---
title: "Çağrı merkezi kayıtlarını metne çevirme: kodlu hat | BroadRouter"
description: "Stereo çağrıları kanala ayırın, konuşma turlarını kesin, Arapça ve İngilizceyi metne çevirin, kişisel verileri maskeleyip LLM ile özetleyin. Kod ve maliyet."
url: https://broadrouter.com/tr/blog/transcribe-call-center-recordings/
lang: tr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

İngilizceden yapay zekâ desteğiyle çevrilmiştir. [İngilizce aslını okuyun](https://broadrouter.com/blog/transcribe-call-center-recordings/) (güncelleme: 2026-11-14).

# Çağrı merkezi kayıtlarını metne çevirme: Arapçaya hazır bir hat

BroadNet Inference ekibi · 4 dk okuma · Yayımlandı 2026-11-14

Çağrı merkezi kayıtlarını metne çevirmek için stereo dosyaları temsilci ve müşteri kanallarına ayırın, her kanalı konuşma turlarına bölün, her turu doğru dil koduyla metne çevirin ve turları başlangıç zamanına göre birleştirin. Bir LLM çağrıyı özetlemeden önce transkriptteki kart ve telefon numaralarını maskeleyin. Mono kayıtlar ayrı bir konuşmacı ayrımı (diarization) adımı gerektirir.

## Öne çıkanlar

-   Çoğu çağrı kayıt sistemi temsilciyi ve müşteriyi ayrı stereo kanallarda saklar. Kanalları ayırmak, konuşmacı ayrımı yapmadan kusursuz konuşmacı etiketleri verir.
-   Her kanalı sessizliklerden kesmek size tur sırasını verir ve sessizlik için ödeme yapmanızı önler.
-   Maskelemeden önce Doğu Arap rakamlarını normalleştirin; yoksa kart ve telefon numaraları gözden kaçar.
-   Transkripti özet adımından önce maskeleyin ve LLM'den yapılandırılmış JSON isteyin.
-   Dakikası $0.0042 fiyatla 1.000 saatlik Arapça konuşmayı metne çevirmek $252.00 tutar.

**Bu sayfada**

1.  1\. adım: kayıt stereo mu, mono mu?
2.  2\. adım: stereo kanallar ffmpeg ile nasıl ayrılır?
3.  3\. adım: her kanal konuşma turlarına nasıl kesilir?
4.  4\. adım: her tur nasıl metne çevrilir?
5.  5\. adım: turlar bir diyalogda nasıl birleştirilir?
6.  Mono kayıtlar ne olacak?
7.  6\. adım: Arap rakamları dahil kişisel veriler nasıl maskelenir?
8.  7\. adım: her çağrı bir LLM ile nasıl özetlenir?
9.  Analitikten önce hangi kalite kontrolleri gelir?
10.  Çağrı transkripsiyonunun maliyeti ne?
11.  BroadNet Inference’ın yeri

_[image: A support agent with a headset beside a screen showing a call transcript, with the text "Every call becomes insight."]_

Illustration of an app you could build; not a BroadNet product screenshot.

Bir çağrı merkezi ayda binlerce saat ses üretir ve bunun neredeyse hiçbiri okunmaz. Transkriptler çağrıları aranabilir, özetler ise incelenebilir kılar. Bu yazı hattı uçtan uca, Arapça açısından kuruyor: lehçeler, karışık Arapça ve İngilizce ve Doğu Arap rakamları.

Adımlar:

1.  Kaydı inceleyin: stereo mu, mono mu?
2.  Stereoyu temsilci ve müşteri kanallarına ayırın.
3.  Her kanalı konuşma turlarına kesin.
4.  Her turu doğru dille metne çevirin.
5.  Turları başlangıç zamanına göre bir diyalogda birleştirin.
6.  Metindeki kişisel verileri (PII) maskeleyin.
7.  Bir LLM ile yapılandırılmış alanlara özetleyin.

## 1\. adım: kayıt stereo mu, mono mu?

```bash
ffprobe -v error -show_entries stream=channels,sample_rate,duration -of csv=p=0 call.wav
# 2,8000,412.6   -> stereo, 8 kHz telephone audio, 6.9 minutes
```

Birçok çağrı merkezi kayıt sistemi temsilciyi bir kanalda, müşteriyi diğerinde saklar. [AssemblyAI’nin iletişim merkezi rehberi](https://www.assemblyai.com/docs/contact-center-best-practices) de aynı noktaya değiniyor: ayrı kanallarla konuşmacı ayrımı yapmadan konuşmacıları ayırmış olursunuz. Birkaç çağrıda hangi tarafın hangisi olduğunu kontrol edin; temsilci her zaman sol kanalda değildir.

## 2\. adım: stereo kanallar ffmpeg ile nasıl ayrılır?

```bash
ffmpeg -i call.wav -af "pan=mono|c0=c0" -ar 16000 agent.wav
ffmpeg -i call.wav -af "pan=mono|c0=c1" -ar 16000 customer.wav
```

`pan` filtresi tek bir kanalı tutar, `-ar 16000` ise sesi 16 kHz’e yeniden örnekler; BroadNet’in belgeleri telefon kayıtları için bu formatı kullanıyor.

## 3\. adım: her kanal konuşma turlarına nasıl kesilir?

Bu, [ses etkinliği algılamanın (VAD)](https://broadrouter.com/tr/glossary/vad/) basit bir biçimi. Her kanalı tam olarak göndermek çalışır, ama karşı taraf konuşurken geçen her saniyelik sessizlik için ödersiniz; bu da stereo bir çağrıda faturayı kabaca ikiye katlar. Tur sırası da kaybolur. Sessizliklerden kesmek ikisini birden çözer:

```python
import re, subprocess

def speech_turns(wav, noise="-35dB", min_silence=0.6):
    """Return (start, end) seconds of speech, using ffmpeg silencedetect."""
    log = subprocess.run(
        ["ffmpeg", "-i", wav, "-af", f"silencedetect=noise={noise}:d={min_silence}", "-f", "null", "-"],
        capture_output=True, text=True).stderr
    dur = float(subprocess.run(
        ["ffprobe", "-v", "error", "-show_entries", "format=duration", "-of", "csv=p=0", wav],
        capture_output=True, text=True).stdout)
    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)]
    turns, cursor = [], 0.0
    for s, e in zip(starts, ends + [dur]):
        if s - cursor > 0.4:
            turns.append((cursor, s))
        cursor = e
    if dur - cursor > 0.4:
        turns.append((cursor, dur))
    return turns
```

`noise` değerini kendi kayıtlarınızda ayarlayın: gürültülü hatlar `-30dB` gibi daha yüksek bir eşik ister.

## 4\. adım: her tur nasıl metne çevrilir?

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

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

def transcribe_turns(wav, speaker, language="ar"):
    out = []
    for start, end in speech_turns(wav):
        with tempfile.NamedTemporaryFile(suffix=".wav") as seg:
            subprocess.run(["ffmpeg", "-y", "-loglevel", "error", "-i", wav,
                            "-ss", f"{start:.2f}", "-to", f"{end:.2f}", seg.name], check=True)
            with open(seg.name, "rb") as audio:
                text = client.audio.transcriptions.create(
                    model="broadnet/cohere-transcribe-arabic", file=audio, language=language).text
        out.append({"start": start, "speaker": speaker, "text": text.strip()})
    return out
```

`language` parametresini her zaman gönderin. Gönderilmezse Arapça Latin harfleriyle dönebilir. İngilizce kuyruklar için `language="en"` ile `broadnet/cohere-transcribe` kullanın. İşçi havuzunu küçük tutun: kullandıkça öde anahtarları aynı anda 4 isteğe ve dakikada 30 isteğe izin verir; 429 aldığınızda nasıl geri çekileceğinizi [hatalar ve yeniden denemeler rehberi](https://broadrouter.com/tr/guides/errors-and-retries/) gösteriyor.

Tek dosyalar 25 MiB’in altında kalmalı. 16 kHz mono WAV formatında (saniyede yaklaşık 32 KB) uzun bir monolog bu sınırı yaklaşık 13 dakikada aşar; `-f segment -segment_time 600` ile bölün.

## 5\. adım: turlar bir diyalogda nasıl birleştirilir?

```python
turns = transcribe_turns("agent.wav", "Agent") + transcribe_turns("customer.wav", "Customer")
dialogue = "\n".join(f'{t["speaker"]}: {t["text"]}' for t in sorted(turns, key=lambda t: t["start"]))
```

Üst üste binen konuşma, başlangıç zamanları birbirine yakın iki tur olarak görünür; bir insan inceleyicinin beklediği de budur.

## Mono kayıtlar ne olacak?

Kanal yoksa **[konuşmacı ayrımı (diarization)](https://broadrouter.com/tr/glossary/diarization/)** gerekir: kimin ne zaman konuştuğuna karar vermek. Seçenekler:

| Seçenek | Nasıl | Ödünleşim |
| --- | --- | --- |
| Açık kaynaklı konuşmacı ayrımı | Kendi sunucularınızda [pyannote.audio](https://github.com/pyannote/pyannote-audio) çalıştırın, sonra her konuşmacı parçasını metne çevirin | Bir modeli siz barındırırsınız; ses sizde kalır |
| Yerleşik konuşmacı ayrımı sunan bir sağlayıcı | Birçok STT API’si konuşmacı etiketi döndürür; ek ücretler için [fiyat karşılaştırmasına](https://broadrouter.com/tr/blog/speech-to-text-api-pricing-compared/) bakın | Veri yolunda bir tedarikçi daha |
| LLM ile rol etiketleme | Turları metne çevirin, sonra bir LLM’den her turu bağlama göre Temsilci veya Müşteri diye etiketlemesini isteyin | Ucuz; kısa veya belirsiz turlarda yanılır |
| Sorunu kaynağında çözün | Kayıt sistemini çift kanala geçirin | Uzun vadede en iyi yanıt |

BroadNet konuşmacı ayrımı listelemiyor; mono seste onu ilk üç seçenekten biriyle birlikte kullanın.

## 6\. adım: Arap rakamları dahil kişisel veriler nasıl maskelenir?

Arayanlar kart numaralarını, IBAN’ları ve telefon numaralarını sesli okur. Transkriptler bunları Batı rakamlarıyla (0-9) veya Doğu Arap rakamlarıyla (٠-٩) yazabilir. Önce normalleştirin, sonra maskeleyin:

```python
EASTERN = str.maketrans("٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹", "01234567890123456789")

def redact(text):
    text = text.translate(EASTERN)
    text = re.sub(r"\b(?:\d[ -]?){13,19}\b", "[CARD]", text)
    text = re.sub(r"\b[A-Z]{2}\d{2}[A-Z0-9]{11,30}\b", "[IBAN]", text)
    text = re.sub(r"\+?\d[\d -]{7,}\d", "[PHONE]", text)
    return text
```

Sayılar kelimeyle de söylenebilir (“خمسة أربعة…”); düzenli ifadeler bunları kaçırır. Transkriptlerden elle örnek alın ve bulduklarınız için kural ekleyin. Daha geniş yaklaşım [hassas verileri bir LLM API’sine gönderme](https://broadrouter.com/tr/blog/llm-api-sensitive-data/) yazısında.

## 7\. adım: her çağrı bir LLM ile nasıl özetlenir?

```python
import json
summary = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    response_format={"type": "json_object"},
    messages=[
        {"role": "system", "content": "Summarise this call centre dialogue. Reply in English JSON with keys: "
                                      "reason, resolution, resolved (true/false), customer_sentiment, follow_up."},
        {"role": "user", "content": redact(dialogue)},
    ],
).choices[0].message.content
print(json.loads(summary))
```

Qwen3.8 27B [yapılandırılmış çıktıyı](https://broadrouter.com/tr/glossary/structured-output/) destekler; yanıtı her zaman ayrıştırıp doğrulayın ([nasıl](https://broadrouter.com/tr/blog/structured-output-json-schema/)). BroadNet’in kendi testi, modelin Körfez ve Mısır lehçelerini de anladığını buldu. Panolarınız İngilizceyse çağrı Arapça olsa bile İngilizce JSON isteyin.

## Analitikten önce hangi kalite kontrolleri gelir?

Kötü transkriptler üzerine kurulan panolar, iyi transkriptler üzerine kurulanlar kadar kendinden emin görünür. İşlem hattına şu kontrolleri ekleyin:

-   **Kanal karışması.** Bir kayıt sisteminde veya kuyrukta temsilci ve müşteri etiketleri ters çevrilmişse “temsilci şunu söyledi” türündeki her metrik yanlıştır. İlk tura bakın: temsilciler genellikle bir selamlama ve şirket adıyla açar.
-   **Boş veya çok kısa transkriptler.** Metin döndürmeyen bir tur ya da 20 kelimenin altında bir çağrı genellikle sessizlik, bekleme müziği veya bozuk bir dosya demektir. Bunu özetlemek yerine işaretleyin.
-   **Dil uyuşmazlığı.** Birden Arapça metin üreten bir İngilizce kuyruk ya da Latin harfleriyle dönen Arapça, yanlış bir `language` değerine işaret eder.
-   **Özet kayması.** Her hafta bir süpervizöre 20 özeti tam transkriptle karşılaştırtın. `resolved` alanının ne sıklıkla yanlış olduğunu izleyin.

Yalnızca özeti değil, tur bazındaki transkriptleri de saklayın. Bir özete itiraz edildiğinde kanıtınız turlardır.

## Çağrı transkripsiyonunun maliyeti ne?

Tur kesmeyle faturalanan ses, konuşma süresine yakındır. 1.000 saatlik Arapça konuşma için:

-   Transkripsiyon: [BroadNet Transcribe Arabic](https://broadrouter.com/tr/models/cohere-transcribe-arabic/) üzerinde dakikası $0.0042 fiyatla $252.00; İngilizce kuyruklar için 14 dilli [BroadNet Transcribe](https://broadrouter.com/tr/models/cohere-transcribe/) ile $120.00.
-   Özetler: 7 dakikalık bir çağrı çoğu zaman birkaç bin token eder. Gerçek transkript uzunluklarınızla [LLM API maliyet hesaplayıcısında](https://broadrouter.com/tools/llm-api-cost-calculator/), ses tarafını da [konuşmadan metne maliyet hesaplayıcısında](https://broadrouter.com/tools/speech-to-text-cost-calculator/) fiyatlandırın.

## BroadNet Inference’ın yeri

BroadNet, 4. ve 7. adımları tek bir anahtar ve tek bir [temel URL](https://broadrouter.com/tr/glossary/base-url/) ile karşılar: transkripsiyon için Arapça ve 13 dil daha, özet için de Arapçada test edilmiş sohbet modelleri. Ses, transkript ve istemler saklanmaz ([sıfır veri saklama](https://broadrouter.com/tr/privacy/)); BroadNet ayrıca Arapça modelinin Open Universal Arabic ASR Leaderboard’da 37 model arasında 2. (Eylül 2026 verisi; canlı sıralamada 15 Kasım 2026 itibarıyla 39 model arasında 4.) olduğunu bildiriyor.

Konuşmacı ayrımını, gerçek zamanlı transkripsiyonu veya maskelemeyi sizin yerinize yapmaz; bunlar sizin hattınızda kalır. Karar vermeden önce lehçelerinizi [Arapça lehçe konuşma tanıma](https://broadrouter.com/tr/blog/arabic-dialect-speech-recognition/) yazısındaki yöntemle test edin.

Bu konu için ücretsiz araçlar (İngilizce)

-   [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.

[Ücretsiz araçlar (İngilizce)](https://broadrouter.com/tools/)

## Bu yazıdaki terimler

[Konuşmadan metne (speech-to-text)](https://broadrouter.com/tr/glossary/speech-to-text/)

Konuşmadan metne (speech-to-text), otomatik konuşma tanıma (ASR) olarak da bilinir; konuşulan sesi yazılı metne dönüştüren teknolojidir. Bir konuşmadan metne API'si ses dosyası veya akışı alıp transkript döndürür ve genellikle ses dakikası başına fiyatlandırılır. Doğruluk kelime hata oranıyla ölçülür; aksana, lehçeye ve kayıt kalitesine göre değişir.

[Konuşmacı ayrımı (speaker diarization)](https://broadrouter.com/tr/glossary/diarization/)

Konuşmacı ayrımı (speaker diarization), bir ses kaydını konuşmacılara göre bölümlere ayırma ve "kim ne zaman konuştu" sorusunu yanıtlama görevidir. Her konuşma bölümünü SPEAKER\_00 gibi anonim bir konuşmacı kimliğiyle etiketler ve genellikle her satırı kimin söylediğini göstermek için transkriptle birleştirilir.

[Kullandıkça öde (pay-as-you-go)](https://broadrouter.com/tr/glossary/pay-as-you-go/)

Kullandıkça öde, abonelik veya asgari taahhüt olmadan yalnızca kullandığınız kadar ödediğiniz, token, istek veya ses dakikası gibi birimler üzerinden ölçülen bir fiyatlandırma modelidir. LLM API'lerinin çoğu bu şekilde, ön ödemeli bir bakiyeden veya dönemsel faturayla ücretlendirir.

[Araç çağırma (tool calling)](https://broadrouter.com/tr/glossary/tool-calling/)

Araç çağırma (tool calling), fonksiyon çağırma (function calling) olarak da bilinir; modelin, geliştiricinin tanımladığı bir fonksiyonu çalıştırmak için JSON argümanlı yapılandırılmış bir istek döndürdüğü bir LLM API özelliğidir. Fonksiyonu uygulama çalıştırır ve sonucu geri gönderir; model hiçbir zaman kodu kendisi çalıştırmaz.

[Eşzamanlılık (concurrency)](https://broadrouter.com/tr/glossary/concurrency/)

Eşzamanlılık (concurrency), bir istemcinin aynı anda işlemde olan istek sayısıdır. LLM API'leri bunu genellikle dakikadaki istek sayısından ayrı olarak anahtar veya plan başına sınırlar, çünkü açık her istek yanıtı bitene kadar GPU kapasitesi tutar.

[Ses etkinliği algılama (VAD)](https://broadrouter.com/tr/glossary/vad/)

Ses etkinliği algılama (voice activity detection, VAD), sesin kısa karelerini konuşma veya konuşma dışı olarak sınıflandıran bir sinyal işleme adımıdır. Konuşma sistemleri bunu sessizliği atlamak, uzun kayıtları duraklamalardan bölmek, konuşmacının sözünü bitirdiğini anlamak ve arka plan gürültüsünü yazıya dökmemek için kullanır.

[Arapça lehçeler (dialectal Arabic)](https://broadrouter.com/tr/glossary/dialectal-arabic/)

Arapça lehçeler (dialectal Arabic), Mısır, Körfez, Levant veya Mağrip Arapçası gibi bir bölgenin ya da şehrin gündelik konuşulan Arapçasıdır. Lehçeler Modern Standart Arapçadan ses, kelime ve dilbilgisi bakımından ayrılır, standart bir yazımları yoktur ve internette giderek daha çok yazılırlar; bu da onları dil modelleri için zorlaştırır.

[Base URL (temel URL)](https://broadrouter.com/tr/glossary/base-url/)

Base URL (temel URL), https://api.example.com/v1 gibi, bir istemcinin /chat/completions gibi her uç nokta yolunun önüne eklediği sabit kök adrestir. OpenAI uyumlu SDK'larda base URL, API anahtarı ve model kimliğiyle birlikte değiştirildiğinde aynı kod farklı bir sağlayıcıya yönelir.

## Sık sorulan sorular

### Bir çağrı kaydında temsilciyi ve müşteriyi nasıl ayırırım?

Kayıt stereoysa temsilci ve müşteri genellikle farklı kanallardadır. Bunları ffmpeg ile ayırın ve her kanalı kendi başına metne çevirin. Kayıt monoysa konuşmacı ayrımı (diarization) gerekir.

### İki stereo kanalı da metne çevirince iki kez mi ödüyorum?

Her kanalı tam olarak gönderirseniz evet, çünkü her kanal çağrı kadar uzundur. Her kanalı konuşma turlarına bölüp yalnızca turları göndermek, faturalanan sesi gerçek konuşma süresine yaklaştırır.

### İçinde İngilizce kelimeler geçen Arapça çağrıları metne çevirebilir miyim?

Evet, ama test edin. Körfez ve Levant bölgesindeki temsilciler ürün adları ve sayılar için sık sık İngilizceye geçer. Anahtar kelime aramasına veya analitiğe güvenmeden önce bu kelimelerin 20 gerçek çağrıda nasıl çıktığını kontrol edin.

### Sesi mi maskelemeliyim, metni mi?

Metin transkriptini bir LLM'e, analitiğe veya aramaya gitmeden önce maskeleyin. Sesi saklıyorsanız o da söylenen numaraları içerir; bu yüzden ses erişimini de kısıtlayın ve süresini sınırlayın.

### Her ses dosyası en fazla ne kadar uzun olabilir?

BroadNet istek başına 26.214.400 bayta (25 MiB) kadar WAV veya MP3 kabul eder. 16 kHz mono WAV saniyede yaklaşık 32 KB'tır; bu yüzden parçaları yaklaşık 13 dakikanın altında tutun ya da MP3 kullanın.

## Okumaya devam edin

-   [Kayıtlardan Arapça toplantı tutanağı: bir API hattı](https://broadrouter.com/tr/blog/arabic-meeting-minutes-from-recordings/)
-   [25 MB üstü uzun sesi metne çevirme: bölün, gönderin, birleştirin](https://broadrouter.com/tr/blog/transcribe-long-audio-files-api/)
-   [Arapça ses metne çevirme API: 2026'da nasıl seçilir?](https://broadrouter.com/tr/blog/arabic-speech-to-text-api-buyers-guide/)
-   [LLM API'ye hassas veri göndermek: maskeleyin, azaltın, az kaydedin](https://broadrouter.com/tr/blog/llm-api-sensitive-data/)
-   [Arapça lehçelerde konuşma tanıma: Körfez, Mısır, Levant, Mağrip](https://broadrouter.com/tr/blog/arabic-dialect-speech-recognition/)
-   [Konuşmadan metne API fiyatları: 2026 dakika başına karşılaştırma](https://broadrouter.com/tr/blog/speech-to-text-api-pricing-compared/)
-   [LLM ile Arapça metne hareke ekleme: istem, kontrol, DER](https://broadrouter.com/tr/blog/arabic-diacritization-llm/)
-   [LLM ile Arapça dil bilgisi ve yazım düzeltme: adım adım](https://broadrouter.com/tr/blog/arabic-grammar-spelling-correction-llm/)
-   [Rehber: Adım adım Arapça ses metne çevirme API'si](https://broadrouter.com/tr/guides/arabic-speech-to-text-api/)
-   [Rehber: BroadNet Inference hata kodları ve ne zaman yeniden denenmeli](https://broadrouter.com/tr/guides/errors-and-retries/)

Gerçek iş yükünüzle deneyin. Yeni hesaplar şunlar için US$5 kredi ile başlar: Gemma ve transkripsiyon. Bakiye yüklemesi gerekenler: DeepSeek, GLM ve Qwen3.8.

[Başlayın](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-blog-transcribe-call-center-recordings&utm_content=page-cta) ·

**Kaynaklar**

-   [FFmpeg filtre belgeleri (pan, silencedetect)](https://ffmpeg.org/ffmpeg-filters.html)
-   [AssemblyAI, iletişim merkezi en iyi uygulamaları (çok kanallı ses)](https://www.assemblyai.com/docs/contact-center-best-practices)
-   [pyannote.audio, açık kaynaklı konuşmacı ayrımı](https://github.com/pyannote/pyannote-audio)
-   [BroadNet Inference API başvurusu, transkripsiyon ve limitler (İngilizce)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-blog-transcribe-call-center-recordings&utm_content=sources)
-   [BroadNet Inference makine tarafından okunabilir fiyatlar (pricing.json) (İngilizce)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-blog-transcribe-call-center-recordings&utm_content=sources)
