---
title: "Перевод арабского аудио в английский текст через API"
description: "Арабские записи в английский текст за два вызова API: расшифровка с language=ar, затем перевод через LLM, с проверкой чисел, нарезкой, ценой и оценкой качества."
url: https://broadrouter.com/ru/blog/translate-arabic-audio-to-english/
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/translate-arabic-audio-to-english/) (обновлён 2026-11-16).

# Перевод арабского аудио в английский текст по API: рабочий пайплайн

Команда BroadNet Inference · 8 мин чтения · Опубликовано 2026-11-15 · Обновлено 2026-11-16

Делайте это в два шага. Расшифруйте арабское аудио через API распознавания речи с параметром language=ar, затем переведите расшифровку LLM, которой велено сохранять имена и числа. Длинные файлы сначала нарежьте, числа проверяйте в коде, а небольшую выборку оцените по chrF, чтобы увидеть, сколько качества отнимает шаг распознавания.

## Главное

-   Двухшаговый пайплайн (арабская расшифровка, затем перевод через LLM) даёт ещё и арабский текст, который можно потом проверить, искать по нему или перевести заново.
-   OpenAI помечает /v1/audio/translations как устаревший (уведомление 26 августа 2026 г., отключение 26 февраля 2027 г.), замена — /v1/realtime/translations.
-   Ошибки распознавания переходят в перевод. Оцените перевод расшифровки, сделанной человеком, и расшифровки ASR на одних и тех же клипах: разница — это то, во что обходится распознавание речи.
-   Проверяйте числа в коде: переведите арабско-индийские цифры в 0-9 и убедитесь, что каждое число есть в английском тексте.
-   Для живого аудио, например звонков или субтитров в реальном времени, лучше подходит потоковый API перевода речи, чем пайплайн для файлов.

**На этой странице**

1.  Один вызов или два?
2.  Как выглядит пайплайн?
3.  Шаг 1: как подготовить и нарезать аудио?
4.  Шаги 2 и 3: как расшифровать и перевести?
5.  Как ошибки распознавания влияют на перевод?
6.  Какие модели использовать?
7.  Сколько стоит час аудио?
8.  Когда этот пайплайн — неверный выбор?
9.  Место BroadNet Inference

Большинство страниц, которые выдаются по запросу «перевести арабское аудио на английский», — это веб-инструменты в духе «загрузил — скачал». Для одного файла они подходят. Если перевод нужен внутри вашего продукта (звонки в поддержку, интервью, голосовые сообщения, лекции), понадобятся два вызова API и несколько проверок вокруг них. В этой статье мы строим такой пайплайн на одном OpenAI-совместимом ключе, тестируем его и показываем, как измерить, достаточно ли он хорош.

Если нужно перевести уже имеющийся арабский текст, см. статью о [переводе с арабского на английский с помощью LLM](https://broadrouter.com/ru/blog/arabic-english-translation-llm/). Если из записи встречи нужен протокол, а не полный перевод, см. статью о [протоколах арабских встреч по записям](https://broadrouter.com/ru/blog/arabic-meeting-minutes-from-recordings/).

## Один вызов или два?

Получить английский текст из арабской речи можно двумя способами:

| Подход | Как работает | Подходит для |
| --- | --- | --- |
| Перевод речи (один шаг) | Один запрос; сервис возвращает английский | Живого аудио, субтитров, самого простого кода |
| Расшифровка, затем перевод (два шага) | Вызов [распознавания речи](https://broadrouter.com/ru/glossary/speech-to-text/) возвращает арабский текст; LLM его переводит | Файлов, когда нужен и арабский, глоссариев и проверок |

Самый известный одношаговый эндпоинт для файлов меняется. В руководстве OpenAI по распознаванию речи сказано, что `/v1/audio/translations` “uses `whisper-1` to translate a completed audio recording into English” (перевод: «использует `whisper-1`, чтобы перевести готовую аудиозапись на английский»). На [странице устаревших функций](https://developers.openai.com/api/docs/deprecations), проверенной 2026-11-15, указаны дата уведомления 26 августа 2026 г. и дата отключения 26 февраля 2027 г. Указанная замена — `/v1/realtime/translations`, а это API реального времени, а не загрузка файлов. Если ваш код вызывает старый эндпоинт, переделывать его придётся в любом случае.

Один из актуальных одношаговых вариантов — Soniox: на его [странице перевода с арабского на английский](https://soniox.com/speech-translation/arabic/english) показан запрос по WebSocket с блоком translation, где source — `ar`, а target — `en`. Такой потоковый продукт лучше всего подходит для живого аудио.

Для файлов у двухшагового пайплайна три практических преимущества:

1.  **Арабская расшифровка остаётся у вас.** По ней можно искать, показывать её рядом с английским и позже перевести заново моделью получше, не платя повторно за расшифровку.
2.  **Перевод под вашим контролем.** Вы выбираете модель, даёте ей глоссарий имён и продуктовых терминов и проверяете её вывод в коде.
3.  **Видно, откуда берутся ошибки.** Неверное английское предложение — это либо ошибка распознавания, либо ошибка перевода. Имея расшифровку, вы понимаете, какая именно.

Цена — второй запрос и больше кода. Вся остальная статья — этот код.

## Как выглядит пайплайн?

```text
recording (.m4a, .mp4, .ogg, .wav)
  → ffmpeg: 16 kHz mono WAV, parts of 10 minutes or less
  → transcribe each part (language=ar)        → Arabic text
  → translate each part, with glossary and the end of the previous part as context
  → check numbers and empty or cut-off replies → English text
```

## Шаг 1: как подготовить и нарезать аудио?

Эндпоинт расшифровки BroadNet принимает WAV (`audio/wav`) или MP3 (`audio/mpeg`) размером до 26 214 400 байт на файл. Телефонные записи (`.m4a`), голосовые сообщения WhatsApp (`.ogg`) и видео всё равно нужно конвертировать, поэтому меняйте частоту дискретизации и нарезайте в том же шаге ffmpeg:

```bash
ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a pcm_s16le \
  -f segment -segment_time 600 chunks/part_%03d.wav
```

16-битное аудио 16 кГц моно — это 32 000 байт в секунду, поэтому 10-минутная часть весит около 19,2 МБ, меньше лимита. Мы запустили это на 25-минутном тестовом файле: получились две части по 19 200 162 и 19 200 194 байта и 5-минутная часть на 9 599 878 байт.

Нарезка фиксированной длины может разрезать слово. Для реальной речи режьте по паузам: в статье о [расшифровке длинных аудиофайлов](https://broadrouter.com/ru/blog/transcribe-long-audio-files-api/) есть нарезчик по тишине, а [инструмент нарезки аудио](https://broadrouter.com/tools/audio-splitter-ffmpeg/) составит команду ffmpeg за вас. Что такое [частота дискретизации](https://broadrouter.com/ru/glossary/sample-rate/) и почему для речи хватает 16 кГц, объяснено в глоссарии.

## Шаги 2 и 3: как расшифровать и перевести?

Скрипт ниже отправляет каждую часть в арабскую модель расшифровки, затем в чат-модель с промптом для перевода. Он работает с [OpenAI Python SDK](https://broadrouter.com/ru/guides/openai-python-sdk/).

```python
import os, re, glob
from openai import OpenAI

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

GLOSSARY = {"شركة النخيل": "Al Nakheel Company", "مازن": "Mazen"}  # your fixed terms
SYSTEM = """You translate transcripts of spoken Arabic into clear English.
The Arabic comes from speech recognition: it may be dialect, have no punctuation,
mix in English words, and contain recognition errors.
Rules:
- Translate the meaning faithfully. Do not summarise, add or drop content.
- Keep every number, date, amount and name. Write numbers as digits.
- Use the glossary spellings exactly.
- Keep English words that the speaker used as they are.
- If a phrase makes no sense, translate it literally and add [unclear] after it.
- Reply with the English translation only."""

def glossary_block(text: str) -> str:
    hits = [f"{ar} = {en}" for ar, en in GLOSSARY.items() if ar in text]
    return "Glossary:\n" + "\n".join(hits) + "\n\n" if hits else ""

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

def translate(arabic: str, previous: str = "") -> str:
    context = f"Previous part, for context only, do not translate:\n{previous}\n\n" if previous else ""
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b", max_tokens=4000, reasoning_effort="low",
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": glossary_block(arabic) + context + "Translate:\n" + arabic}])
    choice = r.choices[0]
    if choice.finish_reason == "length" or not choice.message.content:
        raise RuntimeError("cut off: raise max_tokens or send a shorter part")
    return choice.message.content.strip()

DIGITS = str.maketrans("٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹", "01234567890123456789")
def missing_numbers(arabic: str, english: str) -> list[str]:
    nums = re.findall(r"\d+", arabic.translate(DIGITS))
    return [x for x in nums if x not in re.findall(r"\d+", english)]

previous = ""
for chunk in sorted(glob.glob("chunks/part_*.wav")):
    arabic = transcribe(chunk)
    english = translate(arabic, previous)
    print(f"--- {chunk}\nAR: {arabic}\nEN: {english}")
    if gaps := missing_numbers(arabic, english):
        print(f"CHECK: numbers {gaps} missing from the translation")
    previous = arabic[-500:]
```

Зачем нужна каждая часть:

-   **`language="ar"`.** Документация BroadNet велит всегда передавать `language` в запросе на расшифровку. Подробно запрос разобран в [руководстве по распознаванию арабской речи](https://broadrouter.com/ru/guides/arabic-speech-to-text-api/).
-   **Промпт сообщает, откуда текст.** В расшифровке нет пунктуации, она может быть на диалекте и содержать ошибки распознавания. Если сказать об этом модели, она не будет считать странные фразы намеренными, а метка `[unclear]` даёт проверяющим, что искать.
-   **Английские слова остаются.** Арабоязычные собеседники часто переходят на английский посреди фразы (“الـ deadline”, “فريق الـ QA”). Это [переключение кодов](https://broadrouter.com/ru/glossary/code-switching/), и модель должна оставлять такие слова как есть, а не переводить их туда-обратно.
-   **Глоссарий для каждой части.** Отправляются только те записи глоссария, которые встречаются в части, — так промпты остаются короткими. Сопоставление точное, поэтому если написание в расшифровках гуляет (أ против ا, ة против ه), сначала нормализуйте обе стороны; обычные правила показывает [нормализатор арабского текста](https://broadrouter.com/tools/arabic-text-normalizer/).
-   **Предыдущая часть как контекст.** Последние 500 символов предыдущей арабской части помогают с местоимениями и предложениями, разрезанными на границе частей. Промпт велит её не переводить, поэтому она не появляется дважды.
-   **`max_tokens=4000` и `reasoning_effort="low"`.** В документации BroadNet сказано, что DeepSeek V4.1 Flash, GLM 5.3 и Qwen3.8 27B рассуждают перед ответом и рассуждения входят в `max_tokens`. При маленьком лимите ответ может оказаться пустым; см. руководство о [токенах рассуждений и пустых ответах](https://broadrouter.com/ru/guides/reasoning-tokens-empty-response/). При пустом или обрезанном ответе код выбрасывает ошибку, а не сохраняет половину перевода.
-   **Проверка чисел.** Именно в числах неверный перевод наносит больше всего вреда. Проверка переводит арабско-индийские цифры (٠-٩) и персидские цифры (۰-۹) в 0-9 и убеждается, что каждое число есть в английском тексте. Числа, произнесённые словами (“خمسة عشر”), она не поймает, так что всё важное по-прежнему читает человек.

### Что показал тест?

Мы прогнали скрипт на локальном mock-сервере, реализующем оба эндпоинта (без реального вызова API). Три части 25-минутного тестового файла отправлялись с `model=broadnet/cohere-transcribe-arabic` и `language=ar`, и каждый запрос к чату нёс строки глоссария для своей части и предыдущую арабскую часть как контекст. Третий перевод mock-сервера намеренно терял число, и скрипт вывел:

```text
--- chunks/part_002.wav
AR: اتفقنا مع شركة النخيل على تسليم ٢٤٠ وحدة قبل نهاية الشهر
EN: We agreed with Al Nakheel to deliver the units before month end.
CHECK: numbers ['240'] missing from the translation
```

Арабские предложения и компания выдуманы для теста. Прогон показывает, что код работает, а не насколько хорошо переводит какая-либо модель; для этого используйте шаг оценки ниже.

## Как ошибки распознавания влияют на перевод?

Они проходят насквозь. Если в расшифровке ٢١٤, а говорящий сказал ٢٤٠, перевод добросовестно напишет 214. Если диалектное слово распознано как похожее по звучанию литературное, перевод будет гладким и неверным. Гладкий английский текст делает такие ошибки малозаметными, и это главный риск любой системы перевода речи.

Можно измерить, какая доля ошибок приходится на каждый шаг. Соберите 30 и более клипов и для каждого получите:

1.  арабскую расшифровку, сделанную человеком;
2.  английский перевод, сделанный человеком (эталон).

Затем переведите своим пайплайном и человеческую расшифровку, и расшифровку ASR и оцените обе относительно эталона. [chrF](https://aclanthology.org/W15-3049/), метрика по символьным n-граммам, лучше BLEU справляется с именами и формами слов и обычно используется по умолчанию для пары арабский–английский; SacreBLEU считает обе:

```python
from sacrebleu.metrics import BLEU, CHRF

# One English reference per clip, written by a human translator.
refs = ["We agreed with Al Nakheel Company to deliver 240 units before the end of the month.",
        "The deadline is December 15, and Mazen is following up with the QA team."]
# Your pipeline's English, from the human Arabic transcript (MT only)...
from_gold = ["We agreed with Al Nakheel Company to deliver 240 units before the end of the month.",
             "The deadline is 15 December, and Mazen is following up with the QA team."]
# ...and from the ASR transcript (the full pipeline).
from_asr = ["We agreed with Al Nakheel Company to deliver 214 units before the end of the month.",
            "The deadline is 15 December, and Mazen is following up with the key team."]

chrf, bleu = CHRF(), BLEU()
for name, hyp in [("MT on human transcript", from_gold), ("ASR + MT", from_asr)]:
    print(f"{name:24} chrF {chrf.corpus_score(hyp, [refs]).score:5.1f}   BLEU {bleu.corpus_score(hyp, [refs]).score:5.1f}")
```

На этих двух игрушечных предложениях (SacreBLEU 2.6.0) скрипт вывел chrF 94,6 и BLEU 89,2 для пути с человеческой расшифровкой и chrF 87,1 и BLEU 71,7 для полного пайплайна. Два игрушечных предложения ничего не доказывают о модели. На ваших клипах большой разрыв означает, что нужно улучшать распознавание: качество аудио, тестовый набор по диалектам, как в статье о [распознавании арабских диалектов](https://broadrouter.com/ru/blog/arabic-dialect-speech-recognition/), или другого провайдера. Маленький разрыв при общих низких оценках означает, что доработки требует шаг перевода: лучший промпт, глоссарий или другая модель. Чтобы оценить отдельно шаг расшифровки, используйте [долю ошибок в словах](https://broadrouter.com/ru/blog/arabic-asr-wer-explained/).

Автоматические оценки ранжируют системы, но не утверждают перевод. Пусть двуязычный проверяющий прочитает выборку, особенно числа, имена и отрицания.

## Какие модели использовать?

| Шаг | Модель BroadNet | Цена | Примечания |
| --- | --- | --- | --- |
| Расшифровка | [BroadNet Transcribe Arabic](https://broadrouter.com/ru/models/cohere-transcribe-arabic/) | $0.0042 за минуту ($0.25 за час) | Только арабский; работает на стартовом кредите $5 |
| Перевод | [Qwen3.8 27B](https://broadrouter.com/ru/models/qwen3.8-27b/) | $0.175 за вход, $2.17 за выход на 1 млн токенов | Модель с рассуждениями; контекст 262 144 токена; нужно пополнение |
| Перевод | [Gemma 4 VL 26B](https://broadrouter.com/ru/models/gemma-4-vl-26b/) | $0.10 за вход, $0.22 за выход на 1 млн токенов | На стартовом кредите; контекст 32 768 токенов, обычно хватает для 10-минутной части; проверьте выборку в счётчике токенов. Уберите `reasoning_effort`: BroadNet документирует его только для моделей с рассуждениями |
| Перевод | [DeepSeek V4.1 Flash](https://broadrouter.com/ru/models/deepseek-v4.1-flash/) | $0.175 за вход, $0.52 за выход на 1 млн токенов или сессия по фиксированной цене | Модель с рассуждениями; размещена у партнёра; нужно пополнение или тариф |

Прогоните скрипт оценки на одних и тех же клипах с каждой моделью перевода и выбирайте по оценкам и заметкам проверяющего, а не по нашей таблице. Более широкие компромиссы разобраны в статье о [выборе LLM для арабского](https://broadrouter.com/ru/blog/choosing-an-llm-for-arabic/).

## Сколько стоит час аудио?

Есть две составляющие:

-   **Расшифровка** оплачивается за минуту аудио: $0.25 за час в BroadNet Transcribe Arabic.
-   **Перевод** оплачивается за токены: `prompt_tokens × input price + completion_tokens × output price`, делённое на 1 000 000. Промпт включает системный промпт, строки глоссария, контекст предыдущей части и расшифровку. Ответ включает английский текст и, у моделей с рассуждениями, [токены рассуждений](https://broadrouter.com/ru/glossary/reasoning-tokens/).

Единой цифры стоимости перевода за час мы не публикуем: она зависит от темпа речи, диалекта и того, сколько рассуждает модель. Измерьте её: прогоните один типичный час, сложите `usage.prompt_tokens` и `usage.completion_tokens` из ответов и введите их в [калькулятор стоимости LLM API](https://broadrouter.com/tools/llm-api-cost-calculator/). Пока аудио нет, можно вставить пример расшифровки в [счётчик арабских токенов](https://broadrouter.com/tools/arabic-token-counter/); арабский обычно занимает больше токенов на слово, чем английский, как показывает статья о [числе токенов на слово в арабском и английском](https://broadrouter.com/ru/blog/tokens-per-word-arabic-english/). Аудиочасть посчитает [калькулятор стоимости распознавания речи](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

Для большого бэклога сессия DeepSeek V4.1 Flash по фиксированной цене убирает счётчик токенов на шаге перевода: $1 в час, $15 в неделю или $60 в месяц за сессию. Одна сессия выполняет один запрос за раз, поэтому параллельным воркерам нужно больше сессий. Расшифровка по-прежнему оплачивается поминутно.

## Когда этот пайплайн — неверный выбор?

-   **Живое аудио.** Звонкам, субтитрам в реальном времени и голосовым агентам нужны потоковые результаты за секунды. Потоковый API перевода речи или эндпоинт реального времени подходят лучше загрузки файлов.
-   **Субтитры.** Ответ расшифровки BroadNet содержит только текст, без [временных меток](https://broadrouter.com/ru/glossary/timestamps-asr/). Статья об [арабских субтитрах из API, возвращающего только текст](https://broadrouter.com/ru/blog/arabic-subtitles-srt-api/), показывает, как далеко можно зайти со смещениями фрагментов; для разметки по словам берите провайдера, который возвращает временные метки.
-   **Языки, которые BroadNet не расшифровывает.** Арабская модель работает с арабским. Для других исходных языков сначала проверьте список из 14 языков у [многоязычной модели](https://broadrouter.com/ru/blog/multilingual-speech-to-text-api/).
-   **Юридические или медицинские документы.** Используйте пайплайн для черновика, а для официального документа — переводчика-человека.

## Место BroadNet Inference

BroadRouter — собственный сайт BroadNet. [BroadNet Inference](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-translate-arabic-audio-to-english&utm_content=body) предлагает оба шага этого пайплайна по одному OpenAI-совместимому ключу: арабскую расшифровку на `/v1/audio/transcriptions` и перевод на `/v1/chat/completions`. Одношагового эндпоинта перевода речи и потоковой расшифровки у неё нет, поэтому для живого аудио используйте другого провайдера. В её [политике конфиденциальности](https://www.broadnet.ai/inference-privacy) сказано, что содержимое инференса, включая аудио, расшифровки и ответы, не хранится; необходимые метаданные аккаунта, биллинга и безопасности хранятся. Начните со [страницы арабской расшифровки](https://broadrouter.com/ru/arabic-transcription/) или [справочника API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-translate-arabic-audio-to-english&utm_content=body) и протестируйте на своих записях, прежде чем полагаться на результат.

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.

[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.

[Переключение кодов (code-switching)](https://broadrouter.com/ru/glossary/code-switching/)

Переключение кодов — это использование двух или более языков либо вариантов одного языка в пределах одного разговора или предложения, устно или письменно. Например, арабоязычные люди вставляют английские слова в диалектную речь или переходят с современного литературного арабского на свой диалект и обратно.

[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.

[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.

[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.

[Eval (оценка LLM)](https://broadrouter.com/ru/glossary/eval/)

Eval (сокращение от evaluation, «оценка») — это воспроизводимый тест языковой модели или промпта: фиксированный набор входов, описание того, как выглядит хороший ответ, и оценщик (код, человек или другая модель), который выставляет оценку каждому ответу, чтобы версии можно было сравнивать.

## Вопросы и ответы

### Можно ли перевести арабское аудио на английский одним вызовом API?

Да, через API перевода речи вроде Soniox, где к запросу распознавания добавляется настройка перевода. Эндпоинт OpenAI /v1/audio/translations делает то же для файлов, но он устарел, отключение назначено на 26 февраля 2027 г. Двухшаговый пайплайн требует двух вызовов, зато даёт ещё и арабскую расшифровку.

### Что лучше — прямой перевод речи или расшифровка с последующим переводом?

Проверьте оба варианта на своём аудио. Расшифровка с переводом позволяет выбрать модель перевода, добавить глоссарий, проверить числа и сохранить арабский текст. Одношаговый API проще и обычно лучше для живого аудио. Прежде чем выбирать, оцените 30 и более клипов по chrF относительно переводов, сделанных людьми.

### Справляется ли пайплайн с египетским, заливским или левантийским арабским?

Большую часть решает шаг расшифровки, поэтому тестируйте записи на диалектах, с которыми работаете. Затем скажите модели перевода, что расшифровка может быть на диалекте и содержать английские слова. Главный источник ошибок — диалектные слова, которые модель распознавания встречала редко.

### Как перевести арабский аудиофайл больше 25 МБ?

Конвертируйте его в WAV 16 кГц моно и нарежьте ffmpeg на части не длиннее 10 минут; каждая часть — около 19,2 МБ. Расшифруйте каждую часть, затем переводите части по порядку, передавая конец предыдущей части как контекст.

### Можно ли так получить английские субтитры с таймкодами?

Напрямую от BroadNet — нет: её ответ на расшифровку содержит только текст, без временных меток. Субтитры можно разметить по смещениям фрагментов, как в нашей статье об арабских субтитрах, или взять провайдера, который возвращает временные метки слов или сегментов.

## Читайте также

-   [Арабско-английский перевод через LLM: промпты, глоссарии, оценка](https://broadrouter.com/ru/blog/arabic-english-translation-llm/)
-   [Транскрибация аудио больше 25 МБ: разрезать, отправить, склеить](https://broadrouter.com/ru/blog/transcribe-long-audio-files-api/)
-   [Распознавание арабских диалектов: Залив, Египет, Левант, Магриб](https://broadrouter.com/ru/blog/arabic-dialect-speech-recognition/)
-   [Протокол арабской встречи по записи: конвейер на API](https://broadrouter.com/ru/blog/arabic-meeting-minutes-from-recordings/)
-   [Альтернатива Whisper API: когда переходить и как её протестировать](https://broadrouter.com/ru/blog/whisper-api-alternative/)
-   [API распознавания арабской речи: как выбрать в 2026 году](https://broadrouter.com/ru/blog/arabic-speech-to-text-api-buyers-guide/)
-   [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: Голосовые сообщения WhatsApp в текст через API](https://broadrouter.com/ru/guides/transcribe-whatsapp-voice-notes/)
-   [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-translate-arabic-audio-to-english&utm_content=page-cta) ·

**Источники**

-   [Справочник API BroadNet Inference: расшифровка принимает WAV или MP3 до 26 214 400 байт, параметр language, текстовый ответ; рассуждения входят в max\_tokens, reasoning\_effort low (проверено 2026-11-15) (на английском)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-translate-arabic-audio-to-english&utm_content=sources)
-   [Цены BroadNet Inference: поминутная расшифровка и цены чата за токены (проверено 2026-11-15) (на английском)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-translate-arabic-audio-to-english&utm_content=sources)
-   [Устаревшие функции OpenAI API: /v1/audio/translations и whisper-1, уведомление 26 августа 2026 г., отключение 26 февраля 2027 г., указаны замены (проверено 2026-11-15)](https://developers.openai.com/api/docs/deprecations)
-   [Soniox, API перевода речи с арабского на английский: один WebSocket, блок translation с source ar и target en (проверено 2026-11-15)](https://soniox.com/speech-translation/arabic/english)
-   [Страница цен Soniox и FAQ о тарификации перевода (проверено 2026-11-15)](https://soniox.com/pricing)
-   [SacreBLEU на GitHub (Apache 2.0): классы BLEU и CHRF, corpus\_score; протестирована версия 2.6.0 (проверено 2026-11-15)](https://github.com/mjpost/sacrebleu)
-   [Popović, chrF: character n-gram F-score for automatic MT evaluation, WMT 2015 (проверено 2026-11-15)](https://aclanthology.org/W15-3049/)
-   [Документация FFmpeg по форматам: мультиплексор segment и segment\_time (проверено 2026-11-15)](https://ffmpeg.org/ffmpeg-formats.html#segment_002c-stream_005fsegment_002c-ssegment)
