BroadRouter

Arapça sesi API ile İngilizce metne çevirme: test edilmiş bir hat

BroadNet Inference ekibi · 8 dk okuma · Yayımlandı · Güncellendi

İki adım çalıştırın. Arapça sesi language değeri ar olacak şekilde bir konuşmadan metne API'siyle yazıya dökün, sonra transkripti adları ve sayıları korumasını söylediğiniz bir LLM ile çevirin. Uzun dosyaları önce bölün, sayıları kodda denetleyin ve transkripsiyon adımının kaliteden ne götürdüğünü görmek için küçük bir örneklemi chrF ile puanlayın.

“Arapça sesi İngilizceye çevirme” aramasında üst sıralarda çıkan sayfaların çoğu yükle-indir türü web araçları. Tek bir dosya için yeterliler. Çeviriye kendi ürününüzün içinde (destek çağrıları, röportajlar, sesli mesajlar, dersler) ihtiyacınız varsa, iki API çağrısına ve etraflarında bazı denetimlere ihtiyacınız var. Bu yazı o hattı tek bir OpenAI uyumlu anahtar üzerinde kuruyor, test ediyor ve yeterince iyi olup olmadığını nasıl ölçeceğinizi gösteriyor.

Elinizde zaten olan Arapça metni çevirmek için LLM’lerle Arapça–İngilizce çeviri yazısına bakın. Bir toplantı kaydını tam çeviri yerine tutanağa dönüştürmek için kayıtlardan Arapça toplantı tutanağı yazısına bakın.

Tek çağrı mı, iki çağrı mı?

Arapça konuşmadan İngilizce metin almanın iki yolu var:

Yaklaşım Nasıl çalışır Neye uygun
Konuşma çevirisi (tek adım) Tek istek; servis İngilizce döndürür Canlı ses, altyazılar, en basit kod
Yazıya dök, sonra çevir (iki adım) Bir konuşmadan metne çağrısı Arapça metin döndürür; bir LLM onu çevirir Dosyalar, Arapçayı da istediğinizde, sözlükler ve denetimler

Dosyalar için en bilinen tek adımlı uç nokta değişiyor. OpenAI’nin konuşmadan metne rehberi /v1/audio/translations için “uses whisper-1 to translate a completed audio recording into English” (BroadRouter çevirisi: tamamlanmış bir ses kaydını İngilizceye çevirmek için whisper-1 kullanır) diyor. 2026-11-15’te kontrol edilen kullanımdan kaldırmalar sayfası, duyuru tarihi olarak 26 Ağustos 2026’yı, kapanış tarihi olarak 26 Şubat 2027’yi veriyor. Listelenen alternatif /v1/realtime/translations; bu bir dosya yükleme değil, gerçek zamanlı bir API. Kodunuz eski uç noktayı çağırıyorsa, her iki durumda da onu yeniden kuracaksınız.

Soniox, güncel tek adımlı seçeneklerden biri: Arapçadan İngilizceye sayfası, kaynağı ar, hedefi en olarak ayarlanmış bir çeviri bloğu içeren bir WebSocket isteği gösteriyor. Bunun gibi akışlı bir ürünün en anlamlı olduğu yer canlı ses.

İki adımlı hattın dosyalar için üç pratik avantajı var:

  1. Arapça transkripti tutarsınız. Onda arama yapabilir, İngilizcenin yanında gösterebilir ve transkripsiyon için yeniden ödemeden daha sonra daha iyi bir modelle yeniden çevirebilirsiniz.
  2. Çeviriyi siz kontrol edersiniz. Modeli seçer, ona adlar ve ürün terimlerinden oluşan bir sözlük verir ve çıktısını kodda denetlersiniz.
  3. Hataların nereden geldiğini görebilirsiniz. Yanlış bir İngilizce cümle ya bir tanıma hatasıdır ya da bir çeviri hatası. Transkript elinizdeyse hangisi olduğunu anlayabilirsiniz.

Bedeli ikinci bir istek ve daha fazla kod. Yazının geri kalanı o kod.

Hat nasıl görünüyor?

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

1. adım: Sesi nasıl hazırlar ve bölersiniz?

BroadNet’in transkripsiyon uç noktası dosya başına 26.214.400 bayta kadar WAV (audio/wav) ya da MP3 (audio/mpeg) alır. Telefon kayıtları (.m4a), WhatsApp sesli mesajları (.ogg) ve videonun zaten dönüştürülmesi gerekiyor; bu yüzden örnekleme hızını değiştirmeyi ve bölmeyi aynı ffmpeg adımında yapın:

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

16 kHz mono 16 bit ses saniyede 32.000 bayttır; bu yüzden 10 dakikalık bir parça yaklaşık 19,2 MB eder ve sınırın altında kalır. Bunu 25 dakikalık bir test dosyasında çalıştırdık: 19.200.162 ve 19.200.194 baytlık iki parça ve 9.599.878 baytlık 5 dakikalık bir parça üretti.

Sabit uzunluklu kesimler bir kelimeyi bölebilir. Gerçek konuşma için bunun yerine sessizliklerden kesin; uzun ses dosyalarını yazıya dökme yazısında sessizliğe dayalı bir bölücü var, ses bölme aracı da ffmpeg komutunu sizin için yazıyor. Örnekleme hızı ve konuşma için 16 kHz’in neden yeterli olduğu sözlükte anlatılıyor.

2. ve 3. adımlar: Nasıl yazıya döker ve çevirirsiniz?

Aşağıdaki betik her parçayı Arapça transkripsiyon modeline, sonra bir çeviri istemiyle bir sohbet modeline gönderir. OpenAI Python SDK ile çalışır.

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:]

Her parçanın ne işe yaradığı:

  • language="ar". BroadNet’in belgeleri, bir transkripsiyon isteğiyle her zaman language göndermenizi söylüyor. Arapça konuşmadan metne rehberi isteği ayrıntılı olarak ele alıyor.
  • İstem metnin nereden geldiğini söylüyor. Bir transkriptte noktalama yoktur, lehçeyle olabilir ve tanıma hataları içerebilir. Bunu modele söylemek, tuhaf ifadeleri kasıtlı sanmasını önler; [unclear] işareti de inceleyenlere arayabilecekleri bir şey verir.
  • İngilizce kelimeleri koruyun. Arapça konuşanlar cümlenin ortasında sık sık İngilizceye geçer (“الـ deadline”, “فريق الـ QA”). Bu code-switching’dir ve model bu kelimeleri ileri geri çevirmeden olduğu gibi bırakmalıdır.
  • Parça başına sözlük. Yalnızca parçada geçen sözlük girdileri gönderilir; bu istemleri kısa tutar. Eşleşme birebirdir; bu yüzden transkriptlerinizin yazımı değişiyorsa (أ ile ا, ة ile ه) önce iki tarafı da normalleştirin; Arapça metin normalleştirici olağan kuralları gösteriyor.
  • Bağlam olarak önceki parça. Önceki Arapça parçanın son 500 karakteri, zamirlere ve parça sınırında kesilen cümlelere yardımcı olur. İstem onu çevirmemesini söylüyor, bu yüzden iki kez görünmez.
  • max_tokens=4000 ve reasoning_effort="low". BroadNet’in belgelerine göre DeepSeek V4.1 Flash, GLM 5.3 ve Qwen3.8 27B yanıt vermeden önce akıl yürütür ve bu akıl yürütme max_tokens sınırına sayılır. Küçük bir sınır boş bir yanıt döndürebilir; bkz. akıl yürütme token’ları ve boş yanıtlar. Kod, yarım bir çeviriyi kaydetmek yerine boş ya da kesilmiş bir yanıtta hata verir.
  • Sayı denetimi. Yanlış bir çevirinin en çok zarar verdiği yer sayılardır. Denetim Arap-Hint rakamlarını (٠-٩) ve Fars rakamlarını (۰-۹) 0-9’a eşler ve her sayının İngilizcede geçtiğini doğrular. Kelimeyle söylenen sayılar (“خمسة عشر”) yakalanmaz; bu yüzden önemli olan her şeyi yine bir inceleyici okur.

Test ne gösterdi?

Betiği iki uç noktayı da uygulayan yerel bir sahte sunucuya karşı çalıştırdık (canlı API çağrısı yok). 25 dakikalık test dosyasından çıkan üç parça model=broadnet/cohere-transcribe-arabic ve language=ar ile gönderildi; her sohbet isteği o parçanın sözlük satırlarını ve bağlam olarak önceki Arapça parçayı taşıyordu. Sahte sunucunun üçüncü çevirisi bilerek bir sayıyı düşürdü ve betik şunu yazdırdı:

--- 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

Arapça cümleler ve şirket test için uyduruldu. Çalıştırma kodun çalıştığını gösteriyor, herhangi bir modelin çevirisinin ne kadar iyi olduğunu değil; bunun için aşağıdaki puanlama adımını kullanın.

Tanıma hataları çeviriyi nasıl etkiler?

Doğrudan geçerler. Konuşmacı ٢٤٠ dediği hâlde transkript ٢١٤ diyorsa, çeviri sadakatle 214 der. Bir lehçe kelimesi kulağa benzeyen standart bir kelime olarak yanlış duyulursa, çeviri akıcı ve yanlış olur. Akıcı İngilizce bu hataları fark etmeyi zorlaştırır; her konuşma çevirisi sisteminin başlıca riski budur.

Hatanın ne kadarının hangi adımdan geldiğini ölçebilirsiniz. 30 ya da daha fazla klip toplayın ve her biri için şunları edinin:

  1. insan tarafından yazılmış bir Arapça transkript,
  2. insan tarafından yapılmış bir İngilizce çeviri (referans).

Sonra hem insan transkriptini hem ASR transkriptini hattınızla çevirin ve ikisini de referansa karşı puanlayın. Karakter n-gram puanı olan chrF, adlar ve kelime biçimleriyle BLEU’dan daha iyi başa çıkar ve Arapça–İngilizce için olağan varsayılandır; SacreBLEU ikisini de hesaplar:

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}")

Bu iki oyuncak cümlede (SacreBLEU 2.6.0), insan transkripti yolu için chrF 94,6 ve BLEU 89,2, tam hat için chrF 87,1 ve BLEU 71,7 yazdırdı. İki oyuncak cümle bir model hakkında hiçbir şey kanıtlamaz. Kendi kliplerinizde büyük bir fark, tanımayı iyileştirmeniz gerektiği anlamına gelir: daha iyi ses, Arapça lehçe konuşma tanıma yazısındaki gibi bir lehçe test seti ya da başka bir sağlayıcı. Genel olarak düşük puanlarla küçük bir fark, çeviri adımının çalışma gerektirdiği anlamına gelir: daha iyi bir istem, bir sözlük ya da farklı bir model. Transkripsiyon adımını tek başına puanlamak için kelime hata oranını kullanın.

Otomatik puanlar sistemleri sıralar; bir çeviriyi onaylamaz. İki dilli bir inceleyiciye bir örneklemi, özellikle sayıları, adları ve olumsuzlukları okutun.

Hangi modelleri kullanmalısınız?

Adım BroadNet modeli Fiyat Notlar
Yazıya dökme BroadNet Transcribe Arabic Dakikası $0.0042 (saati $0.25) Yalnızca Arapça; $5 başlangıç kredisiyle kullanılabilir
Çeviri Qwen3.8 27B 1M token başına girdi $0.175, çıktı $2.17 Akıl yürüten model; 262.144 token bağlam; bakiye yüklemesi gerekir
Çeviri Gemma 4 VL 26B 1M token başına girdi $0.10, çıktı $0.22 Başlangıç kredisiyle kullanılabilir; 32.768 token bağlam, 10 dakikalık bir parça için genellikle yeterli; token sayacında bir örneği kontrol edin. BroadNet’in yalnızca akıl yürüten modelleri için belgelediği reasoning_effort parametresini kaldırın
Çeviri DeepSeek V4.1 Flash 1M token başına girdi $0.175, çıktı $0.52 ya da sabit ücretli oturum Akıl yürüten model; iş ortağı tarafından barındırılıyor; bakiye yüklemesi ya da plan gerekir

Puanlama betiğini aynı kliplerde her çeviri modeliyle çalıştırın ve bizim tablomuza göre değil, puanlara ve inceleyicinin notlarına göre seçin. Arapça için LLM seçimi daha geniş ödünleşimleri ele alıyor.

Bir saatlik sesin maliyeti ne?

İki kısmı var:

  • Transkripsiyon ses dakikası başınadır: BroadNet Transcribe Arabic’te saati $0.25.
  • Çeviri token başınadır: prompt_tokens × input price + completion_tokens × output price, bölü 1.000.000. İstem; sistem istemini, sözlük satırlarını, önceki parça bağlamını ve transkripti içerir. Tamamlama ise İngilizceyi ve akıl yürüten modellerde akıl yürütme token’larını içerir.

Saat başına tek bir çeviri rakamı yayımlamıyoruz, çünkü bu insanların ne kadar hızlı konuştuğuna, lehçeye ve modelin ne kadar akıl yürüttüğüne bağlı. Ölçün: tipik bir saati çalıştırın, yanıtlardaki usage.prompt_tokens ve usage.completion_tokens değerlerini toplayın ve LLM API maliyet hesaplayıcısına girin. Elinizde ses yokken örnek bir transkripti Arapça token sayacına yapıştırabilirsiniz; Arapça ve İngilizcede kelime başına token yazısının gösterdiği gibi, Arapça genellikle kelime başına İngilizceden fazla token alır. Konuşmadan metne maliyet hesaplayıcısı ses tarafını fiyatlandırır.

Büyük bir birikmiş iş için sabit ücretli bir DeepSeek V4.1 Flash oturumu, çeviri adımındaki token sayacını ortadan kaldırır: oturum başına saatlik $1, haftalık $15 ya da aylık $60. Bir oturum aynı anda bir istek çalıştırır; bu yüzden paralel işçiler daha fazla oturum gerektirir. Transkripsiyon yine dakika başına faturalanır.

Bu hat ne zaman yanlış seçimdir?

  • Canlı ses. Çağrılar, canlı altyazılar ve sesli ajanlar saniyeler içinde akışlı sonuç gerektirir. Akışlı bir konuşma çevirisi API’si ya da gerçek zamanlı bir uç nokta, dosya yüklemekten daha uygundur.
  • Altyazılar. BroadNet’in transkripsiyon yanıtı yalnızca metindir, zaman damgası içermez. Yalnızca metin döndüren bir API’den Arapça altyazı yazısı parça ofsetleriyle ne kadar ilerleyebileceğinizi gösteriyor; kelime düzeyinde zamanlama için zaman damgası döndüren bir sağlayıcı kullanın.
  • BroadNet’in yazıya dökmediği diller. Arapça model Arapçayı işler. Diğer kaynak diller için önce çok dilli modelin 14 dillik listesine bakın.
  • Hukuki ya da tıbbi kayıtlar. Taslak için hattı, resmî kayıt için bir insan çevirmeni kullanın.

BroadNet Inference nereye oturuyor?

BroadRouter, BroadNet’in kendi sitesidir. BroadNet Inference bu hattın iki adımını da tek bir OpenAI uyumlu anahtarla sunar: /v1/audio/transcriptions üzerinde Arapça transkripsiyon ve /v1/chat/completions üzerinde çeviri. Tek adımlı bir konuşma çevirisi uç noktası ve akışlı transkripsiyonu yok; bu yüzden canlı ses için başka bir sağlayıcı kullanın. Gizlilik politikası, ses, transkript ve yanıtlar dahil çıkarım içeriğinin saklanmadığını; gerekli hesap, faturalandırma ve güvenlik meta verilerinin saklandığını söylüyor. Arapça transkripsiyon sayfasıyla ya da API başvurusuyla başlayın ve çıktıya güvenmeden önce kendi kayıtlarınızda test edin.

Sık sorulan sorular

Arapça sesi tek bir API çağrısıyla İngilizceye çevirebilir miyim?

Evet, konuşmadan metne isteğine bir çeviri ayarı ekleyen Soniox gibi bir konuşma çevirisi API'siyle. OpenAI'nin /v1/audio/translations uç noktası dosyalar için aynısını yapıyor, ama kullanımdan kaldırıldı ve kapanış tarihi 26 Şubat 2027 olarak listeleniyor. İki adımlı bir hat iki çağrı alır ve size Arapça transkripti de verir.

Doğrudan konuşma çevirisi mi, önce yazıya döküp sonra çevirmek mi daha iyi?

İkisini de kendi seslerinizde test edin. Önce yazıya döküp sonra çevirmek; çeviri modelini seçmenizi, sözlük eklemenizi, sayıları denetlemenizi ve Arapça metni tutmanızı sağlar. Tek adımlı bir API daha basittir ve canlı ses için genellikle daha iyidir. Seçmeden önce 30 ya da daha fazla klibi insan çevirilerine karşı chrF ile puanlayın.

Bu hat Mısır, Körfez ya da Levant Arapçasıyla başa çıkıyor mu?

Bunun çoğunu transkripsiyon adımı belirler; bu yüzden hizmet verdiğiniz lehçelerdeki kayıtları test edin. Sonra çeviri modeline transkriptin lehçe olabileceğini ve İngilizce kelimeler içerebileceğini söyleyin. Bir konuşma modelinin nadiren gördüğü lehçe kelimeleri başlıca hata kaynağıdır.

25 MB'tan büyük bir Arapça ses dosyasını nasıl çeviririm?

ffmpeg ile 16 kHz mono WAV'a dönüştürüp 10 dakika ya da daha kısa parçalara bölün; her parça yaklaşık 19,2 MB olur. Her parçayı yazıya dökün, sonra parçaları sırayla çevirin ve önceki parçanın sonunu bağlam olarak verin.

Bu yolla zaman damgalı İngilizce altyazı alabilir miyim?

BroadNet'ten doğrudan alamazsınız: transkripsiyon yanıtı yalnızca metindir, zaman damgası içermez. Arapça altyazılar yazımızdaki gibi altyazıları parça ofsetlerinden zamanlayabilir ya da kelime veya bölüm zaman damgası döndüren bir sağlayıcı kullanabilirsiniz.

Markdown olarak okuChatGPT asistanına sorClaude asistanına sorPerplexity asistanına sor