---
title: "عربی speech-to-text API: 2026 میں کیسے منتخب کریں | BroadRouter"
description: "عربی ٹرانسکرپشن API کیسے چنیں: word error rate، لہجے، فائل کی حدیں، فی آڈیو گھنٹہ قیمت اور پرائیویسی، ساتھ میں آپ کی ریکارڈنگز کے لیے ٹیسٹ پلان۔"
url: https://broadrouter.com/ur/blog/arabic-speech-to-text-api-buyers-guide/
lang: ur
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/blog/arabic-speech-to-text-api-buyers-guide/) (اپ ڈیٹ: 2026-11-15).

# عربی speech-to-text API: 2026 میں درست API کیسے منتخب کریں

BroadNet Inference ٹیم · 7 منٹ کی پڑھائی · شائع شدہ 2026-11-14 · اپ ڈیٹ 2026-11-15

عربی speech-to-text API اپنی ریکارڈنگز پر ٹیسٹ کر کے منتخب کریں: اپنے لہجوں پر word error rate ناپیں، پھر فی آڈیو گھنٹہ قیمت، فائل کی حدیں اور ڈیٹا retention کا موازنہ کریں۔ BroadNet Transcribe Arabic کی قیمت $0.25 فی آڈیو گھنٹہ ($0.0042 فی منٹ) ہے، اور Open Universal Arabic ASR Leaderboard نے 15 نومبر، 2026 کو اسے 39 میں سے #4 پر رکھا۔

## اہم نکات

-   آپ کی اپنی آڈیو پر word error rate (WER) کسی بھی leaderboard سے زیادہ اہم ہے۔ کم بہتر ہے۔
-   جدید معیاری عربی آسان صورت ہے۔ خلیجی، مصری، شامی اور مغربی (مغرب) لہجے الگ الگ ٹیسٹ کریں۔
-   اسکور کرنے سے پہلے عربی متن normalize کریں، ورنہ املا کی مختلف شکلیں غلطیوں میں گنی جائیں گی۔
-   BroadNet Transcribe Arabic کی قیمت $0.25 فی آڈیو گھنٹہ ہے؛ 1,000 گھنٹوں کی لاگت $252.00 ہے۔
-   ہمیشہ `language=ar` بھیجیں، ورنہ عربی لاطینی حروف میں transliterate ہو کر واپس آ سکتی ہے۔
-   مفت $5 کا ابتدائی کریڈٹ ٹیسٹنگ کے لیے تقریباً 1,190 منٹ کی عربی آڈیو کا احاطہ کرتا ہے۔

**اس صفحے پر**

1.  آپ کی اپنی آڈیو پر word error rate سب سے زیادہ اہم کیوں ہے؟
2.  لہجوں کی کوریج کیسے جانچیں؟
3.  عربی ٹرانسکرپشن کی فی آڈیو گھنٹہ لاگت کیا ہے؟
4.  عربی speech-to-text API میں کون سی خصوصیات ہونی چاہییں؟
5.  کون سی فائل حدیں اور فارمیٹس لاگو ہوتے ہیں؟
6.  کیا آڈیو محفوظ کی جاتی ہے؟
7.  ایک سہ پہر میں عربی ٹرانسکرپشن API کیسے ٹیسٹ کریں؟
8.  عام غلطیاں
9.  BroadNet Inference کہاں فِٹ ہوتا ہے

عربی [speech-to-text](https://broadrouter.com/ur/glossary/speech-to-text/) API منتخب کرنے کے لیے، ہر امیدوار سے ہر لہجے کے اپنے 30 سے 50 کلپس ٹرانسکرائب کریں، ہر لہجے کا word error rate ملائیں، پھر فی آڈیو گھنٹہ قیمت، فائل کی حدیں، streaming کی ضرورت اور ڈیٹا retention کو تولیں۔ جو ماڈل benchmark پر شاندار لگتا ہے، وہ آپ کے کال سینٹر کی آڈیو پر پھر بھی ناکام ہو سکتا ہے۔

Speech recognition کے لیے عربی مشکل ہے: ایک تحریری معیار کئی بولے جانے والے لہجوں کے اوپر بیٹھا ہے، بولنے والے جملے کے بیچ میں انگریزی پر چلے جاتے ہیں، اور زیادہ تر اصل آڈیو فون کالز اور وائس نوٹس ہوتی ہے۔

## آپ کی اپنی آڈیو پر word error rate سب سے زیادہ اہم کیوں ہے؟

[Word error rate (WER)](https://broadrouter.com/ur/glossary/word-error-rate/) ان الفاظ کا تناسب ہے جو ماڈل غلط کرتا ہے: بدلے ہوئے، چھوٹے ہوئے یا گھڑے ہوئے۔ کم بہتر ہے۔ عوامی اعداد صرف نقطۂ آغاز ہیں:

| Test set | یہ کیا ہے | BroadNet Transcribe Arabic | ElevenLabs Scribe v2 | Whisper large-v3 |
| --- | --- | --- | --- | --- |
| FLEURS-ar | صاف پڑھے گئے جملے | 3.8 | شائع نہیں | شائع نہیں |
| MASC-ar | حقیقی دنیا کی ملی جلی عربی گفتگو | 21.1 | 22.3 | 31.5 |
| BroadNet لہجوں والا set | خلیجی، مصری اور شامی گفتگو | 23.4 | 25.6 | 31.8 |

یہ BroadNet کی لیب پیمائشیں ہیں، جو اس کے [ماڈل کیٹلاگ](https://www.broadnet.ai/inference/models) اور اس کے [Transcribe Arabic صفحے](https://www.broadnet.ai/inference/models/cohere-transcribe-arabic) پر شائع ہیں۔ موازنہ BroadNet نے خود چلایا، اس لیے ElevenLabs اور Whisper والے کالمز کو ایک vendor کا اپنے حریفوں پر کیا گیا ٹیسٹ سمجھیں، آزاد نتیجہ نہیں۔ BroadNet یہ بھی بتاتا ہے کہ [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) پر ماڈل 37 میں سے #2 (یہ ستمبر 2026 کی پوزیشن ہے؛ 15 نومبر، 2026 کو لائیو لیڈر بورڈ پر یہ 39 میں سے #4 تھا) پر ہے، اور ان ماڈلز میں #1 جن کے لائسنس API کے ذریعے serve کرنے کی اجازت دیتے ہیں۔ 15 نومبر 2026 کو اس سے اوپر کی تین entries Jais-ASR، Sygma-ASR-Arabic (جسے board، Cohere ماڈل پر beam decoding بتاتا ہے) اور Audar-ASR-V1-Turbo تھیں؛ Whisper large-v3 #19 پر تھا۔ ہم نے ہر entry کا لائسنس نہیں جانچا۔

سائن اپ کرنے سے پہلے آپ ماڈل کو اپنی آواز پر سن سکتے ہیں: BroadNet کا [براؤزر playground](https://www.broadnet.ai/inference/playground) بغیر اکاؤنٹ کے 60 سیکنڈ تک کی عربی یا انگریزی آڈیو ٹرانسکرائب کرتا ہے۔ دیکھیں [playground کیسے استعمال کریں](https://broadrouter.com/ur/guides/try-broadnet-inference-playground/)۔

3.8 اور 23.4 کے درمیان فرق ہی سبق ہے: **ایک ہی ماڈل پڑھی گئی گفتگو پر تقریباً مکمل درست اور بول چال والے لہجے پر کافی کمزور ہو سکتا ہے۔** اپنی آڈیو پر ٹیسٹ کریں۔

عمومی طور پر vendor کے اعداد سے محتاط رہیں۔ شائع شدہ عربی WER کے بہت سے اعداد vendor کے اپنے ٹیسٹ سے آتے ہیں، ایسی آڈیو پر جسے آپ دیکھ نہیں سکتے۔ کوئی عدد تبھی قابلِ موازنہ ہے جب test set، normalization اور scoring ٹول ایک ہی ہوں۔

پوری تصویر کے لیے، ہمارا open [speech-to-text API price index](https://broadrouter.com/data/speech-to-text-api-prices/) 20 سے زیادہ پروڈکٹس کی batch اور streaming قیمتیں، billing increments اور عربی سپورٹ دکھاتا ہے، ہر ایک فراہم کنندہ کے اپنے قیمتوں والے صفحے سے جانچا ہوا (CSV اور JSON)۔

## لہجوں کی کوریج کیسے جانچیں؟

اپنی test فائلوں کو لہجے کے لحاظ سے بانٹیں: خلیجی، مصری، شامی، عراقی، مغربی (مغرب)، اور ساتھ میں [جدید معیاری عربی](https://broadrouter.com/ur/glossary/msa/)۔ ہر گروپ کو الگ اسکور کریں۔ اگر آپ کے زیادہ تر گاہک ریاض میں ہیں تو خلیجی WER کسی اوسط سے کہیں زیادہ اہم ہے۔

**[Code-switching](https://broadrouter.com/ur/glossary/code-switching/)** پر نظر رکھیں۔ خلیجی کاروباری گفتگو میں انگریزی پروڈکٹ نام اور نمبر ملے ہوتے ہیں۔ دیکھیں کہ نمبر، تاریخیں اور نام کیسے آتے ہیں، کیونکہ آگے کا سسٹم انہی الفاظ پر عمل کرتا ہے۔ BroadNet شور والی آڈیو میں نمبروں، تاریخوں اور ناموں کے لیے ایک [fine-tuned عربی ماڈل](https://broadrouter.com/ur/models/#on-request) درخواست پر دیتا ہے۔

## عربی ٹرانسکرپشن کی فی آڈیو گھنٹہ لاگت کیا ہے؟

فی آڈیو گھنٹہ موازنہ کریں، کیونکہ آپ کا حجم اسی طرح ناپا جاتا ہے:

| ماڈل | فی منٹ | فی گھنٹہ | 1,000 گھنٹے |
| --- | --- | --- | --- |
| [BroadNet Transcribe Arabic](https://broadrouter.com/ur/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | $252.00 |
| [BroadNet Transcribe (14 زبانیں)](https://broadrouter.com/ur/models/cohere-transcribe/) | $0.002 | $0.12 | — |
| Soniox async (فائل)، 60+ زبانیں | تقریباً USD 0.0017 (اخذ شدہ) | تقریباً USD 0.10 | تقریباً USD 100 |
| Soniox real-time (streaming) | تقریباً USD 0.002 (اخذ شدہ) | تقریباً USD 0.12 | تقریباً USD 120 |

Soniox کی سطریں [Soniox pricing](https://soniox.com/pricing) سے ہیں، 14 نومبر 2026 کو جانچی گئیں۔ Soniox فی ٹوکن بل کرتا ہے (تقریباً 30,000 آڈیو ٹوکن فی گھنٹہ) اور گھنٹے والے اعداد کو تخمینہ بتاتا ہے۔

**Soniox فی گھنٹہ BroadNet سے سستا ہے۔** اس کی فائل والی شرح BroadNet Transcribe Arabic کے $0.25 کے نصف سے کم ہے اور BroadNet Transcribe کے $0.12 سے بھی نیچے ہے۔ اس کی real-time شرح BroadNet Transcribe کے برابر ہے اور پھر بھی عربی ماڈل سے کم ہے، اور BroadNet real-time streaming document ہی نہیں کرتا۔ Soniox اپنی [معاون زبانوں](https://docs.soniox.com/stt/concepts/supported-languages) میں عربی (`ar`) گنواتا ہے اور تمام زبانوں کے لیے ایک ہی شرح دکھاتا ہے۔ وہ عربی کے لیے الگ قیمت، عربی WER کے اعداد یا لہجوں کی کوریج شائع نہیں کرتا، اس لیے قیمت واضح ہے مگر درستگی نہیں۔ قیمت کی بنیاد پر منتخب کرنے سے پہلے دونوں پر وہی لہجوں والا ٹیسٹ چلائیں۔

کسی سپورٹ inbox کے لیے، 30، 30 سیکنڈ کے 10,000 WhatsApp وائس نوٹس عربی ماڈل پر $21.00 کے پڑتے ہیں۔ حساب ہے `10,000 × 0.5 minutes × $0.0042`۔ اپنا حجم [speech-to-text لاگت کیلکولیٹر](https://broadrouter.com/tools/speech-to-text-cost-calculator/) میں ڈالیں۔

فراہم کنندگان کا موازنہ کرتے وقت شرح کے ساتھ billing کی اکائی بھی دیکھیں: فی سیکنڈ، فی منٹ یا فی شروع شدہ بلاک، اور کیا فی فائل کوئی کم از کم چارج ہے۔ مختصر وائس نوٹس پر ہی billing کی rounding نظر آتی ہے۔ دوسرے فراہم کنندگان کی فی منٹ شرحوں کے لیے، ان کے قیمتوں والے صفحات سے جانچی ہوئی، دیکھیں [speech-to-text API کی قیمتوں کا موازنہ](https://broadrouter.com/ur/blog/speech-to-text-api-pricing-compared/)؛ اگر آپ OpenAI کے اینڈپوائنٹ سے ہٹ رہے ہیں تو [Whisper API کا متبادل](https://broadrouter.com/ur/blog/whisper-api-alternative/) والی چیک لسٹ دیکھیں۔ [Transcribe بمقابلہ Transcribe Arabic موازنہ](https://broadrouter.com/compare/cohere-transcribe-vs-cohere-transcribe-arabic/) دکھاتا ہے کہ سستا 14 زبانوں والا ماڈل کب کافی ہے۔

## عربی speech-to-text API میں کون سی خصوصیات ہونی چاہییں؟

ہر پروڈکٹ کو ہر خصوصیت نہیں چاہیے۔ موازنے سے پہلے طے کریں کہ کون سی اہم ہیں:

| خصوصیت | کیوں اہم ہے | کیا پوچھیں |
| --- | --- | --- |
| Batch فائل اپ لوڈ | وائس نوٹس، ریکارڈنگز، آرکائیوز | فارمیٹس اور زیادہ سے زیادہ فائل سائز |
| Real-time streaming | Live captions، وائس ایجنٹس | Latency، اور کیا یہ الگ پروڈکٹ ہے |
| اسپیکر لیبلز ([diarization](https://broadrouter.com/ur/glossary/diarization/)) | ایجنٹ اور گاہک والی کالز | صرف batch، یا live بھی؟ |
| الفاظ کے timestamps | سب ٹائٹلز، سرچ، جائزے کے ٹولز | لفظ کی سطح یا segment کی سطح؟ |
| Code-switching | انگریزی اصطلاحات والی عربی | کیا ہر درخواست میں ایک ہی زبان چاہیے؟ |
| ڈیٹا retention | کالز میں ذاتی ڈیٹا ہوتا ہے | کیا آڈیو یا متن رکھا جاتا ہے، اور کب تک؟ |

BroadNet آج جو document کرتا ہے: OpenAI-compatible `/v1/audio/transcriptions` اینڈپوائنٹ کے ذریعے batch ٹرانسکرپشن، WAV یا MP3 ان پٹ، ایک `language` فیلڈ، اور zero data retention۔ اس فہرست کی کسی اور چیز پر انحصار کرنے سے پہلے [API ریفرنس](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-arabic-speech-to-text-api-buyers-guide&utm_content=body) جانچیں۔

## کون سی فائل حدیں اور فارمیٹس لاگو ہوتے ہیں؟

-   **فائل سائز۔** BroadNet فی فائل 26,214,400 بائٹ (25 MiB) تک کی WAV یا MP3 لیتا ہے۔ بڑی فائل پر 413 لوٹتا ہے؛ لمبی ریکارڈنگز کو تقسیم کریں۔
-   **فارمیٹس۔** .ogg وائس نوٹس اور .m4a ریکارڈنگز پہلے تبدیل کریں؛ [WhatsApp وائس نوٹ گائیڈ](https://broadrouter.com/ur/guides/transcribe-whatsapp-voice-notes/) میں ffmpeg والی سطر ہے۔
-   **Language فیلڈ۔** `language=ar` بھیجیں۔ اس کے بغیر عربی لاطینی حروف میں transliterate ہو کر واپس آ سکتی ہے۔
-   **Rate limits۔** استعمال کے مطابق ادائیگی والی کلید فی منٹ 30 درخواستوں اور بیک وقت 4 کی اجازت دیتی ہے۔ بڑے backlog کے لیے فائلوں کو queue کریں اور 429 کو backoff کے ساتھ دوبارہ بھیجیں؛ دیکھیں [errors اور retries](https://broadrouter.com/ur/guides/errors-and-retries/)۔

## کیا آڈیو محفوظ کی جاتی ہے؟

وائس نوٹس اور کالز میں نام، فون نمبر اور صحت یا بینکاری کی تفصیلات ہوتی ہیں۔ ہر فراہم کنندہ سے پوچھیں کہ کیا آڈیو اور ٹرانسکرپٹس محفوظ رکھے جاتے ہیں، اور کب تک۔ BroadNet Inference دونوں میں سے کچھ بھی محفوظ نہیں رکھتا؛ دیکھیں [zero data retention](https://broadrouter.com/ur/privacy/) اور ہماری [ZDR چیک لسٹ](https://broadrouter.com/ur/blog/zero-data-retention-llm-api-checklist/)۔

## ایک سہ پہر میں عربی ٹرانسکرپشن API کیسے ٹیسٹ کریں؟

1.  اپنے production چینل سے ہر لہجے کے 30 سے 50 اصل کلپس جمع کریں۔ جو کچھ شیئر نہیں کر سکتے، اسے ہٹا دیں۔
2.  ہر لہجے کے 10 کلپس کا درست ٹرانسکرپٹ ہاتھ سے لکھیں، ایک طے شدہ املائی اصول کے ساتھ۔
3.  ہر کلپ کو ہر امیدوار API سے ٹرانسکرائب کریں۔ [قدم بہ قدم عربی گائیڈ](https://broadrouter.com/ur/guides/arabic-speech-to-text-api/) میں BroadNet کے لیے curl اور Python کوڈ ہے۔
4.  دونوں متن ایک ہی طرح normalize کریں اور ہر لہجے کا WER اور CER نکالیں۔ [عربی WER کی وضاحت](https://broadrouter.com/ur/blog/arabic-asr-wer-explained/) میں Python والا normalization function ہے اور یہ دکھایا گیا ہے کہ اسے چھوڑنے سے ایک مکمل درست ٹرانسکرپٹ 75% WER کیوں بن سکتا ہے۔
5.  20 ٹرانسکرپٹس خود پڑھیں۔ کم WER بھی غلط نمبر یا نام چھپا سکتا ہے۔

کلپس کیسے منتخب کریں، reference کیسے لکھیں اور ہر لہجے کے گروپ کو کیسے اسکور کریں، یہ [عربی لہجوں کی speech recognition](https://broadrouter.com/ur/blog/arabic-dialect-speech-recognition/) میں تفصیل سے ہے۔

## عام غلطیاں

-   **صرف صاف آڈیو ٹیسٹ کرنا۔** اصل فون اور وائس نوٹ ریکارڈنگز استعمال کریں۔
-   **ایک اوسط WER۔** اچھی اوسط ایسا لہجہ چھپا سکتی ہے جو آپ کے گاہک بولتے ہیں۔
-   **Language فیلڈ چھوڑ دینا۔** Transliterate شدہ آؤٹ پٹ تقریباً مکمل طور پر غلطیوں میں گنا جاتا ہے۔
-   **نمبروں کو نظرانداز کرنا۔** ہندسے، تاریخیں اور رقمیں ہاتھ سے جانچیں؛ آپ کا سسٹم انہی پر عمل کرتا ہے۔

## BroadNet Inference کہاں فِٹ ہوتا ہے

BroadNet Transcribe Arabic عربی وائس نوٹس، کالز اور ریکارڈنگز کی batch ٹرانسکرپشن کے لیے فی منٹ قیمت پر موزوں ہے، اور کوئی آڈیو محفوظ نہیں رکھی جاتی۔ $5 کا ابتدائی کریڈٹ تقریباً 1,190 منٹ کی عربی آڈیو کا احاطہ کرتا ہے، جو بغیر کارڈ کے اوپر والے ٹیسٹ کے لیے کافی ہے۔ اگر آپ کو ایسی خصوصیات چاہییں جو یہ document نہیں کرتا، جیسے live streaming captions، تو ایسا فراہم کنندہ ٹیسٹ کریں جو انہیں پیش کرتا ہو۔ ٹرانسکرپشن کے بعد عربی متن کے کاموں کے لیے دیکھیں [عربی کے لیے LLM کا انتخاب](https://broadrouter.com/ur/blog/choosing-an-llm-for-arabic/)۔

اس موضوع کے مفت ٹولز (انگریزی میں)

-   [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.

[مفت ٹولز (انگریزی میں)](https://broadrouter.com/tools/)

## اس مضمون کی اصطلاحات

[اسپیچ ٹو ٹیکسٹ (speech-to-text)](https://broadrouter.com/ur/glossary/speech-to-text/)

اسپیچ ٹو ٹیکسٹ، جسے automatic speech recognition (ASR) بھی کہتے ہیں، بولے گئے آڈیو کو تحریری متن میں بدلنے کی ٹیکنالوجی ہے۔ speech-to-text API آڈیو فائل یا اسٹریم لے کر ٹرانسکرپٹ لوٹاتا ہے، عموماً فی آڈیو منٹ قیمت پر۔ درستگی ورڈ ایرر ریٹ سے ناپی جاتی ہے اور لہجے، بولی اور ریکارڈنگ کے معیار کے ساتھ بدلتی ہے۔

[اسٹریمنگ (streaming)](https://broadrouter.com/ur/glossary/streaming/)

اسٹریمنگ، لینگویج ماڈل کے جواب کو آخر میں ایک ساتھ لوٹانے کے بجائے، بنتے وقت ہی چھوٹے چھوٹے ٹکڑوں (chunks) میں لوٹانے کا طریقہ ہے۔ OpenAI-compatible APIs، درخواست میں stream کو true سیٹ کرنے پر server-sent events کے ذریعے اسٹریم کرتے ہیں۔

[ورڈ ایرر ریٹ (WER)](https://broadrouter.com/ur/glossary/word-error-rate/)

ورڈ ایرر ریٹ (WER) اسپیچ ریکگنیشن کی درستی کا معیاری پیمانہ ہے: ٹرانسکرپٹ کو درست ریفرنس میں بدلنے کے لیے درکار الفاظ کے substitutions، deletions اور insertions کی تعداد، جسے ریفرنس کے کل الفاظ سے تقسیم کیا جاتا ہے۔ جتنا کم، اتنا بہتر۔

[زیرو ڈیٹا ریٹینشن (zero data retention، ZDR)](https://broadrouter.com/ur/glossary/zero-data-retention/)

زیرو ڈیٹا ریٹینشن (ZDR) ڈیٹا سنبھالنے کی ایک پالیسی ہے، جس میں AI فراہم کنندہ پرامپٹس اور آؤٹ پٹ صرف درخواست پوری کرنے کے لیے پروسیس کرتا ہے اور بعد میں وہ مواد لاگز، کیش یا تربیتی ڈیٹا میں محفوظ نہیں کرتا۔ ٹوکن گنتی اور اوقات جیسے بغیر مواد کے ریکارڈ عموماً پھر بھی رکھے جاتے ہیں۔

[استعمال کے مطابق ادائیگی (pay-as-you-go)](https://broadrouter.com/ur/glossary/pay-as-you-go/)

استعمال کے مطابق ادائیگی (pay-as-you-go) قیمت طے کرنے کا ایک ماڈل ہے جس میں آپ صرف اتنا دیتے ہیں جتنا استعمال کرتے ہیں، ٹوکن، درخواستوں یا آڈیو منٹ جیسی اکائیوں میں ناپ کر، بغیر سبسکرپشن یا کم از کم وابستگی کے۔ زیادہ تر LLM API اسی طرح بل بناتے ہیں، پری پیڈ بیلنس یا وقتاً فوقتاً بننے والی انوائس سے۔

[ریٹ لمٹ (rate limit)](https://broadrouter.com/ur/glossary/rate-limit/)

ریٹ لمٹ وہ حد ہے جو کوئی API طے کرتا ہے کہ ایک کلائنٹ کسی مدت میں اسے کتنا استعمال کر سکتا ہے، جیسے فی منٹ درخواستیں یا فی منٹ ٹوکن۔ حد سے زیادہ درخواستیں رد کر دی جاتی ہیں، عموماً HTTP 429 Too Many Requests کے ساتھ، جب تک استعمال دوبارہ حد سے نیچے نہ آ جائے۔

[کوڈ سوئچنگ (code-switching)](https://broadrouter.com/ur/glossary/code-switching/)

Code-switching ایک ہی گفتگو یا جملے میں، بول کر یا لکھ کر، دو یا زیادہ زبانوں، یا ایک زبان کی مختلف شکلوں، کا استعمال ہے۔ مثالیں: عربی بولنے والے اپنے لہجے میں انگریزی الفاظ ملاتے ہیں، یا جدید معیاری عربی اور اپنے لہجے کے درمیان آتے جاتے ہیں۔

[ٹوکن (token)](https://broadrouter.com/ur/glossary/token/)

ٹوکن متن کی وہ اکائی ہے جسے لینگویج ماڈل پڑھتا اور لکھتا ہے: کوئی لفظ، لفظ کا حصہ، رموزِ اوقاف کی کوئی علامت یا بائٹس کا سلسلہ، جو ماڈل کا ٹوکنائزر بناتا ہے۔ LLM API استعمال کو ٹوکنز میں گنتے ہیں، انہی میں حدیں لگاتے ہیں اور عموماً بل بھی بناتے ہیں۔

## عام سوالات

### عربی کے لیے اچھا word error rate کتنا ہوتا ہے؟

یہ آڈیو پر منحصر ہے۔ BroadNet، BroadNet Transcribe Arabic کے لیے FLEURS-ar (صاف پڑھی گئی گفتگو) پر 3.8، MASC-ar پر 21.1 اور اپنے لہجوں والے set پر 23.4 بتاتا ہے۔ بول چال والے لہجے کی آڈیو پڑھی گئی گفتگو سے ہمیشہ زیادہ مشکل ہوتی ہے۔

### عربی لہجوں کے لیے کون سا speech-to-text API بہترین ہے؟

ایک جواب نہیں ہے، کیونکہ نتائج لہجے اور ریکارڈنگ کے معیار کے ساتھ بدلتے ہیں۔ دو تین API منتخب کریں، ہر ایک سے ہر لہجے کے اپنے 30 سے 50 کلپس ٹرانسکرائب کریں، اور مجموعی اوسط نہیں، ہر لہجے کا word error rate ملائیں۔

### 1,000 گھنٹے کی عربی آڈیو ٹرانسکرائب کرنے پر کتنا خرچ آتا ہے؟

$0.0042 فی آڈیو منٹ پر، BroadNet Transcribe Arabic کے ساتھ 1,000 گھنٹوں کی لاگت $252.00 ہے۔

### کیا BroadNet کا عربی speech-to-text live streaming سپورٹ کرتا ہے؟

BroadNet، /v1/audio/transcriptions کے ذریعے 25 MiB تک کی WAV یا MP3 فائلوں کی batch ٹرانسکرپشن document کرتا ہے۔ یہ live streaming captions document نہیں کرتا۔ اگر آپ کو وہ چاہییں تو مثال کے طور پر Soniox real-time ٹرانسکرپشن بیچتا ہے جس کی زبانوں کی فہرست میں عربی ہے (14 نومبر 2026 کو جانچا گیا)۔

### کیا یہ WhatsApp وائس نوٹس ٹرانسکرائب کر سکتا ہے؟

ہاں، ffmpeg سے .ogg فائل کو WAV یا MP3 میں بدلنے کے بعد۔ اس سائٹ کی WhatsApp گائیڈ ایک سطر والی تبدیلی دکھاتی ہے۔

### کیا میری آڈیو محفوظ کی جاتی ہے؟

نہیں۔ BroadNet Inference درخواست کے بعد آڈیو یا ٹرانسکرپٹ محفوظ نہیں رکھتا؛ یہ صرف مواد کے بغیر ریکارڈ، جیسے timings اور لاگت، رکھتا ہے۔

## مزید پڑھیں

-   [25 MB سے بڑا لمبا آڈیو ٹرانسکرائب کریں: تقسیم، ارسال، جوڑ](https://broadrouter.com/ur/blog/transcribe-long-audio-files-api/)
-   [عربی ASR میں word error rate (WER) کیا ہے، آسان الفاظ میں](https://broadrouter.com/ur/blog/arabic-asr-wer-explained/)
-   [عربی لہجوں کی speech recognition: خلیجی، مصری، شامی، مغربی](https://broadrouter.com/ur/blog/arabic-dialect-speech-recognition/)
-   [اسپیچ ٹو ٹیکسٹ API کی قیمتوں کا موازنہ: 2026 میں فی منٹ قیمت](https://broadrouter.com/ur/blog/speech-to-text-api-pricing-compared/)
-   [Whisper API کا متبادل: کب بدلیں، اور اسے کیسے ٹیسٹ کریں](https://broadrouter.com/ur/blog/whisper-api-alternative/)
-   [عربی کے لیے LLM API کیسے چنیں: کیا کیا ٹیسٹ کریں](https://broadrouter.com/ur/blog/choosing-an-llm-for-arabic/)
-   [LLM سے عربی متن پر اعراب (تشکیل) لگانا: پرامپٹ، جانچ، DER](https://broadrouter.com/ur/blog/arabic-diacritization-llm/)
-   [LLM سے عربی گرامر اور املا کی تصحیح: ایک عملی رہنما](https://broadrouter.com/ur/blog/arabic-grammar-spelling-correction-llm/)
-   [گائیڈ: عربی speech-to-text API، قدم بہ قدم](https://broadrouter.com/ur/guides/arabic-speech-to-text-api/)
-   [گائیڈ: API کے ذریعے WhatsApp وائس نوٹس کو متن میں بدلیں](https://broadrouter.com/ur/guides/transcribe-whatsapp-voice-notes/)
-   [گائیڈ: BroadNet Inference کے ایرر کوڈز اور دوبارہ کوشش کب کریں](https://broadrouter.com/ur/guides/errors-and-retries/)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

[شروع کریں](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-arabic-speech-to-text-api-buyers-guide&utm_content=page-cta) ·

**ذرائع**

-   [BroadNet Transcribe Arabic ماڈل صفحہ: ElevenLabs Scribe v2 اور Whisper large-v3 سے آمنے سامنے WER (2026-11-15 کو دیکھا گیا) (انگریزی میں)](https://www.broadnet.ai/inference/models/cohere-transcribe-arabic)
-   [BroadNet ماڈل کیٹلاگ، speech to text: BroadNet کے بتائے ہوئے WER اور leaderboard رینک (2026-11-14 کو دیکھا گیا) (انگریزی میں)](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard، Hugging Face Space (2026-11-15 کو دیکھا گیا)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [BroadNet Inference API ریفرنس: ٹرانسکرپشن فارمیٹس، 26,214,400 بائٹ کی حد، 413، language فیلڈ (2026-11-14 کو دیکھا گیا) (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-arabic-speech-to-text-api-buyers-guide&utm_content=sources)
-   [BroadNet Inference کی مشین سے پڑھی جانے والی قیمتیں، pricing.json (2026-11-14 کو دیکھا گیا) (انگریزی میں)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-arabic-speech-to-text-api-buyers-guide&utm_content=sources)
-   [Soniox pricing: async تقریباً 0.10 USD/گھنٹہ، real-time تقریباً 0.12 USD/گھنٹہ، بل فی ٹوکن (2026-11-14 کو جانچا گیا)](https://soniox.com/pricing)
-   [Soniox دستاویزات، معاون زبانیں: 60 میں عربی (ar) شامل (2026-11-14 کو جانچا گیا)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [jiwer، ASR error rates کے لیے Python پیکج (2026-11-14 کو دیکھا گیا)](https://github.com/jitsi/jiwer)
