BroadRouter

API de transcrição de áudio em árabe, passo a passo

Atualizado em

Envie um arquivo WAV ou MP3 para https://inference.broadnet.ai/v1/audio/transcriptions com model broadnet/cohere-transcribe-arabic e language=ar. A resposta é um JSON com a transcrição em text. Converta antes para WAV outros formatos, como o .ogg do WhatsApp. O preço é por minuto de áudio, e a BroadNet diz que não retém nem o áudio nem a transcrição.

O BroadNet Transcribe Arabic custa $0.0042 por minuto de áudio. A BroadNet informa que ele está na posição #2 de 37 (dado de setembro de 2026; o ranking ao vivo o listava em #4 de 39 em 15 de novembro de 2026) do Open Universal Arabic ASR Leaderboard, e em 1º lugar entre os modelos cujas licenças permitem servi-los por API. Para outros idiomas, o BroadNet Transcribe cobre 14 idiomas por $0.002 o minuto. Veja a página do modelo BroadNet Transcribe Arabic e a página do modelo BroadNet Transcribe.

Outros provedores podem custar menos. Em 2026-11-14, a página de preços da Soniox listava cerca de USD 0,10 por hora para transcrição de arquivos (assíncrona) e USD 0,12 por hora em tempo real, e a lista de idiomas dela inclui o árabe. Isso fica abaixo dos $0.25 por hora do BroadNet Transcribe Arabic, então teste os dois no seu próprio áudio.

Com curl

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

A resposta é a transcrição em JSON (no exemplo, a saudação de uma caixa postal):

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

Com 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)

Sempre envie o idioma

Sem language, o árabe pode voltar transliterado em letras latinas. Envie language=ar para árabe e language=en para inglês.

Quais dialetos árabes ele atende?

A BroadNet descreve o BroadNet Transcribe Arabic como um modelo que cobre o árabe, incluindo dialetos, e publica três taxas de erro de palavras para ele. São medições de laboratório da própria BroadNet, tiradas do seu catálogo de modelos:

Conjunto de teste O que é Taxa de erro de palavras
FLEURS-ar Frases lidas, áudio limpo 3,8
MASC-ar Fala árabe real e variada 21,1
Conjunto de dialetos da BroadNet Fala em dialeto 23,4

A BroadNet não publica uma divisão por dialeto, então ninguém de fora da BroadNet pode dizer como o áudio do Golfo se sai em comparação com o egípcio ou o magrebino. Outros provedores descrevem a cobertura de outro jeito. A Deepgram lista o Nova-3 Arabic com códigos regionais, de ar-AE, ar-SA e ar-EG a ar-MA e ar-IQ. A Speechmatics vende um único pacote “Global Arabic” que cita árabe moderno padrão, fala do Golfo, egípcia e levantina, além de um pacote ar_en para árabe misturado com inglês. A Soniox lista o árabe (ar) sem detalhar dialetos.

Um código listado não é uma precisão medida. Antes de escolher, avalie cada candidato nos seus próprios trechos de áudio agrupados por dialeto:

  • Golfo (khaleeji): fala saudita, emiradense, kuwaitiana e catariana, muitas vezes com nomes de produtos em inglês.
  • Egípcio: o dialeto mais compreendido, por causa da mídia.
  • Levantino: fala síria, libanesa, jordaniana e palestina.
  • Iraquiano e magrebino: a fala marroquina, argelina e tunisiana costuma ser o caso mais difícil.
  • Árabe moderno padrão: noticiários e fala formal, a base mais fácil.

O guia de reconhecimento de fala em dialetos árabes explica por que os dialetos têm resultados piores, e a explicação da taxa de erro de palavras mostra como medi-los.

Quanto custam as APIs de transcrição de áudio em árabe?

Todos os provedores abaixo listam o árabe. Do mais barato ao mais caro; os preços são para arquivos pré-gravados, salvo indicação, e foram conferidos em 2026-11-14:

Provedor e modelo Por minuto Por hora Cobertura de árabe declarada
Soniox, assíncrono (arquivo) cerca de USD 0,0017 cerca de USD 0,10 Árabe (ar)
Soniox, tempo real cerca de USD 0,002 cerca de USD 0,12 Árabe (ar)
BroadNet Transcribe (14 idiomas) $0.002 $0.12 Árabe entre 14 idiomas
BroadNet Transcribe Arabic $0.0042 $0.25 Árabe, incluindo dialetos (segundo a BroadNet)
Deepgram, Nova-3 monolíngue USD 0,0043 USD 0,258 ar e códigos regionais
Speechmatics, Standard USD 0,0075 USD 0,45 Global Arabic, ar_en
Speechmatics, Enhanced USD 0,0125 USD 0,75 Global Arabic, ar_en

Fontes: preços da Soniox (cobrança por token; os valores por hora são aproximações da Soniox), preços da Deepgram e preços da Speechmatics. A Soniox é mais barata que os dois modelos da BroadNet, e a BroadNet não documenta streaming em tempo real. Os argumentos da BroadNet são o modelo específico para árabe, a posição que ela informa no leaderboard e a retenção zero de dados. Para mais provedores, veja o nosso índice aberto de preços de APIs de fala para texto, que lista preços de batch e de streaming e o suporte a árabe de mais de 20 produtos, com fonte e data para cada um (CSV e JSON). Para custos adicionais, veja preços de APIs de fala para texto comparados; para calcular o seu volume, use a calculadora de custo de fala para texto.

Limites

  • WAV ou MP3, até 26.214.400 bytes (25 MiB) por arquivo. Um arquivo maior retorna 413; divida-o antes.
  • Chaves de pagamento por uso permitem 30 requisições por minuto e 4 simultâneas.
  • Os dois modelos de transcrição funcionam com o crédito inicial gratuito de $5, então você pode testar suas gravações antes de pagar.

Solução de problemas

  • Letras latinas em vez da escrita árabe. Adicione language=ar.
  • 400 ou 422. Confira os nomes dos campos (model, language, file) e se o arquivo é mesmo WAV ou MP3. Um .ogg renomeado falha; converta-o com o ffmpeg.
  • 413. O arquivo passa de 26.214.400 bytes. Converta para WAV ou MP3 mono a 16 kHz, ou divida em partes menores.
  • 401 em uma conta paga. Confira a chave e a cota de pagamento por uso. Veja códigos de erro e novas tentativas na BroadNet.
  • Precisão fraca em dialetos ou chamadas com ruído. No próprio conjunto de teste de dialetos da BroadNet, o resultado é pior do que na fala lida e limpa (veja as perguntas frequentes). Teste com uma amostra do seu áudio real e meça a taxa de erro de palavras.

Áudios do WhatsApp chegam como .ogg. Converta e transcreva áudios do WhatsApp em uma etapa só. Se você precisa de números, datas e nomes em áudio com ruído, a BroadNet oferece um modelo de árabe com fine-tuning sob consulta.

Perguntas frequentes

Ele entende dialetos árabes?

A BroadNet informa uma taxa de erro de palavras (WER) de 23,4 no seu próprio conjunto de teste de dialetos, além de 3,8 no FLEURS-ar e 21,1 no MASC-ar. Quanto menor, melhor. A BroadNet não publica uma nota por dialeto, então teste separadamente gravações do Golfo, egípcias, levantinas e magrebinas antes de confiar no modelo.

Qual API de transcrição de áudio em árabe é a mais barata?

Entre os provedores conferidos em 2026-11-14, a Soniox lista a menor tarifa, cerca de USD 0,10 por hora para transcrição de arquivos. O BroadNet Transcribe Arabic custa $0.25 por hora. Deepgram Nova-3 e Speechmatics custam mais. O preço por hora importa menos do que a taxa de erro de palavras no áudio do seu próprio dialeto.

Quais formatos de áudio são aceitos?

WAV (audio/wav) e MP3 (audio/mpeg). Converta antes, com o ffmpeg, outros formatos como .ogg ou .m4a.

Por que minha transcrição em árabe saiu em letras latinas?

A requisição não incluía o campo language. Sem ele, a fala em árabe pode ser transliterada para o alfabeto latino. Envie language=ar em toda requisição em árabe.

Dá para testar a transcrição em árabe de graça?

Sim. Os dois modelos de transcrição da BroadNet rodam com o crédito inicial gratuito que as contas novas recebem, então você pode testar suas próprias gravações antes de fazer uma recarga.

Para árabe, uso o BroadNet Transcribe Arabic ou o BroadNet Transcribe?

Os dois aceitam language=ar. O BroadNet Transcribe Arabic é o modelo de árabe e o que a BroadNet informa no leaderboard de árabe. O BroadNet Transcribe custa menos por minuto e cobre 14 idiomas, então teste os dois no seu áudio.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity