---
title: "Como transcrever áudio em árabe com uma API: curl e Python"
description: "Transcreva áudio em árabe com o BroadNet Transcribe Arabic por um endpoint compatível com a OpenAI. Formatos, o campo language, exemplos em Python e curl, e o preço."
url: https://broadrouter.com/pt/guides/arabic-speech-to-text-api/
lang: pt-BR
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/guides/arabic-speech-to-text-api/) (atualizado em 2026-11-16).

# API de transcrição de áudio em árabe, passo a passo

Atualizado em 2026-11-16

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](https://huggingface.co/spaces/elmresearchcenter/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](https://broadrouter.com/pt/models/cohere-transcribe-arabic/) e a [página do modelo BroadNet Transcribe](https://broadrouter.com/pt/models/cohere-transcribe/).

Outros provedores podem custar menos. Em 2026-11-14, a [página de preços da Soniox](https://soniox.com/pricing) 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

```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
```

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

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

## Com 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)
```

## 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](https://www.broadnet.ai/inference/models):

| 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](https://broadrouter.com/pt/glossary/msa/):** noticiários e fala formal, a base mais fácil.

O [guia de reconhecimento de fala em dialetos árabes](https://broadrouter.com/pt/blog/arabic-dialect-speech-recognition/) explica por que os dialetos têm resultados piores, e a [explicação da taxa de erro de palavras](https://broadrouter.com/pt/blog/arabic-asr-wer-explained/) 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](https://broadrouter.com/pt/models/cohere-transcribe/) (14 idiomas) | $0.002 | $0.12 | Árabe entre 14 idiomas |
| [BroadNet Transcribe Arabic](https://broadrouter.com/pt/models/cohere-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](https://soniox.com/pricing) (cobrança por token; os valores por hora são aproximações da Soniox), [preços da Deepgram](https://deepgram.com/pricing) e [preços da Speechmatics](https://www.speechmatics.com/pricing). 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](https://broadrouter.com/data/speech-to-text-api-prices/), 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](https://broadrouter.com/pt/blog/speech-to-text-api-pricing-compared/); para calcular o seu volume, use a [calculadora de custo de fala para texto](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

## 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](https://broadrouter.com/pt/guides/errors-and-retries/).
-   **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](https://broadrouter.com/pt/glossary/word-error-rate/).

Áudios do WhatsApp chegam como `.ogg`. [Converta e transcreva áudios do WhatsApp em uma etapa só](https://broadrouter.com/pt/guides/transcribe-whatsapp-voice-notes/). Se você precisa de números, datas e nomes em áudio com ruído, a BroadNet oferece um modelo de árabe com fine-tuning [sob consulta](https://broadrouter.com/pt/models/#on-request).

## Termos neste guia

[Fala para texto (speech-to-text)](https://broadrouter.com/pt/glossary/speech-to-text/)

Fala para texto, ou reconhecimento automático de fala (ASR), é a tecnologia que converte áudio falado em texto. Uma API de fala para texto recebe um arquivo ou stream de áudio e retorna uma transcrição, normalmente cobrada por minuto de áudio. A precisão é medida pela taxa de erro de palavras e varia com sotaque, dialeto e qualidade da gravação.

[Pagamento por uso (pay-as-you-go)](https://broadrouter.com/pt/glossary/pay-as-you-go/)

Pagamento por uso é um modelo de preço em que você paga só pelo que usa, medido por unidade, como tokens, requisições ou minutos de áudio, sem assinatura nem compromisso mínimo. A maioria das APIs de LLM cobra assim, a partir de um saldo pré-pago ou de uma fatura periódica.

[Streaming](https://broadrouter.com/pt/glossary/streaming/)

Streaming é uma forma de devolver a resposta de um modelo de linguagem em pequenos pedaços enquanto ela ainda está sendo gerada, em vez de uma resposta única no final. APIs compatíveis com a OpenAI fazem streaming via server-sent events quando a requisição define stream como true.

[Árabe dialetal (dialectal Arabic)](https://broadrouter.com/pt/glossary/dialectal-arabic/)

Árabe dialetal é o árabe falado no dia a dia de uma região ou cidade, como o árabe egípcio, do Golfo, levantino ou magrebino. Os dialetos diferem do árabe padrão moderno em sons, palavras e gramática, não têm ortografia padrão e são cada vez mais escritos na internet, o que os torna mais difíceis para modelos de linguagem.

[WAV (arquivo de áudio WAV)](https://broadrouter.com/pt/glossary/wav/)

WAV (Waveform Audio File Format, ou WAVE) é um contêiner de áudio baseado no formato RIFF da Microsoft e da IBM. Ele costuma guardar amostras PCM lineares sem compressão, então o tamanho é previsível: taxa de amostragem vezes bytes por amostra vezes canais, por segundo.

[Word error rate (WER)](https://broadrouter.com/pt/glossary/word-error-rate/)

Word error rate (WER, taxa de erro de palavras) é a medida padrão de precisão do reconhecimento de fala: o número de substituições, deleções e inserções de palavras necessárias para transformar uma transcrição na referência correta, dividido pelo número de palavras da referência. Quanto menor, melhor.

[Concorrência (concurrency)](https://broadrouter.com/pt/glossary/concurrency/)

Concorrência é o número de requisições que um cliente tem em andamento ao mesmo tempo. APIs de LLM muitas vezes a limitam por chave ou por plano, separadamente das requisições por minuto, porque cada requisição aberta ocupa capacidade de GPU até a resposta terminar.

[Rate limit (limite de taxa)](https://broadrouter.com/pt/glossary/rate-limit/)

Um rate limit é um teto que uma API impõe a quanto um cliente pode usá-la em um intervalo de tempo, como requisições por minuto ou tokens por minuto. As requisições acima do limite são recusadas, normalmente com HTTP 429 Too Many Requests, até que o uso volte a ficar abaixo dele.

## 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.

## Guias relacionados

-   [Transcrever áudios do WhatsApp para texto com uma API](https://broadrouter.com/pt/guides/transcribe-whatsapp-voice-notes/)
-   [Ler notas fiscais e recibos em árabe com um modelo de visão](https://broadrouter.com/pt/guides/read-arabic-invoices-with-vision/)
-   [Códigos de erro da BroadNet Inference e quando tentar de novo](https://broadrouter.com/pt/guides/errors-and-retries/)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-guides-arabic-speech-to-text-api&utm_content=page-cta) ·

**Fontes**

-   [Preços de speech-to-text da Soniox (conferido em 2026-11-14)](https://soniox.com/pricing)
-   [Referência da API da BroadNet Inference, transcrição (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-guides-arabic-speech-to-text-api&utm_content=sources#requests)
-   [Preços da BroadNet Inference (em inglês)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-guides-arabic-speech-to-text-api&utm_content=sources)
-   [Catálogo de modelos da BroadNet, fala para texto (medições de laboratório) (em inglês)](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Documentação da Soniox, idiomas suportados (árabe incluído; conferido em 2026-11-14)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [Preços da Deepgram, Nova-3 para áudio pré-gravado (conferido em 2026-11-14)](https://deepgram.com/pricing)
-   [Modelos e idiomas da Deepgram, códigos de árabe do Nova-3 (conferido em 2026-11-14)](https://developers.deepgram.com/docs/models-languages-overview)
-   [Preços da Speechmatics, batch com pagamento por uso (conferido em 2026-11-14)](https://www.speechmatics.com/pricing)
-   [Idiomas da Speechmatics, Global Arabic e árabe-inglês (conferido em 2026-11-14)](https://docs.speechmatics.com/speech-to-text/languages)
