english/)
-   [Perkakasan GPU dan pendekatan penyajian BroadNet, menurut BroadNet](https://broadrouter.com/ms/blog/broadnet-gpu-fleet-and-serving/)
-   [Cache respons API LLM untuk jimat kos: cache padanan tepat Python](https://broadrouter.com/ms/blog/cache-llm-responses-cut-cost/)
-   [Panduan: API speech-to-text bahasa Arab, langkah demi langkah](https://broadrouter.com/ms/guides/arabic-speech-to-text-api/)
-   [Panduan: Cara tukar nota suara WhatsApp kepada teks dengan API](https://broadrouter.com/ms/guides/transcribe-whatsapp-voice-notes/)
-   [Panduan: Kod ralat BroadNet Inference dan bila perlu cuba semula](https://broadrouter.com/ms/guides/errors-and-retries/)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

[Mulakan](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-transcribe-long-audio-files-api&utm_content=page-cta) ·

**Sumber**

-   [Rujukan API BroadNet Inference: WAV atau MP3 sehingga 26,214,400 bait, medan language, ralat 413 dan 429, had bayar ikut guna (disemak 2026-11-15) (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-transcribe-long-audio-files-api&utm_content=sources)
-   [Halaman harga BroadNet Inference, harga transkripsi bagi setiap minit audio (disemak 2026-11-15) (Bahasa Inggeris)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-transcribe-long-audio-files-api&utm_content=sources)
-   [Panduan speech to text OpenAI: had fail 25 MB, pecah kepada cebisan, elak memecah di tengah ayat (disemak 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Dokumentasi format FFmpeg, segment muxer (disemak 2026-11-15)](https://ffmpeg.org/ffmpeg-formats.html)
-   [Open Universal Arabic ASR Leaderboard di Hugging Face (kedudukan yang dilaporkan BroadNet; disemak oleh BroadRouter 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Dokumentasi penapis FFmpeg, silencedetect (disemak 2026-11-15)](https://ffmpeg.org/ffmpeg-filters.html)
