---
title: "Протокол встречи на арабском по аудиозаписи через API"
description: "Как превратить запись встречи на арабском в протокол с решениями и задачами: распознать речь, очистить, свести через LLM в JSON и проверить имена и даты."
url: https://broadrouter.com/ru/blog/arabic-meeting-minutes-from-recordings/
lang: ru
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/blog/arabic-meeting-minutes-from-recordings/) (обновлён 2026-11-15).

# Протокол арабской встречи по записи: конвейер на API

Команда BroadNet Inference · 6 мин чтения · Опубликовано 2026-11-15

Чтобы составить протокол арабской встречи через API, распознайте запись моделью распознавания арабской речи, разбейте длинную расшифровку на разделы, попросите LLM вернуть решения, задачи и открытые вопросы в JSON, затем объедините разделы. Пусть модель цитирует расшифровку для каждой задачи, а протокол пишет на современном стандартном арабском или на английском.

## Главное

-   Протокол — это две задачи: распознавание речи, затем суммаризация. Выбирайте и тестируйте модель для каждой отдельно.
-   Длинные встречи нужно нарезать дважды: аудио — чтобы уложиться в лимит загрузки, расшифровку — чтобы сводка оставалась точной.
-   Просите JSON с цитатой из расшифровки для каждого решения и каждой задачи, чтобы проверяющий мог сверить любой пункт.
-   В расшифровке простым текстом нет меток говорящих. Не позволяйте модели угадывать, кто отвечает за задачу, если имя не прозвучало.
-   На BroadNet распознавание часа арабского аудио стоит $0.25; протокол пишет Qwen3.8 27B, протестированная BroadNet на арабском.

**На этой странице**

1.  Как выглядит конвейер?
2.  Шаг 1: как распознать длинную встречу на арабском?
3.  Можно ли получить имена говорящих?
4.  Шаг 2: зачем делить расшифровку перед сводкой?
5.  Шаг 3: какая модель должна писать протокол?
6.  Шаг 4: какой промпт даёт надёжный протокол?
7.  Шаг 5: как объединить разделы в один протокол?
8.  Сколько стоит одна встреча?
9.  Каких ошибок избегать?
10.  Когда конвейер на API — неверный выбор?
11.  Где здесь BroadNet Inference

Протокол встречи выглядит как одна задача, но их две: превратить речь в текст и превратить текст в решения и задачи. Каждый шаг ломается по-своему. Неверно распознанное диалектное слово становится неверной задачей; модель, которая хорошо делает сводки, всё равно может выдумать ответственного. В этой статье мы строим конвейер для встреч на арабском и показываем, где ставить проверки.

## Как выглядит конвейер?

```text
recording (.m4a, .mp4, .webm)
  → ffmpeg: 16 kHz mono, split at silences
  → speech to text, language=ar, one request per chunk
  → join the transcript, clean obvious noise
  → split the transcript into sections
  → LLM: summary, decisions, action items, open questions (JSON) per section
  → LLM: merge the sections into one set of minutes
  → human review → send
```

Дальше — по шагам.

## Шаг 1: как распознать длинную встречу на арабском?

Часовая встреча, записанная на ноутбук, обычно намного больше лимита загрузки. BroadNet Inference принимает WAV или MP3 до 26 214 400 байт на файл, поэтому сначала конвертируйте в 16 кГц моно и нарежьте по паузам. Полный скрипт, включая параллельные запросы и склейку текста по порядку, есть в статье [о транскрибации длинного аудио больше 25 МБ](https://broadrouter.com/ru/blog/transcribe-long-audio-files-api/).

Для встреч на арабском важны три настройки:

-   **Передавайте `language="ar"` для каждого фрагмента.** Документация BroadNet предупреждает, что иначе арабский может вернуться транслитерированным латиницей.
-   **Используйте арабскую модель** для встреч, которые идут в основном на арабском: `broadnet/cohere-transcribe-arabic`. Для встреч в основном на другом из поддерживаемых языков `broadnet/cohere-transcribe` стоит $0.002 за минуту.
-   **Сохраняйте сырую расшифровку.** Она нужна для проверки и для цитат на шаге 4.

Смесь арабского и английского — обычное дело на деловых встречах в странах Залива. Проверьте запись с вашей привычной смесью языков: ошибки проявляются как раз на английских названиях продуктов и числах. О том, на что обращать внимание, рассказывает статья [о распознавании арабских диалектов](https://broadrouter.com/ru/blog/arabic-dialect-speech-recognition/).

## Можно ли получить имена говорящих?

Из расшифровки простым текстом — нет. Ответ транскрибации BroadNet — JSON с одним полем `text`: без говорящих и без временных меток. (Тайминг субтитров по смещениям фрагментов разобран в статье [об арабских субтитрах из API, который возвращает только текст](https://broadrouter.com/ru/blog/arabic-subtitles-srt-api/).) Вариантов три:

| Ситуация | Что делать |
| --- | --- |
| Каждый участник записан на отдельную дорожку или канал | Распознавайте каждую дорожку отдельно; дорожка и есть говорящий |
| Двухканальная запись звонка | Разделите каналы с помощью ffmpeg, как в [конвейере для колл-центра](https://broadrouter.com/ru/blog/transcribe-call-center-recordings/) |
| Одна смешанная дорожка, и говорящие нужны | Используйте провайдера с [диаризацией](https://broadrouter.com/ru/glossary/diarization/); их сравнивает [руководство покупателя](https://broadrouter.com/ru/blog/arabic-speech-to-text-api-buyers-guide/) |

С одной смешанной дорожкой LLM всё равно может найти ответственных, когда кто-то называет имя: «Халид отправит коммерческое предложение до четверга». Чего модель делать не должна — так это угадывать ответственного по контексту. Промпт ниже это запрещает.

## Шаг 2: зачем делить расшифровку перед сводкой?

По двум причинам. Первая — контекст: час разговора может оказаться слишком длинным для небольшой модели. У [BroadNet Gemma 4 VL 26B](https://broadrouter.com/ru/models/gemma-4-vl-26b/) контекст 32 768 токенов, и длинная арабская встреча может его превысить. Посчитайте свою в [счётчике арабских токенов](https://broadrouter.com/tools/arabic-token-counter/); арабскому обычно нужно больше токенов на слово, чем английскому, как показывает статья [о токенах на слово в арабском и английском](https://broadrouter.com/ru/blog/tokens-per-word-arabic-english/).

Вторая — точность. Исследование длинных входов показало, что качество модели “significantly degrades when models must access relevant information in the middle of long contexts” (перевод: «значительно падает, когда модели нужно обращаться к релевантной информации в середине длинного контекста») ([Liu et al.](https://arxiv.org/abs/2307.03172)). Решение, принятое на 35-й минуте из 70, — именно такой случай. Сводка по разделам по 10–15 минут с последующим объединением держит каждую часть близко к началу промпта.

Делите по тем же паузам, что и аудио, чтобы раздел никогда не начинался посреди предложения.

## Шаг 3: какая модель должна писать протокол?

| Модель | Контекст | Заметки для протоколов | Вход / выход за 1 млн токенов |
| --- | --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/ru/models/qwen3.8-27b/) | 262 144 | Протестирована BroadNet на арабском: свободный текст, понимает диалекты Залива и египетский; структурированный вывод заявлен | $0.175 / $2.17 |
| [GLM 5.3](https://broadrouter.com/ru/models/glm-5.3/) | 1 048 576 | Структурированный вывод заявлен; только текст | $0.78 / $3.46 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ru/models/deepseek-v4.1-flash/) | 1 048 576 | Также доступна на безлимитном тарифе за $60 в месяц за сессию, по одному запросу за раз | $0.175 / $0.52 |

Начните с Qwen3.8 27B, потому что именно её BroadNet тестировала на арабском. Сравните её с ещё одной моделью на трёх реальных встречах и попросите носителя языка оценить результаты. Лист оценки есть в статье [о выборе LLM для арабского](https://broadrouter.com/ru/blog/choosing-an-llm-for-arabic/).

Все три модели рассуждают перед ответом, и рассуждения засчитываются в `max_tokens`. Протоколы длинные, поэтому оставьте несколько тысяч токенов, иначе видимый ответ может прийти пустым. [Почему так происходит](https://broadrouter.com/ru/guides/reasoning-tokens-empty-response/).

## Шаг 4: какой промпт даёт надёжный протокол?

Просите JSON и заставляйте модель цитировать расшифровку для каждого пункта. Именно цитата позволяет проверяющему сверить задачу за секунды, не перечитывая всю расшифровку.

```python
import json, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

SYSTEM = """You write meeting minutes from an Arabic meeting transcript section.
Return JSON only, with these keys:
  "summary": 2-4 sentences in Modern Standard Arabic,
  "decisions": [{"text": ..., "quote": ...}],
  "actions": [{"task": ..., "owner": ..., "due": ..., "quote": ...}],
  "open_questions": [{"text": ..., "quote": ...}]
Rules:
- "quote" is the exact words from the transcript that support the item.
- "owner" is a name only if the transcript says who will do it. Otherwise null.
- "due" only if a date or day is said. Keep it as said, e.g. "الخميس". Otherwise null.
- Keep names, numbers and amounts exactly as in the transcript. Never guess."""

def minutes_for(section):
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=4000,
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": section}])
    return json.loads(r.choices[0].message.content)
```

Затем проверьте результат в коде. Разберите JSON, проверьте ключи и убедитесь, что каждая `quote` действительно встречается в разделе. Пункт, цитаты которого нет в расшифровке, — выдумка модели: удалите его или пометьте. Если JSON не разбирается, повторите запрос один раз с сообщением об ошибке. Цикл проверки показан в статье [JSON mode или json\_schema](https://broadrouter.com/ru/blog/structured-output-json-schema/); документация BroadNet заявляет структурированный вывод для GLM 5.3 и Qwen3.8 27B, но не называет параметр запроса, поэтому проверьте его, прежде чем полагаться.

Для протокола на английском замените строку о сводке на английский и добавьте: “Keep each quote in the original Arabic.” (перевод: «Сохраняйте каждую цитату на арабском в оригинале».) Регистр, цифры и текст со смешанными алфавитами подробнее разобраны в статье [о промпт-инжиниринге на арабском](https://broadrouter.com/ru/blog/arabic-prompt-engineering/).

## Шаг 5: как объединить разделы в один протокол?

Отправьте результаты всех разделов в одном финальном запросе и попросите модель:

1.  Написать одну сводку всей встречи.
2.  Объединить повторяющиеся решения и задачи. Одну и ту же задачу часто упоминают дважды.
3.  Сохранить цитату для каждого пункта.
4.  Пометить задачу как изменённую, если в более позднем разделе у неё поменялся ответственный или срок.

Вход для объединения маленький: JSON от каждого раздела, а не расшифровка. Объединение на любой из трёх моделей выше остаётся далеко в пределах контекста.

## Сколько стоит одна встреча?

| Шаг | За что вы платите | Цена |
| --- | --- | --- |
| Распознавание | Минуты аудио | $0.0042 за минуту, $0.25 за час |
| Сводки по разделам | Токены расшифровки на входе, JSON на выходе | Qwen3.8 27B: $0.175 за вход, $2.17 за выход за 1 млн |
| Объединение | Небольшой JSON на входе и выходе | По тем же ставкам |

Распознавание обычно — фиксированная часть. Часть с LLM зависит от длины расшифровки и от того, сколько модель рассуждает. Возьмите `prompt_tokens` и `completion_tokens` с первых нескольких реальных встреч и умножьте в [калькуляторе стоимости LLM API](https://broadrouter.com/tools/llm-api-cost-calculator/). Аудиочасть считает [калькулятор стоимости распознавания речи](https://broadrouter.com/tools/speech-to-text-cost-calculator/). Стартовый грант $5 покрывает модели транскрибации — это около 1,190 минут арабского; для Qwen3.8 27B нужно пополнение баланса.

## Каких ошибок избегать?

-   **Сводка всей встречи одним промптом.** Пункты из середины теряются.
-   **Позволять модели заполнять пробелы.** Ответственные и сроки, которых никто не называл, — самая частая ошибка ИИ-протоколов. Пусть null будет значением по умолчанию.
-   **Слишком ранний перевод.** Распознавайте и извлекайте пункты на арабском, а потом переводите протокол. Если сначала перевести расшифровку, точные цитаты потеряются.
-   **Пропуск проверки.** Протокол — это официальная запись. Человек, присутствовавший на встрече, должен прочитать его до рассылки.
-   **Вечное хранение записей.** Удаляйте аудио после утверждения протокола, если только вы не обязаны его хранить.

## Когда конвейер на API — неверный выбор?

Если вам нужны живые субтитры во время встречи, метки говорящих по одной смешанной дорожке или готовое приложение, которым команда может пользоваться уже сегодня, специализированный продукт для встреч — более быстрый путь. Несколько таких продуктов продают заметки для встреч на арабском; сравните их на своих записях, ведь заявления о точности на их страницах — их собственные. Путь через API имеет смысл, когда вы хотите получать протоколы внутри своей системы, в своём формате и со своими правилами хранения.

## Где здесь BroadNet Inference

BroadNet даёт обе половины на одном OpenAI-совместимом ключе: BroadNet Transcribe Arabic за $0.0042 за минуту и протестированную на арабском Qwen3.8 27B для протоколов. В заявлении о конфиденциальности сказано, что она не хранит промпты, аудио, ответы и расшифровки после запроса, а для внутренних встреч это важно. Она не возвращает метки говорящих и временные метки и не поддерживает распознавание в реальном времени, так что если это нужно, используйте другого провайдера. Начните с [руководства по распознаванию арабской речи](https://broadrouter.com/ru/guides/arabic-speech-to-text-api/), затем добавьте шаг сводки, описанный выше.

Бесплатные инструменты по теме (на английском)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Бесплатные инструменты (на английском)](https://broadrouter.com/tools/)

## Термины в этой статье

[Вызов инструментов (tool calling)](https://broadrouter.com/ru/glossary/tool-calling/)

Вызов инструментов (function calling) — это функция LLM API, при которой модель возвращает структурированный запрос на выполнение функции, заданной разработчиком, с аргументами в JSON. Приложение выполняет функцию и отправляет результат обратно; сама модель код никогда не выполняет.

[Контекстное окно (context window)](https://broadrouter.com/ru/glossary/context-window/)

Контекстное окно — это максимальное число токенов, с которым языковая модель может работать в одном запросе. В него входят промпт, история диалога, описания инструментов, изображения и сгенерированный ответ, включая токены рассуждений. Всё, что не помещается, приходится обрезать, сжимать в краткое изложение или делить на несколько запросов.

[Временные метки в распознавании речи (timestamps)](https://broadrouter.com/ru/glossary/timestamps-asr/)

Временные метки в распознавании речи — это время начала и конца в секундах, привязанное к частям расшифровки. Метки сегментов охватывают фразу или предложение, метки слов — каждое слово. Они нужны для субтитров, поиска внутри записей и сопоставления текста с говорящими.

[Параллельность (concurrency)](https://broadrouter.com/ru/glossary/concurrency/)

Параллельность (concurrency) — это число запросов, которые клиент одновременно держит в работе. LLM API часто ограничивают её на ключ или тариф отдельно от лимита запросов в минуту, потому что каждый открытый запрос занимает мощности GPU, пока ответ не будет готов.

[Предоплаченный баланс (prepaid credit)](https://broadrouter.com/ru/glossary/prepaid-credit/)

Предоплаченный баланс — это деньги, внесённые на аккаунт API до начала использования. Каждый запрос списывает с баланса свою стоимость, а когда баланс заканчивается, запросы с оплатой за использование прекращаются, пока вы его не пополните. Расходы не могут превысить внесённую сумму.

[Распознавание речи (speech-to-text)](https://broadrouter.com/ru/glossary/speech-to-text/)

Распознавание речи (speech-to-text, автоматическое распознавание речи, ASR) — это технология, которая превращает устную речь в письменный текст. API распознавания речи принимает аудиофайл или поток и возвращает расшифровку, обычно с оплатой за минуту аудио. Точность измеряют долей ошибок в словах (WER), и она зависит от акцента, диалекта и качества записи.

[Токен (token)](https://broadrouter.com/ru/glossary/token/)

Токен — это единица текста, которую языковая модель читает и пишет: слово, часть слова, знак препинания или последовательность байтов, которую выдаёт токенизатор модели. LLM API считают, ограничивают и обычно тарифицируют использование в токенах.

[Частота дискретизации (sample rate)](https://broadrouter.com/ru/glossary/sample-rate/)

Частота дискретизации — это число отсчётов звука, записываемых за секунду, в герцах (Гц). Модели распознавания речи обычно ожидают моно-аудио с частотой 16 000 Гц (16 кГц). Вместе с разрядностью и числом каналов частота дискретизации определяет, сколько весит минута несжатого аудио.

## Вопросы и ответы

### Как получить протокол встречи из арабской аудиозаписи?

Распознайте аудио через API распознавания арабской речи, передав language=ar. Затем отправьте расшифровку в LLM с промптом, который просит краткую сводку, решения, задачи с ответственными и сроками и открытые вопросы в JSON. Проверьте результат перед отправкой.

### Можно ли получить протокол на английском, если встреча шла на арабском?

Да. Распознавайте на арабском, затем попросите LLM написать протокол на английском, сохранив имена, цифры и цитаты в точности как они прозвучали. Оставьте арабские цитаты, чтобы проверяющий со знанием обоих языков мог сверить перевод.

### Как быть с диалектом в протоколе встречи?

Пусть расшифровка сохраняет диалект — ведь именно так и говорили. Попросите LLM писать протокол на современном стандартном арабском и брать диалектные слова в кавычки, когда смысл важен, например при обязательстве или отказе.

### Может ли API определить, кто что сказал?

Только если он возвращает метки говорящих. Транскрибация BroadNet возвращает простой текст. Если каждый участник записан на отдельную дорожку или канал, распознавайте каждую дорожку отдельно — тогда говорящий известен; иначе используйте провайдера с диаризацией.

### Какая модель должна делать сводку длинной встречи?

Выберите модель с контекстом, достаточным для вашей самой длинной расшифровки, и хорошим арабским. На BroadNet Qwen3.8 27B — модель, протестированная на арабском, с контекстом 262 144 токена; GLM 5.3 и DeepSeek V4.1 Flash принимают 1 048 576 токенов. Сравните две модели на трёх реальных встречах.

### Безопасно ли отправлять внутренние встречи в API?

Сначала проверьте условия хранения у провайдера. BroadNet заявляет, что не хранит промпты, аудио, ответы и расшифровки после запроса. И всё равно уберите всё, что протоколу не нужно, например личные номера телефонов, прочитанные вслух.

## Читайте также

-   [Транскрибация аудио больше 25 МБ: разрезать, отправить, склеить](https://broadrouter.com/ru/blog/transcribe-long-audio-files-api/)
-   [API распознавания арабской речи: как выбрать в 2026 году](https://broadrouter.com/ru/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Транскрибация записей колл-центра: конвейер с поддержкой арабского](https://broadrouter.com/ru/blog/transcribe-call-center-recordings/)
-   [JSON mode или json\_schema: надёжный структурированный вывод LLM](https://broadrouter.com/ru/blog/structured-output-json-schema/)
-   [Как выбрать LLM API для арабского: что проверить](https://broadrouter.com/ru/blog/choosing-an-llm-for-arabic/)
-   [Промпт-инжиниринг для арабского: регистр, RTL, цифры и смешанный текст](https://broadrouter.com/ru/blog/arabic-prompt-engineering/)
-   [Суммаризация арабского текста с LLM: промпты, длина и оценка](https://broadrouter.com/ru/blog/arabic-text-summarization-llm/)
-   [Арабские субтитры (SRT) из API распознавания речи: что нужно](https://broadrouter.com/ru/blog/arabic-subtitles-srt-api/)
-   [Огласовки в арабском тексте через LLM: промпт, проверка, DER](https://broadrouter.com/ru/blog/arabic-diacritization-llm/)
-   [Проверка арабской орфографии и грамматики через LLM: руководство](https://broadrouter.com/ru/blog/arabic-grammar-spelling-correction-llm/)
-   [Руководство: API распознавания арабской речи: пошаговое руководство](https://broadrouter.com/ru/guides/arabic-speech-to-text-api/)
-   [Руководство: Почему рассуждающая модель возвращает пустой ответ](https://broadrouter.com/ru/guides/reasoning-tokens-empty-response/)

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

[Начать](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-arabic-meeting-minutes-from-recordings&utm_content=page-cta) ·

**Источники**

-   [Справочник BroadNet Inference API: поля транскрибации и ответ только с текстом, модели со структурированным выводом, рассуждения и max\_tokens (проверено 2026-11-15) (на английском)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-arabic-meeting-minutes-from-recordings&utm_content=sources)
-   [Страница цен BroadNet Inference: поминутные цены и пометка «Tested in Arabic» у Qwen3.8 27B (проверено 2026-11-15) (на английском)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-arabic-meeting-minutes-from-recordings&utm_content=sources)
-   [Заявление BroadNet о конфиденциальности инференса: промпты, аудио и расшифровки не хранятся (проверено 2026-11-15) (на английском)](https://www.broadnet.ai/inference-privacy)
-   [Liu et al., Lost in the Middle: How Language Models Use Long Contexts (arXiv 2307.03172; проверено 2026-11-15)](https://arxiv.org/abs/2307.03172)
-   [Руководство OpenAI по распознаванию речи: не разрезать аудио посреди предложения (проверено 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
