---
title: "Арабские субтитры SRT через API распознавания речи | BroadRouter"
description: "Что нужно файлу SRT, какие API распознавания речи возвращают для арабского временные метки или SRT, и проверенный конвейер субтитров из API, отдающего только текст."
url: https://broadrouter.com/ru/blog/arabic-subtitles-srt-api/
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-subtitles-srt-api/) (обновлён 2026-11-16).

# Арабские субтитры (SRT) из API распознавания речи: что нужно

Команда BroadNet Inference · 7 мин чтения · Опубликовано 2026-11-15 · Обновлено 2026-11-16

Файлу SRT нужен текст плюс время начала и конца каждого субтитра. Лучший тайминг дают API с временными метками слов или сегментов либо с прямым экспортом SRT. BroadNet Transcribe Arabic возвращает только текст, поэтому нарежьте аудио по паузам, распознайте каждый фрагмент и рассчитайте время субтитров по смещениям фрагментов. Это подходит для докладов и подкастов, но не для покадрово точных субтитров к фильмам.

## Главное

-   SRT — нумерованный список субтитров, у каждого строка вида hh:mm:ss,mmm --> hh:mm:ss,mmm. Библиотека Конгресса отмечает, что у формата нет формальной спецификации и стандарта кодировки символов.
-   Задокументированный ответ транскрибации BroadNet — только {"text": ...}: без временных меток, без сегментов и без вывода в SRT.
-   OpenAI документирует SRT и временные метки слов только для whisper-1, которую планирует отключить 26 февраля 2027 года. AssemblyAI и Speechmatics документируют экспорт в SRT; Deepgram и ElevenLabs — временные метки слов.
-   Арабское руководство Netflix задаёт 42 символа в строке, две строки и до 20 символов в секунду для взрослых программ; общее руководство ограничивает субтитр 7 секундами.
-   Тайминг на уровне фрагментов точен ровно настолько, насколько точны ваши паузы. Внутри фрагмента время субтитров оценивается по длине текста.

**На этой странице**

1.  Что нужно файлу SRT?
2.  Какой длины должна быть строка арабских субтитров?
3.  Какие API распознавания речи документируют временные метки или SRT?
4.  Как сделать субтитры из API, который отдаёт только текст?
5.  Конвейер на Python
6.  Насколько точен тайминг на уровне фрагментов?
7.  Сколько это стоит и как быстро работает?
8.  Где здесь BroadNet Inference

Субтитры — это текст с привязанным временем. Большая часть работы в конвейере арабских субтитров — получить это время. Одни API распознавания речи отдают его в виде временных меток слов или готового файла SRT. Другие, включая BroadNet Inference, возвращают только текст расшифровки. В этой статье — что нужно файлу SRT, какие провайдеры документируют временные метки и как собрать пригодные арабские субтитры из API, который отдаёт только текст, с прямо названными ограничениями.

BroadRouter — собственный сайт BroadNet. Если вам нужен покадрово точный тайминг, честный ответ ниже — провайдер с временными метками слов, а не BroadNet.

## Что нужно файлу SRT?

Файл SRT (SubRip) — это простой текст. У каждого субтитра четыре части: номер, строка времени, одна или две строки текста и пустая строка.

```text
1
00:00:00,000 --> 00:00:02,800
مرحباً بكم في الحلقة الأولى

2
00:00:03,600 --> 00:00:07,600
اليوم نتحدث عن تحويل الكلام إلى نص وكيف
نصنع ملف ترجمة مصاحبة
```

Описание формата от Библиотеки Конгресса задаёт формат времени как часы:минуты:секунды,миллисекунды, а стрелку — как два дефиса и правую угловую скобку. Там же сказано, что SRT “not well standardized” (перевод: «плохо стандартизирован») и что файлы SRT “do not have a character encoding standard” (перевод: «не имеют стандарта кодировки символов»). Для арабского пишите в UTF-8 и проверяйте в целевом плеере. WebVTT, его веб-преемник, использует перед миллисекундами точку вместо запятой.

Итак, жёсткое требование — время начала и конца каждого субтитра. Одного текста недостаточно.

## Какой длины должна быть строка арабских субтитров?

Используйте опубликованное руководство по стилю, а не догадки. Арабское руководство Netflix по субтитрам (Arabic Timed Text Style Guide, журнал изменений от 2025-12-19) задаёт:

| Правило | Значение Netflix |
| --- | --- |
| Символов в строке | 42 |
| Строк в субтитре | Не больше двух |
| Скорость чтения, взрослые программы | До 20 символов в секунду |
| Скорость чтения, детские программы | До 17 символов в секунду |
| Переносы строк | Не отделять глагол от подлежащего, предлог от существительного, число от того, что оно считает |

Общие требования Netflix добавляют минимум в пять шестых секунды и максимум в 7 секунд на субтитр. Арабское руководство также требует современного стандартного арабского в переведённых субтитрах. Это правило для перевода; расшифровка диалектной речи остаётся на диалекте.

Эти числа превращаются в код: перенос на 42 символах, две строки на субтитр, предупреждение выше 20 символов в секунду и никогда не держать субтитр дольше 7 секунд.

## Какие API распознавания речи документируют временные метки или SRT?

Мы прочитали актуальную документацию каждого провайдера 15 ноября 2026 года. Здесь перечислено то, что они документируют, а не то, насколько точен тайминг.

| Провайдер | Что предлагает документация | Арабский |
| --- | --- | --- |
| OpenAI | `response_format` `srt`, `vtt` или `verbose_json` и `timestamp_granularities[]` по словам или сегментам — только для `whisper-1`. `gpt-4o-transcribe` и `gpt-4o-mini-transcribe` возвращают только `json` | Не проверяли. Страница OpenAI о выводе из эксплуатации называет `whisper-1`, `gpt-4o-transcribe`, `gpt-4o-mini-transcribe` и `gpt-4o-transcribe-diarize` устаревшими, все отключаются 26 февраля 2027 года, а вместо них рекомендуются `gpt-transcribe` или `gpt-live-transcribe` |
| AssemblyAI | `GET /v2/transcript/{transcript_id}/srt` или `/vtt`, с `chars_per_caption` | Арабский указан для Universal-2, в диапазоне WER 10–25% |
| Speechmatics | `format=srt` на эндпоинте транскрипта; `srt_overrides` с `max_line_length` и `max_lines`; элементы-слова содержат `start_time` и `end_time` | Арабский, плюс арабско-английский пакет `ar_en` |
| Deepgram | Временные метки слов и высказываний; официальные библиотеки субтитров для Python и JavaScript, которые пишут SRT и WebVTT | Арабский и региональные коды на Nova-3 |
| ElevenLabs | `timestamps_granularity` по словам или символам; у каждого слова есть `start` и `end` в секундах | Арабский указан, в диапазоне WER 10–20% |
| BroadNet Inference | Только `{"text": ...}` | Модель специально для арабского и модель на 14 языков |

Если вы можете запускать модели сами, фильтр FFmpeg `whisper`, собранный с whisper.cpp, умеет писать `srt` напрямую и имеет параметр `max_len` для более коротких строк.

Для первого сравнения точности и цены на арабском читайте [руководство покупателя API распознавания арабской речи](https://broadrouter.com/ru/blog/arabic-speech-to-text-api-buyers-guide/) и [сравнение цен на распознавание речи](https://broadrouter.com/ru/blog/speech-to-text-api-pricing-compared/). Временные метки — одна строка в этом решении, а не единственная.

## Как сделать субтитры из API, который отдаёт только текст?

Вы сами получаете временные метки из мест, где режете аудио. Шаги:

1.  **Найдите паузы.** Фильтр FFmpeg `silencedetect` записывает в лог `silence_start` и `silence_end` в секундах везде, где уровень держится ниже порога заданное минимальное время.
2.  **Превратите паузы в отрезки речи.** Всё между двумя паузами — один отрезок. Ограничьте отрезки примерно 12 секундами, чтобы даже говорящий без пауз давал короткие субтитры.
3.  **Распознайте каждый отрезок.** Вырежьте его в WAV 16 кГц моно и отправьте с `language=ar`.
4.  **Рассчитайте время субтитров.** Начало и конец отрезка — ваши опорные времена. Если его текст занимает несколько строк, разделите время отрезка между ними пропорционально их длине.
5.  **Запишите SRT** и проверьте длину строк, скорость чтения и длительность по правилам стиля.

Это та же нарезка, что и в статье [о транскрибации длинных аудиофайлов](https://broadrouter.com/ru/blog/transcribe-long-audio-files-api/), но с другой целью. Там фрагменты около 10 минут, и важен только склеенный текст. Здесь фрагменты длиной в секунды, потому что каждый становится временем субтитров. Если предпочитаете резать вручную, команды FFmpeg соберёт [инструмент для нарезки аудио](https://broadrouter.com/tools/audio-splitter-ffmpeg/).

## Конвейер на Python

Скрипт использует OpenAI Python SDK и FFmpeg. Мы запустили его 15 ноября 2026 года на локальном mock-сервере, который отвечает так же, как задокументированный эндпоинт BroadNet (`{"text": ...}`), со сгенерированным тестовым файлом из тонов и пауз. SRT выше — его вывод. Ключ BroadNet не использовался, поэтому арабский текст пришёл от mock-сервера, а не от модели.

```python
import os, re, subprocess, sys
from openai import OpenAI

FFMPEG = os.environ.get("FFMPEG", "ffmpeg")
client = OpenAI(base_url=os.environ.get("BASE_URL", "https://inference.broadnet.ai/v1"),
                api_key=os.environ["BROADNET_API_KEY"])
MODEL = "broadnet/cohere-transcribe-arabic"
MAX_CHARS, MAX_LINES, MAX_CUE, MAX_CPS = 42, 2, 7.0, 20   # Netflix Arabic / general guide values

def find_speech(path, noise="-35dB", min_silence=0.4, max_span=12.0):
    """Return [(start, end)] seconds of speech between silences, each at most max_span long."""
    log = subprocess.run([FFMPEG, "-hide_banner", "-nostats", "-i", path,
                          "-af", f"silencedetect=n={noise}:d={min_silence}", "-f", "null", "-"],
                         capture_output=True, text=True).stderr
    h, m, s = re.search(r"Duration: (\d+):(\d+):([\d.]+)", log).groups()
    total = int(h) * 3600 + int(m) * 60 + float(s)
    starts = [float(x) for x in re.findall(r"silence_start: (-?[\d.]+)", log)]
    ends = [float(x) for x in re.findall(r"silence_end: ([\d.]+)", log)]
    spans, t = [], 0.0
    for i, s0 in enumerate(starts):
        if s0 - t > 0.2:
            spans.append((t, s0))
        t = ends[i] if i < len(ends) else total
    if total - t > 0.2:
        spans.append((t, total))
    out = []
    for a, b in spans:                       # no pause found: cut at a fixed length
        while b - a > max_span:
            out.append((a, a + max_span)); a += max_span
        out.append((a, b))
    return out

def transcribe_span(path, a, b, name):
    subprocess.run([FFMPEG, "-hide_banner", "-loglevel", "error", "-y", "-ss", f"{a:.3f}",
                    "-to", f"{b:.3f}", "-i", path, "-ar", "16000", "-ac", "1", name], check=True)
    with open(name, "rb") as f:
        return client.audio.transcriptions.create(model=MODEL, file=f, language="ar").text.strip()

def to_cues(text, a, b):
    """Wrap text into lines of <= MAX_CHARS, give each line a share of the span's time
    in proportion to its length, then pack lines into cues of <= MAX_LINES and <= MAX_CUE s."""
    lines, cur = [], ""
    for w in text.split():
        if cur and len(cur) + 1 + len(w) > MAX_CHARS:
            lines.append(cur); cur = w
        else:
            cur = f"{cur} {w}".strip()
    if cur:
        lines.append(cur)
    chars = sum(len(l) for l in lines) or 1
    cues, t = [], a
    for line in lines:
        d = (b - a) * len(line) / chars
        last = cues[-1] if cues else None
        if last and len(last[2]) < MAX_LINES and t + d - last[0] <= MAX_CUE:
            last[1] = t + d; last[2].append(line)
        else:
            cues.append([t, t + d, [line]])
        t += d
    for c in cues:                           # a long pause inside a span: don't hold text on screen
        c[1] = min(c[1], c[0] + MAX_CUE)
    return cues

def ts(x):
    ms = round(x * 1000)
    return f"{ms // 3600000:02}:{ms // 60000 % 60:02}:{ms // 1000 % 60:02},{ms % 1000:03}"

def make_srt(path, out="out.srt"):
    cues = []
    for i, (a, b) in enumerate(find_speech(path)):
        text = transcribe_span(path, a, b, f"chunk-{i:04}.wav")
        if text:
            cues += to_cues(text, a, b)
    with open(out, "w", encoding="utf-8") as f:
        for n, (a, b, g) in enumerate(cues, 1):
            cps = len(" ".join(g)) / (b - a)
            if b - a > MAX_CUE or cps > MAX_CPS:
                print(f"check cue {n}: {b - a:.1f} s, {cps:.0f} chars/s", file=sys.stderr)
            f.write(f"{n}\n{ts(a)} --> {ts(b)}\n" + "\n".join(g) + "\n\n")
    return len(cues)

if __name__ == "__main__":
    print(make_srt(sys.argv[1], sys.argv[2] if len(sys.argv) > 2 else "out.srt"), "cues written")
```

Запускайте с заданным `BROADNET_API_KEY`: `python make_srt.py episode.wav episode.srt`. На тестовом файле определение пауз нашло отрезки 0–2,8 с, 3,6–7,6 с, 8,8–28,8 с (разрезан по 12 с, потому что пауз в нём не было) и 29,4–30,9 с, что совпало с тем, как файл был собран. Вывод без ошибок разобрался пакетом Python `srt` и сконвертировался в WebVTT с помощью FFmpeg.

Настройте под своё аудио два значения. `noise` — уровень, который считается тишиной: попробуйте от -30 до -40 дБ для чистой речи и выше для шумных помещений. `min_silence` — сколько должна длиться пауза: 0,3–0,5 секунды ловят паузы между предложениями, не разрезая на каждом вдохе.

## Насколько точен тайминг на уровне фрагментов?

Будьте честны в том, что этот метод может, а что нет.

-   **Границы отрезков — самая точная часть.** Начала и концы субтитров, приходящиеся на настоящую паузу, точны настолько, насколько точно определение тишины. На нашем синтетическом тестовом файле они совпали точно; реальные записи с дыханием и шумом помещения сложнее.
-   **Время внутри отрезка — оценка.** Когда в отрезке два-три субтитра, скрипт делит его время по числу символов. Люди говорят не с постоянной скоростью, поэтому внутренние границы могут ошибаться на секунду и больше.
-   **Фиксированные разрезы могут разрубить слово.** Когда отрезок превышает 12-секундный предел без паузы, разрез попадает куда придётся. Слово на разрезе может потеряться или исказиться. Сначала поднимите `noise` или уменьшите `min_silence`, чтобы фиксированный разрез требовался меньшему числу отрезков.
-   **Короткие фрагменты дают модели меньше контекста.** Вокруг каждого слова в 3-секундном клипе меньше слов, чем в 10-минутном файле. Мы не измеряли, насколько это меняет точность на арабском; проверьте на своём аудио с помощью [WER](https://broadrouter.com/ru/blog/arabic-asr-wer-explained/).
-   **Нет меток говорящих.** BroadNet не возвращает [диаризацию](https://broadrouter.com/ru/glossary/diarization/), поэтому субтитры не говорят, кто говорит.
-   **Музыка и шум.** Фоновая музыка может полностью скрыть паузы. Тогда большинство отрезков режутся фиксированно, и тайминг ухудшается.

Для лекций, подкастов, вебинаров и обучающих видео субтитры с отклонением в пределах секунды от речи обычно читаются нормально. Для драмы, музыкальных клипов и всего, что синхронизировано по губам, используйте провайдера с [временными метками](https://broadrouter.com/ru/glossary/timestamps-asr/) слов или отдайте файл на доработку специалисту по субтитрам.

## Сколько это стоит и как быстро работает?

Цена следует за длиной аудио. Час арабского на BroadNet Transcribe Arabic стоит $0.25 — неважно, отправите вы его одним файлом или 720 пятисекундными. На странице цен BroadNet указана цена за минуту аудио и нет минимума на файл; после первого эпизода проверьте страницу использования, чтобы убедиться.

Скорость следует за числом запросов. Ключ с оплатой по факту допускает 30 запросов в минуту и 4 одновременных. Час речи, нарезанный на 5-секундные отрезки, — около 720 запросов, а это не меньше 720 ÷ 30 минут. Более длинные отрезки — меньше запросов. Если получаете 429, делайте паузу и повторяйте, как в [руководстве по ошибкам и повторам](https://broadrouter.com/ru/guides/errors-and-retries/), и не распределяйте одно задание по нескольким ключам ради обхода опубликованных лимитов.

## Где здесь BroadNet Inference

BroadNet Transcribe Arabic подходит для текстовой половины работы над субтитрами: арабская речь в арабский текст за $0.0042 за минуту, без хранения аудио и расшифровок после запроса. Стартовый грант $5 покрывает транскрибацию, так что конвейер можно проверить на реальных эпизодах до пополнения баланса. Временных меток, сегментов, меток говорящих и SRT он не возвращает. Если субтитрам нужен тайминг на уровне слов, используйте провайдера, который его документирует, или выровняйте текст BroadNet по аудио инструментом принудительного выравнивания (forced alignment). Форматы запросов и лимиты — в [справочнике BroadNet API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-arabic-subtitles-srt-api&utm_content=body), настройка — в [руководстве по распознаванию арабской речи](https://broadrouter.com/ru/guides/arabic-speech-to-text-api/).

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

[Субтитры SRT (SRT subtitles)](https://broadrouter.com/ru/glossary/srt-subtitles/)

SRT (SubRip) — это текстовый формат субтитров. Каждый титр состоит из порядкового номера, времени начала и конца в виде hh:mm:ss,mmm --> hh:mm:ss,mmm, одной или нескольких строк текста и пустой строки. WebVTT — похожий веб-формат, который использует видео в HTML.

[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.

[Доля ошибок в словах (word error rate, WER)](https://broadrouter.com/ru/glossary/word-error-rate/)

Доля ошибок в словах (word error rate, WER) — это стандартная метрика точности распознавания речи: число замен, пропусков и вставок слов, нужных, чтобы превратить расшифровку в правильный эталон, делённое на число слов в эталоне. Чем меньше, тем лучше.

[Лимит запросов (rate limit)](https://broadrouter.com/ru/glossary/rate-limit/)

Лимит запросов (rate limit) — это ограничение, которое API накладывает на объём использования клиентом за отрезок времени, например число запросов или токенов в минуту. Запросы сверх лимита отклоняются, обычно с HTTP 429 Too Many Requests, пока использование снова не опустится ниже порога.

[Оплата по факту (pay-as-you-go)](https://broadrouter.com/ru/glossary/pay-as-you-go/)

Оплата по факту (pay-as-you-go) — это модель ценообразования, при которой вы платите только за то, что использовали, по счётчику в единицах вроде токенов, запросов или минут аудио, без подписки и минимальных обязательств. Так тарифицирует большинство LLM API — с предоплаченного баланса или по периодическому счёту.

[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.

[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.

[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.

## Вопросы и ответы

### Можно ли получить файл SRT напрямую из API транскрибации BroadNet?

Нет. Документация BroadNet показывает JSON-ответ с одним полем text и без вариантов SRT, VTT или временных меток. Метаданные /v1/models (проверено 2026-11-15) перечисляют форматы ответа json, text и verbose\_json, но ни один источник не говорит, что verbose\_json содержит временные метки. Стройте тайминг сами по смещениям фрагментов, как в этой статье, или используйте провайдера, который документирует временные метки.

### Какие API распознавания речи экспортируют SRT для арабского?

Из проверенных нами 15 ноября 2026 года экспорт в SRT документируют AssemblyAI (эндпоинт субтитров, арабский на Universal-2) и Speechmatics (format=srt, арабский и арабско-английский пакет). OpenAI документирует SRT для whisper-1, которая выводится из эксплуатации. Deepgram документирует библиотеки субтитров на основе своих временных меток.

### Сколько символов в строке должно быть в арабских субтитрах?

Арабское руководство Netflix по субтитрам (Arabic Timed Text Style Guide) задаёт 42 символа в строке и максимум две строки. Ограничение скорости чтения для взрослых программ — до 20 символов в секунду, для детских — 17.

### Насколько точны субтитры, рассчитанные по фрагментам аудио?

Начало и конец каждого фрагмента точны настолько, насколько точно определяются паузы, поэтому настройте его на своём аудио. Время субтитров внутри фрагмента оценивается по длине текста и может уходить на секунду и больше. Для докладов и подкастов это годится, для драмы с синхронизацией по губам — нет.

### Почему в моём арабском SRT знаки препинания оказываются не с той стороны?

В SRT нет разметки направления текста, поэтому раскладку текста справа налево определяет плеер. Проверьте файл в тех плеерах, которыми пользуется ваша аудитория. Если знаки препинания смещаются, попробуйте формат с более богатой стилизацией или настройку плеера для RTL-текста.

### Дороже ли нарезать аудио на короткие фрагменты?

BroadNet тарифицирует транскрибацию за минуту аудио, так что общий объём аудио тот же. Но запросов становится больше: короткие фрагменты быстрее упираются в лимит оплаты по факту — 30 запросов в минуту. После первого прогона загляните на страницу использования, чтобы убедиться в правильности списаний.

## 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/)
-   [Альтернатива Whisper API: когда переходить и как её протестировать](https://broadrouter.com/ru/blog/whisper-api-alternative/)
-   [Протокол арабской встречи по записи: конвейер на API](https://broadrouter.com/ru/blog/arabic-meeting-minutes-from-recordings/)
-   [Цены API распознавания речи: сравнение стоимости минуты в 2026 году](https://broadrouter.com/ru/blog/speech-to-text-api-pricing-compared/)
-   [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: Коды ошибок BroadNet Inference и когда повторять запрос](https://broadrouter.com/ru/guides/errors-and-retries/)

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-subtitles-srt-api&utm_content=page-cta) ·

**Источники**

-   [Справочник BroadNet Inference API: запрос транскрибации и ответ {"text": ...}, лимиты оплаты по факту (проверено 2026-11-15) (на английском)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-arabic-subtitles-srt-api&utm_content=sources)
-   [Библиотека Конгресса, Sustainability of Digital Formats: описание формата SubRip (SRT) fdd000569 (проверено 2026-11-15)](https://www.loc.gov/preservation/digital/formats/fdd/fdd000569.shtml)
-   [Netflix Partner Help Center, Arabic Timed Text Style Guide: 42 символа в строке, ограничения скорости чтения (проверено 2026-11-15)](https://partnerhelp.netflixstudios.com/hc/en-us/articles/215517947)
-   [Netflix Partner Help Center, Timed Text Style Guide: General Requirements, минимальная и максимальная длительность (проверено 2026-11-15)](https://partnerhelp.netflixstudios.com/hc/en-us/articles/215758617-Timed-Text-Style-Guide-General-Requirements)
-   [Справочник OpenAI API, создание транскрипции: response\_format и timestamp\_granularities по моделям (проверено 2026-11-15)](https://developers.openai.com/api/reference/resources/audio/subresources/transcriptions/methods/create)
-   [Руководство OpenAI по распознаванию речи: timestamp\_granularities только у whisper-1, дата вывода из эксплуатации (проверено 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Выводимые из эксплуатации модели OpenAI: whisper-1 и модели gpt-4o transcribe отключаются 26 февраля 2027 года; замена — gpt-transcribe или gpt-live-transcribe (проверено 2026-11-15)](https://developers.openai.com/api/docs/deprecations)
-   [Справочник AssemblyAI API, Get subtitles: эндпоинт субтитров транскрипта, формат SRT или VTT (проверено 2026-11-15)](https://www.assemblyai.com/docs/api-reference/transcripts/get-subtitles)
-   [AssemblyAI, поддерживаемые языки для записанного аудио (проверено 2026-11-15)](https://www.assemblyai.com/docs/pre-recorded-audio/supported-languages)
-   [Документация Speechmatics, форматы вывода пакетного режима: format=srt и srt\_overrides (проверено 2026-11-15)](https://docs.speechmatics.com/speech-to-text/batch/output)
-   [Документация Speechmatics, поддерживаемые языки: арабский и двуязычный пакет ar\_en (проверено 2026-11-15)](https://docs.speechmatics.com/speech-to-text/languages)
-   [Документация Deepgram, автоматическое создание субтитров WebVTT и SRT (проверено 2026-11-15)](https://developers.deepgram.com/docs/automatically-generating-webvtt-and-srt-captions)
-   [Документация Deepgram, обзор моделей и языков: арабский на Nova-3 (проверено 2026-11-15)](https://developers.deepgram.com/docs/models-languages-overview)
-   [Справочник ElevenLabs API, распознавание речи: timestamps\_granularity и start/end слов (проверено 2026-11-15)](https://elevenlabs.io/docs/api-reference/speech-to-text/convert)
-   [Документация фильтров FFmpeg: фильтры silencedetect и whisper (проверено 2026-11-15)](https://ffmpeg.org/ffmpeg-filters.html)
