---
title: "کثیر لسانی speech-to-text API، 14 زبانوں کے لیے | BroadRouter"
description: "انگریزی، ہسپانوی، فرانسیسی، چینی، عربی اور 9 مزید زبانوں کو فی منٹ قیمت والے ایک OpenAI-compatible اینڈپوائنٹ سے ٹرانسکرائب کریں، اور جانیں کہ عربی ماڈل کب چنیں۔"
url: https://broadrouter.com/ur/blog/multilingual-speech-to-text-api/
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/multilingual-speech-to-text-api/) (اپ ڈیٹ: 2026-11-16).

# کثیر لسانی speech-to-text API: 14 زبانیں، ایک اینڈپوائنٹ

BroadNet Inference ٹیم · 6 منٹ کی پڑھائی · شائع شدہ 2026-11-14 · اپ ڈیٹ 2026-11-16

BroadNet Transcribe 14 زبانوں کا speech-to-text ماڈل ہے، جن میں انگریزی، ہسپانوی، فرانسیسی، جرمن، چینی، جاپانی اور عربی شامل ہیں، اور یہ OpenAI-compatible /v1/audio/transcriptions اینڈپوائنٹ پر چلتا ہے۔ قیمت $0.002 فی آڈیو منٹ ($0.12 فی گھنٹہ) ہے۔ زیادہ تر عربی آڈیو کے لیے BroadNet Transcribe Arabic خصوصی آپشن ہے، $0.0042 فی منٹ پر۔

## اہم نکات

-   BroadNet Transcribe 14 زبانوں کا احاطہ کرتا ہے: en، es، fr، de، it، pt، el، nl، pl، zh، ja، ko، vi اور ar۔
-   قیمت: $0.002 فی آڈیو منٹ، $0.12 فی آڈیو گھنٹہ۔
-   ہر درخواست کے ساتھ زبان کا کوڈ بھیجیں؛ خودکار شناخت پر بھروسہ نہ کریں۔
-   جب عربی آڈیو آپ کا بنیادی کام ہو تو BroadNet Transcribe Arabic ($0.25 فی گھنٹہ) چنیں؛ BroadNet اس ماڈل کے عربی درستی کے اعداد شائع کرتا ہے۔
-   دونوں کی حدیں یکساں: WAV یا MP3، ہر فائل 26,214,400 بائٹس تک، آڈیو یا ٹرانسکرپٹ محفوظ نہیں رکھا جاتا۔

**اس صفحے پر**

1.  BroadNet Transcribe کن زبانوں کا احاطہ کرتا ہے؟
2.  کثیر لسانی ٹرانسکرپشن کی لاگت کتنی ہے؟
3.  ٹرانسکرپشن اینڈپوائنٹ کو کیسے کال کریں؟
4.  زبان ہمیشہ کیوں بھیجیں؟
5.  حدیں اور فارمیٹس کیا ہیں؟
6.  عربی کے لیے خصوصی ماڈل کب چنیں؟
7.  ہر زبان میں درستی کیسے ٹیسٹ کریں؟
8.  یہ کن کاموں کے لیے موزوں ہے؟
9.  ٹرانسکرپشن کے بعد کیا ہوتا ہے؟
10.  کسی دوسرے ٹرانسکرپشن API سے کیسے منتقل ہوں؟

_[image: The words English, Español, Français, Deutsch, 日本語, 한국어, 中文, Tiếng Việt and العربية, with the text "Many languages. One connection."]_

آڈیو سنبھالنے والی زیادہ تر پروڈکٹس ایک سے زیادہ زبانوں سے نمٹتی ہیں: دنیا بھر کی سپورٹ لائن، مختلف دفاتر کی میٹنگ ریکارڈنگز، کسی کثیر لسانی شہر کا وائس نوٹ ان باکس۔ ہر زبان کے لیے الگ speech-to-text وینڈر چلانا دیکھ بھال کا خرچ ہے۔ BroadNet Transcribe 14 زبانوں کو ایک OpenAI-compatible اینڈپوائنٹ کے پیچھے رکھتا ہے، فی آڈیو منٹ قیمت پر، اور عربی سے بھرپور کاموں کے لیے اس کے ساتھ ایک خصوصی عربی ماڈل ہے۔

## BroadNet Transcribe کن زبانوں کا احاطہ کرتا ہے؟

زبانوں کی فہرست BroadNet کے شائع شدہ [pricing.json](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-multilingual-speech-to-text-api&utm_content=body) سے ہے، ISO 639-1 کوڈز کی صورت میں:

| کوڈ | زبان | کوڈ | زبان |
| --- | --- | --- | --- |
| en | انگریزی | nl | ڈچ |
| es | ہسپانوی | pl | پولش |
| fr | فرانسیسی | zh | چینی |
| de | جرمن | ja | جاپانی |
| it | اطالوی | ko | کوریائی |
| pt | پرتگالی | vi | ویتنامی |
| el | یونانی | ar | عربی |

[BroadNet Transcribe](https://broadrouter.com/ur/models/cohere-transcribe/) Cohere Transcribe پر مبنی ہے اور BroadNet اسے سرو کرتا ہے۔ ماڈل id `broadnet/cohere-transcribe` ہے۔

پوری تصویر کے لیے، ہمارا کھلا [speech-to-text API پرائس انڈیکس](https://broadrouter.com/data/speech-to-text-api-prices/) 20 سے زیادہ پروڈکٹس کی بیچ اور اسٹریمنگ قیمتیں، بلنگ کی اکائی اور عربی سپورٹ درج کرتا ہے، ہر ایک فراہم کنندہ کے اپنے قیمتوں کے صفحے سے جانچا ہوا (CSV اور JSON)۔

## کثیر لسانی ٹرانسکرپشن کی لاگت کتنی ہے؟

| ماڈل | فی منٹ | فی گھنٹہ | زبانیں |
| --- | --- | --- | --- |
| [BroadNet Transcribe](https://broadrouter.com/ur/models/cohere-transcribe/) | $0.002 | $0.12 | 14 |
| [BroadNet Transcribe Arabic](https://broadrouter.com/ur/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | عربی |

بلنگ آڈیو کے منٹ کے حساب سے ہوتی ہے، درخواست یا ٹوکن کے حساب سے نہیں۔ دونوں ماڈلز مفت $5 ابتدائی کریڈٹ پر چلتے ہیں، اس لیے ٹاپ اپ سے پہلے آپ اپنی ریکارڈنگز ٹیسٹ کر سکتے ہیں۔ تمام قیمتیں [قیمتوں کے صفحے](https://broadrouter.com/ur/pricing/) پر دیکھیں، اپنے ماہانہ گھنٹوں کی قیمت [speech-to-text لاگت کیلکولیٹر](https://broadrouter.com/tools/speech-to-text-cost-calculator/) میں نکالیں، یا دوسرے فراہم کنندگان سے موازنہ [speech-to-text API قیمتوں کا موازنہ](https://broadrouter.com/ur/blog/speech-to-text-api-pricing-compared/) میں کریں۔

## ٹرانسکرپشن اینڈپوائنٹ کو کیسے کال کریں؟

اینڈپوائنٹ OpenAI آڈیو ٹرانسکرپشن کے ڈھانچے پر چلتا ہے، اس لیے سرکاری SDKs صرف base URL بدل کر کام کرتے ہیں:

```python
import os
from openai import OpenAI

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

with open("meeting-fr.mp3", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="broadnet/cohere-transcribe",
        file=audio,
        language="fr",
    )
print(result.text)
```

یا curl سے:

```bash
curl https://inference.broadnet.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -F model=broadnet/cohere-transcribe \
  -F language=es \
  -F file=@llamada.wav
```

جواب JSON ہے، جس میں ٹرانسکرپٹ `text` میں ہوتا ہے۔ BroadNet کا دستاویزی جواب صرف متن ہے؛ اگر آپ کو الفاظ کے ٹائم اسٹیمپس یا بولنے والوں کے لیبل چاہییں، تو ان کے گرد ڈیزائن کرنے سے پہلے [API ریفرنس](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-multilingual-speech-to-text-api&utm_content=body) میں دیکھیں کہ ابھی کیا سپورٹ ہے۔

## زبان ہمیشہ کیوں بھیجیں؟

BroadNet کی دستاویزات واضح ہیں: ہر ٹرانسکرپشن درخواست کے ساتھ `language` بھیجیں۔ اس کے بغیر عربی لاطینی حروف میں تبدیل ہو کر واپس آ سکتی ہے، اور یہی خطرہ ہر اس زبان پر ہے جسے ماڈل غلط سمجھ سکتا ہے۔ اگر آپ کو زبان پہلے سے معلوم نہیں:

1.  **پہلے میٹا ڈیٹا دیکھیں۔** کال کرنے والے کا ملک، صارف کی ایپ کی زبان یا فون نمبر کا سابقہ عام طور پر درست ہوتا ہے۔
2.  **وائس پروڈکٹس میں صارف سے پوچھیں** (“انگریزی کے لیے 1 دبائیں، عربی کے لیے 2”)۔
3.  **مختصر نمونہ آزمائیں۔** پہلے 30 سیکنڈ اپنے بہترین اندازے سے ٹرانسکرائب کریں؛ اگر متن غلط لگے (غلط رسم الخط، بے معنی الفاظ)، تو اگلی ممکنہ زبان سے دوبارہ کوشش کریں۔

## حدیں اور فارمیٹس کیا ہیں؟

-   **فارمیٹس:** WAV (`audio/wav`) یا MP3 (`audio/mpeg`)۔ .ogg، .m4a، .webm اور ویڈیو فائلیں پہلے ffmpeg سے بدلیں۔ [WhatsApp وائس نوٹ گائیڈ](https://broadrouter.com/ur/guides/transcribe-whatsapp-voice-notes/) میں ایک سطری کمانڈ ہے۔
-   **سائز:** ہر فائل 26,214,400 بائٹس (25 MiB) تک؛ بڑی فائلیں 413 لوٹاتی ہیں۔ یہ 16 kHz مونو WAV کے تقریباً 13 منٹ یا 64 kbit/s MP3 کے تقریباً 54 منٹ کے برابر ہے۔ لمبے آڈیو کو `ffmpeg -f segment -segment_time 600` سے تقسیم کریں۔
-   **شرح:** استعمال کے مطابق ادائیگی والی کلید فی منٹ 30 درخواستوں اور بیک وقت 4 کی اجازت دیتی ہے۔ 429 پر بیک آف کے ساتھ دوبارہ کوشش کریں؛ دیکھیں [ایررز اور دوبارہ کوششیں](https://broadrouter.com/ur/guides/errors-and-retries/)۔
-   **پرائیویسی:** آڈیو اور ٹرانسکرپٹس درخواست کے لیے پروسیس ہوتے ہیں اور محفوظ نہیں رکھے جاتے۔ دیکھیں [زیرو ڈیٹا ریٹینشن](https://broadrouter.com/ur/privacy/)۔

چنکنگ اور ورکر پول والی پروڈکشن بیچ پائپ لائن کے لیے [بڑے پیمانے پر عربی کال سینٹر ٹرانسکرپشن](https://broadrouter.com/ur/blog/transcribe-call-center-recordings/) دیکھیں؛ یہی ڈیزائن 14 میں سے کسی بھی زبان کے لیے کام کرتا ہے۔

## عربی کے لیے خصوصی ماڈل کب چنیں؟

BroadNet دو ماڈلز اس لیے پیش کرتا ہے کہ اسپیچ ریکگنیشن کے لیے عربی زیادہ تر زبانوں سے مشکل ہے: ایک تحریری معیار کے تحت کئی لہجے، انگریزی اور فرانسیسی کے ساتھ بار بار code-switching، اور بہت سا فون کے معیار کا آڈیو۔ BroadNet Transcribe Arabic خصوصی آپشن ہے، اور BroadNet عربی درستی صرف اسی کے لیے شائع کرتا ہے:

-   BroadNet کے مطابق یہ [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) پر 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 ہے جن کے لائسنس API سے سرو کرنے کی اجازت دیتے ہیں۔
-   BroadNet کی لیب کے ورڈ ایرر ریٹس: FLEURS-ar پر 3.8، MASC-ar پر 21.1 اور اس کے لہجوں کے سیٹ پر 23.4 (کم بہتر ہے)۔ [ان اعداد کا مطلب کیا ہے](https://broadrouter.com/ur/blog/arabic-asr-wer-explained/)۔

BroadNet 14 زبانوں والے ماڈل کے عربی اعداد شائع نہیں کرتا، مگر پبلک لیڈر بورڈ کرتا ہے: 15 نومبر 2026 کو اس نے BroadNet Transcribe کے پیچھے کے ماڈل، Cohere Transcribe 03-2026، کو 39 میں سے #8 پر 30.67 کے اوسط WER کے ساتھ دکھایا، جبکہ 39 میں سے #4 پر عربی ماڈل کا 24.19 تھا۔ دوسری زبانوں کے لیے، BroadNet اپنے [ماڈل صفحے](https://www.broadnet.ai/inference/models/cohere-transcribe) پر BroadNet Transcribe کے لیے FLEURS انگریزی پر 5.5 اور FLEURS ہسپانوی پر 3.2 ورڈ ایرر ریٹ بتاتا ہے، اور انگریزی آڈیو پر ایک اسٹریم میں تقریباً 113 گنا ریئل ٹائم (بیچ میں 217 گنا)۔ ایک سادہ اصول:

| آپ کا آڈیو | منتخب کریں |
| --- | --- |
| زیادہ تر عربی، کوئی بھی لہجہ | BroadNet Transcribe Arabic |
| عربی فائلیں کم ہیں، درستی بہت اہم نہیں | سب کچھ BroadNet Transcribe پر، یا دونوں ٹیسٹ کریں |
| ملی جلی فائلیں، ہر فائل کی زبان معلوم ہے | عربی فائلیں عربی ماڈل پر، باقی BroadNet Transcribe پر |
| باقی 13 میں سے کوئی بھی زبان | BroadNet Transcribe |

زبان کے حساب سے روٹنگ ایک سطر کی تبدیلی ہے، کیونکہ دونوں ماڈلز ایک ہی اینڈپوائنٹ اور درخواست کا ڈھانچہ استعمال کرتے ہیں:

```python
def stt_model(lang: str) -> str:
    return "broadnet/cohere-transcribe-arabic" if lang == "ar" else "broadnet/cohere-transcribe"
```

عربی ماڈل فی منٹ تقریباً دوگنا مہنگا ہے۔ بڑے حجم پر، اپنے اصل عربی آڈیو کے چند گھنٹوں پر دونوں کو ٹیسٹ کریں اور ہر لہجے کا ورڈ ایرر ریٹ ملائیں؛ [عربی speech-to-text خریدار گائیڈ](https://broadrouter.com/ur/blog/arabic-speech-to-text-api-buyers-guide/) میں ایک گھنٹے کا ٹیسٹ پلان ہے۔ اگر شور والے عربی آڈیو میں اعداد، تاریخیں اور نام مسئلہ ہیں، تو BroadNet [ماڈلز کے صفحے](https://broadrouter.com/ur/models/) پر درخواست پر ملنے والا ایک فائن ٹیون شدہ عربی ماڈل بھی درج کرتا ہے۔

## ہر زبان میں درستی کیسے ٹیسٹ کریں؟

وینڈر کا ایک اکیلا درستی کا عدد زبانوں، لہجوں اور ریکارڈنگ کے حالات کے درمیان بڑے فرق چھپا دیتا ہے۔ کوئی ورک لوڈ سونپنے سے پہلے ہر زبان پر ایک چھوٹا ٹیسٹ چلائیں:

1.  **ہر زبان کے 20 سے 50 اصل کلپس جمع کریں،** اسی چینل سے جسے آپ واقعی ٹرانسکرائب کریں گے: فون کالز، میٹنگ ریکارڈنگز، وائس نوٹس یا ویڈیو۔ اپنے مشکل ترین لہجے بھی شامل کریں۔
2.  **کچھ کلپس کے حوالہ جاتی ٹرانسکرپٹس ہاتھ سے لکھیں،** اعداد، ناموں اور انگریزی سے لیے گئے الفاظ کے املا کے طے شدہ اصولوں کے ساتھ۔
3.  **درست `language` کوڈ کے ساتھ ٹرانسکرائب کریں** اور ہر زبان کا [ورڈ ایرر ریٹ](https://broadrouter.com/ur/glossary/word-error-rate/) نکالیں۔ چینی اور جاپانی، جن میں الفاظ کے درمیان اسپیس نہیں ہوتی، کے لیے کیریکٹر ایرر ریٹ استعمال کریں۔
4.  **غلطیاں پڑھیں۔** پروڈکٹ کے نام، رقوم اور پتے، بھرتی کے الفاظ سے زیادہ اہم ہیں۔
5.  **اگر عربی آپ کے مجموعے میں ہے تو اسے دونوں ماڈلز پر دہرائیں،** اور ہر لہجے کا موازنہ کریں۔

$5 ابتدائی کریڈٹ BroadNet Transcribe پر کئی زبانوں کے ایسے ٹیسٹ کا احاطہ کر لیتا ہے، کیونکہ فی منٹ قیمت کم ہے۔

## یہ کن کاموں کے لیے موزوں ہے؟

| کام | نوٹس |
| --- | --- |
| کثیر لسانی سپورٹ لائنیں | IVR میں منتخب زبان سے روٹ کریں؛ مطابقت رکھنے والا `language` کوڈ بھیجیں |
| مختلف جگہوں کی ٹیموں کے میٹنگ نوٹس | ہر ریکارڈنگ ٹرانسکرائب کریں، پھر LLM سے خلاصہ بنائیں |
| وائس نوٹ ان باکس | پہلے .ogg کو WAV میں بدلیں؛ WhatsApp گائیڈ دیکھیں |
| میڈیا اور پوڈکاسٹ آرکائیو | لمبی فائلیں 25 MiB سے نیچے تقسیم کریں؛ رات کو بیچ چلائیں |
| زبان سیکھنے والی ایپس | سیکھنے والے کی آواز ٹرانسکرائب کریں، پھر LLM سے فیڈ بیک دیں |

ہر صورت میں لاگت صرف آڈیو کے منٹوں کے ساتھ بڑھتی ہے: BroadNet Transcribe پر ہر گھنٹے کے آڈیو کے لیے $0.12، زبان چاہے کوئی بھی ہو۔

## ٹرانسکرپشن کے بعد کیا ہوتا ہے؟

ٹرانسکرپٹ شاذ و نادر ہی آخری پروڈکٹ ہوتا ہے۔ اسی API کلید پر عام اگلے قدم:

-   میٹنگز کے لیے **خلاصے اور ایکشن آئٹمز**، [DeepSeek V4.1 Flash](https://broadrouter.com/ur/models/deepseek-v4.1-flash/) سے، جس کا 1,048,576 ٹوکن کا کانٹیکسٹ بہت لمبے ٹرانسکرپٹس سما لیتا ہے۔
-   ٹرانسکرپٹس کا کسی ایک کاروباری زبان میں **ترجمہ**؛ دیکھیں [LLMs سے عربی–انگریزی ترجمہ](https://broadrouter.com/ur/blog/arabic-english-translation-llm/)۔
-   سپورٹ کالز کی اسٹرکچرڈ JSON آؤٹ پٹ کے ساتھ **QA اسکورنگ**۔

## کسی دوسرے ٹرانسکرپشن API سے کیسے منتقل ہوں؟

اگر آپ پہلے سے OpenAI طرز کا ٹرانسکرپشن اینڈپوائنٹ کال کرتے ہیں، جس میں Whisper API بھی شامل ہے جسے OpenAI 26 فروری 2027 کو بند ہوتا بتاتا ہے ([بدلنے سے پہلے کیا ٹیسٹ کریں](https://broadrouter.com/ur/blog/whisper-api-alternative/))، تو منتقلی عام طور پر تین تبدیلیاں ہیں: base URL، API کلید اور ماڈل id، ساتھ میں یہ یقینی بنانا کہ آپ `language` بھیجیں۔ آپ کا کوڈ `text` کے علاوہ جواب کے جو فیلڈز پڑھتا ہے، انہیں جانچیں۔ باقی [OpenAI-compatible مائیگریشن چیک لسٹ](https://broadrouter.com/ur/blog/openai-compatible-api-migration-checklist/) میں ہے۔

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۔

[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۔

[base URL](https://broadrouter.com/ur/glossary/base-url/)

base URL کسی API کا مقررہ بنیادی پتہ ہے، جیسے https://api.example.com/v1، جسے کلائنٹ /chat/completions جیسے ہر اینڈپوائنٹ پاتھ کے آگے لگاتا ہے۔ OpenAI-compatible SDK میں base URL کو API کلید اور ماڈل ID کے ساتھ بدلنے سے وہی کوڈ کسی دوسرے فراہم کنندہ سے جڑ جاتا ہے۔

[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۔

[WAV فائل (WAV)](https://broadrouter.com/ur/glossary/wav/)

WAV (Waveform Audio File Format، یا WAVE) مائیکروسافٹ اور IBM کے RIFF فارمیٹ پر بنا ایک آڈیو کنٹینر ہے۔ اس میں عموماً غیر کمپریسڈ linear PCM سیمپلز ہوتے ہیں، اس لیے اس کا سائز پہلے سے معلوم ہوتا ہے: فی سیکنڈ سیمپل ریٹ ضرب فی سیمپل بائٹس ضرب چینلز۔

[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۔

[کنکرنسی (concurrency)](https://broadrouter.com/ur/glossary/concurrency/)

کنکرنسی، کسی کلائنٹ کی بیک وقت چل رہی (in-flight) درخواستوں کی تعداد ہے۔ LLM APIs اکثر اس کی حد ہر کلید یا پلان پر، فی منٹ درخواستوں سے الگ رکھتے ہیں، کیونکہ ہر کھلی درخواست جواب مکمل ہونے تک GPU کی گنجائش گھیرے رکھتی ہے۔

[API کلید (API key)](https://broadrouter.com/ur/glossary/api-key/)

API کلید ایک خفیہ اسٹرنگ ہے جو API کال کرنے والے کلائنٹ کی شناخت کرتی اور اسے اجازت دیتی ہے۔ LLM API عموماً اسے Authorization: Bearer ہیڈر میں چاہتے ہیں، اور جس کے پاس بھی یہ کلید ہو وہ ایسی درخواستیں کر سکتا ہے جن کا بل کلید والے اکاؤنٹ پر بنتا ہے۔

## عام سوالات

### BroadNet Transcribe کون سی زبانیں سپورٹ کرتا ہے؟

چودہ: انگریزی، ہسپانوی، فرانسیسی، جرمن، اطالوی، پرتگالی، یونانی، ڈچ، پولش، چینی، جاپانی، کوریائی، ویتنامی اور عربی۔ فہرست pricing.json میں ISO 639-1 کوڈز کی صورت میں شائع ہے۔

### کیا ایک فائل میں دو زبانیں ہو سکتی ہیں؟

ہر درخواست ایک زبان کا کوڈ لیتی ہے۔ جس آڈیو میں زبان بدلتی ہو، اسے بنیادی زبان کے ساتھ ٹرانسکرائب کریں اور دیکھیں کہ دوسری زبان کیسی آتی ہے، یا اگر زبان لمبے حصوں میں بدلتی ہو تو آڈیو کو بولنے والے یا سیگمنٹ کے حساب سے تقسیم کر دیں۔

### کیا کثیر لسانی ماڈل عربی کے لیے کافی اچھا ہے؟

یہ عربی قبول کرتا ہے اور فی منٹ سستا ہے۔ BroadNet عربی درستی کے اعداد صرف BroadNet Transcribe Arabic کے لیے شائع کرتا ہے، اس لیے اگر آپ کے آڈیو کا بڑا حصہ عربی ہے تو دونوں کو اپنی ریکارڈنگز پر ٹیسٹ کریں اور ورڈ ایرر ریٹ کا موازنہ کریں۔

### کیا یہ OpenAI SDK کے ساتھ چلتا ہے؟

جی ہاں۔ SDK کو BroadNet کے base URL پر پوائنٹ کریں اور ماڈل id، فائل اور زبان کے ساتھ audio.transcriptions.create کال کریں۔

## مزید پڑھیں

-   [25 MB سے بڑا لمبا آڈیو ٹرانسکرائب کریں: تقسیم، ارسال، جوڑ](https://broadrouter.com/ur/blog/transcribe-long-audio-files-api/)
-   [عربی speech-to-text API: 2026 میں درست API کیسے منتخب کریں](https://broadrouter.com/ur/blog/arabic-speech-to-text-api-buyers-guide/)
-   [عربی ASR میں word error rate (WER) کیا ہے، آسان الفاظ میں](https://broadrouter.com/ur/blog/arabic-asr-wer-explained/)
-   [کال سینٹر ریکارڈنگز کیسے ٹرانسکرائب کریں: عربی کے لیے تیار پائپ لائن](https://broadrouter.com/ur/blog/transcribe-call-center-recordings/)
-   [OpenAI-compatible API پر منتقلی: مکمل چیک لسٹ](https://broadrouter.com/ur/blog/openai-compatible-api-migration-checklist/)
-   [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-multilingual-speech-to-text-api&utm_content=page-cta) ·

**ذرائع**

-   [BroadNet Transcribe ماڈل صفحہ: FLEURS انگریزی اور ہسپانوی WER، تھروپٹ (حاصل کیا گیا 2026-11-15) (انگریزی میں)](https://www.broadnet.ai/inference/models/cohere-transcribe)
-   [Open Universal Arabic ASR Leaderboard، لائیو ٹیبل (حاصل کیا گیا 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [BroadNet Inference API ریفرنس، ٹرانسکرپشن (جانچا گیا 2026-11-16) (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-multilingual-speech-to-text-api&utm_content=sources)
-   [BroadNet Inference کی مشین ریڈایبل قیمتیں اور زبانوں کی فہرست (pricing.json، جانچا گیا 2026-11-16) (انگریزی میں)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-multilingual-speech-to-text-api&utm_content=sources)
-   [BroadNet ماڈل کیٹلاگ، speech to text (جانچا گیا 2026-11-16) (انگریزی میں)](https://www.broadnet.ai/inference/models)
-   [ISO 639 زبان کوڈز (Library of Congress، جانچا گیا 2026-11-16)](https://www.loc.gov/standards/iso639-2/php/code_list.php)
