---
title: "API سے عربی آڈیو ٹرانسکرائب کیسے کریں: curl اور Python"
description: "OpenAI-compatible اینڈپوائنٹ کے ذریعے BroadNet Transcribe Arabic سے عربی آڈیو ٹرانسکرائب کریں۔ فارمیٹس، language فیلڈ، Python اور curl کی مثالیں، اور قیمت۔"
url: https://broadrouter.com/ur/guides/arabic-speech-to-text-api/
lang: ur
updated: 2026-11-16
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/guides/arabic-speech-to-text-api/) (اپ ڈیٹ: 2026-11-16).

# عربی speech-to-text API، قدم بہ قدم

اپ ڈیٹ 2026-11-16

WAV یا MP3 فائل https://inference.broadnet.ai/v1/audio/transcriptions پر model broadnet/cohere-transcribe-arabic اور language=ar کے ساتھ بھیجیں۔ ریسپانس JSON ہوتا ہے، ٹرانسکرپٹ text میں۔ WhatsApp کی .ogg جیسے دوسرے فارمیٹس کو پہلے WAV میں تبدیل کریں۔ قیمت فی آڈیو منٹ ہے، اور BroadNet کے مطابق کوئی آڈیو یا ٹرانسکرپٹ محفوظ نہیں رکھا جاتا۔

BroadNet Transcribe Arabic کی قیمت $0.0042 فی آڈیو منٹ ہے۔ BroadNet کے مطابق [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) پر اس کی رینک 37 میں سے #2 (یہ ستمبر 2026 کی پوزیشن ہے؛ 15 نومبر، 2026 کو لائیو لیڈر بورڈ پر یہ 39 میں سے #4 تھا) ہے، اور جن ماڈلز کا لائسنس API کے ذریعے پیش کرنے کی اجازت دیتا ہے، ان میں یہ #1 ہے۔ دوسری زبانوں کے لیے BroadNet Transcribe 14 زبانیں $0.002 فی منٹ پر کور کرتا ہے۔ دیکھیں [BroadNet Transcribe Arabic ماڈل صفحہ](https://broadrouter.com/ur/models/cohere-transcribe-arabic/) اور [BroadNet Transcribe ماڈل صفحہ](https://broadrouter.com/ur/models/cohere-transcribe/)۔

دوسرے فراہم کنندگان سستے پڑ سکتے ہیں۔ 2026-11-14 کو [Soniox کے قیمتوں والے صفحے](https://soniox.com/pricing) پر فائل (async) ٹرانسکرپشن کے لیے تقریباً USD 0.10 فی گھنٹہ اور ریئل ٹائم کے لیے USD 0.12 فی گھنٹہ درج تھا، اور اس کی زبانوں کی فہرست میں عربی شامل ہے۔ یہ BroadNet Transcribe Arabic کے $0.25 فی گھنٹہ سے کم ہے، اس لیے دونوں کو اپنے آڈیو پر ٹیسٹ کریں۔

## curl کے ساتھ

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

ریسپانس میں ٹرانسکرپٹ JSON کی صورت میں آتا ہے:

```json
{"text": "مرحباً، لقد وصلت إلى البريد الصوتي، اترك رسالتك من فضلك"}
```

## Python کے ساتھ

```python
from openai import OpenAI
import os

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

with open("voice-note.wav", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="broadnet/cohere-transcribe-arabic",
        file=audio,
        language="ar",
    )
print(result.text)
```

## language ہمیشہ بھیجیں

`language` کے بغیر عربی **لاطینی حروف میں منتقل** ہو کر واپس آ سکتی ہے۔ عربی کے لیے `language=ar` اور انگریزی کے لیے `language=en` بھیجیں۔

## یہ کون سے عربی لہجے سنبھالتا ہے؟

BroadNet کے مطابق BroadNet Transcribe Arabic لہجوں سمیت عربی کو کور کرتا ہے، اور BroadNet اس کے تین ورڈ ایرر ریٹ شائع کرتا ہے۔ یہ BroadNet کی اپنی لیب پیمائشیں ہیں، جو اس کے [ماڈل کیٹلاگ](https://www.broadnet.ai/inference/models) میں ہیں:

| ٹیسٹ سیٹ | یہ کیا ہے | ورڈ ایرر ریٹ |
| --- | --- | --- |
| FLEURS-ar | صاف پڑھے گئے جملے | 3.8 |
| MASC-ar | حقیقی دنیا کی ملی جلی عربی گفتگو | 21.1 |
| BroadNet لہجہ سیٹ | لہجوں والی گفتگو | 23.4 |

BroadNet لہجوں کے لحاظ سے تفصیل شائع نہیں کرتا، اس لیے BroadNet سے باہر کوئی نہیں بتا سکتا کہ خلیجی آڈیو مصری یا مغربی کے مقابلے میں کیسا اسکور کرتا ہے۔ دوسرے فراہم کنندگان کوریج مختلف انداز میں بتاتے ہیں۔ Deepgram، Nova-3 Arabic کو علاقائی کوڈز کے ساتھ درج کرتا ہے، `ar-AE`، `ar-SA` اور `ar-EG` سے لے کر `ar-MA` اور `ar-IQ` تک۔ Speechmatics ایک “Global Arabic” پیک بیچتا ہے جس میں Modern Standard Arabic، خلیجی، مصری اور شامی (لیونٹائن) گفتگو کا نام ہے، اور ساتھ میں انگریزی ملی عربی کے لیے ایک `ar_en` پیک۔ Soniox عربی (`ar`) کو لہجوں کی تفصیل کے بغیر درج کرتا ہے۔

فہرست میں موجود کوڈ ناپی ہوئی درستگی نہیں ہے۔ انتخاب سے پہلے ہر امیدوار کو اپنی کلپس پر، لہجے کے لحاظ سے گروپ بنا کر، اسکور کریں:

-   **خلیجی:** سعودی، اماراتی، کویتی، قطری گفتگو، اکثر انگریزی پروڈکٹ ناموں کے ساتھ۔
-   **مصری:** میڈیا میں سب سے زیادہ سمجھا جانے والا لہجہ۔
-   **شامی (لیونٹائن):** شامی، لبنانی، اردنی اور فلسطینی گفتگو۔
-   **عراقی اور مغربی:** مراکشی، الجزائری اور تیونسی گفتگو عام طور پر سب سے مشکل ہوتی ہے۔
-   **[Modern Standard Arabic](https://broadrouter.com/ur/glossary/msa/):** خبریں اور رسمی گفتگو، آسان بنیادی معیار۔

[عربی لہجوں کی اسپیچ ریکگنیشن گائیڈ](https://broadrouter.com/ur/blog/arabic-dialect-speech-recognition/) بتاتی ہے کہ لہجوں کا اسکور خراب کیوں آتا ہے، اور [ورڈ ایرر ریٹ کی وضاحت](https://broadrouter.com/ur/blog/arabic-asr-wer-explained/) دکھاتی ہے کہ انہیں اسکور کیسے کریں۔

## عربی speech-to-text API کی قیمت کتنی ہے؟

نیچے کا ہر فراہم کنندہ عربی درج کرتا ہے۔ سب سے سستا پہلے؛ جہاں الگ سے نہ لکھا ہو، قیمتیں پہلے سے ریکارڈ شدہ فائلوں کی ہیں، اور 2026-11-14 کو جانچی گئیں:

| فراہم کنندہ اور ماڈل | فی منٹ | فی گھنٹہ | بتائی گئی عربی کوریج |
| --- | --- | --- | --- |
| Soniox، async (فائل) | تقریباً USD 0.0017 | تقریباً USD 0.10 | عربی (`ar`) |
| Soniox، ریئل ٹائم | تقریباً USD 0.002 | تقریباً USD 0.12 | عربی (`ar`) |
| [BroadNet Transcribe](https://broadrouter.com/ur/models/cohere-transcribe/) (14 زبانیں) | $0.002 | $0.12 | 14 زبانوں میں عربی |
| [BroadNet Transcribe Arabic](https://broadrouter.com/ur/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | لہجوں سمیت عربی (BroadNet کے مطابق) |
| Deepgram، Nova-3 monolingual | USD 0.0043 | USD 0.258 | `ar` اور علاقائی کوڈز |
| Speechmatics، Standard | USD 0.0075 | USD 0.45 | Global Arabic، `ar_en` |
| Speechmatics، Enhanced | USD 0.0125 | USD 0.75 | Global Arabic، `ar_en` |

ذرائع: [Soniox کی قیمتیں](https://soniox.com/pricing) (بلنگ فی ٹوکن؛ فی گھنٹہ اعداد Soniox کے اپنے اندازے ہیں)، [Deepgram کی قیمتیں](https://deepgram.com/pricing) اور [Speechmatics کی قیمتیں](https://www.speechmatics.com/pricing)۔ Soniox دونوں BroadNet ماڈلز سے سستا ہے، اور BroadNet ریئل ٹائم اسٹریمنگ کی دستاویز نہیں دیتا۔ BroadNet کے حق میں عربی کے لیے مخصوص ماڈل، اس کی بتائی گئی لیڈر بورڈ رینک اور زیرو ڈیٹا ریٹینشن ہیں۔ مزید فراہم کنندگان کے لیے ہمارا کھلا [speech-to-text API قیمت انڈیکس](https://broadrouter.com/data/speech-to-text-api-prices/) دیکھیں، جس میں 20 سے زیادہ پروڈکٹس کی batch اور اسٹریمنگ قیمتیں اور عربی سپورٹ درج ہے، ہر ایک کے ماخذ اور تاریخ کے ساتھ (CSV اور JSON)۔ اضافی اخراجات کے لیے [speech-to-text API قیمتوں کا موازنہ](https://broadrouter.com/ur/blog/speech-to-text-api-pricing-compared/) دیکھیں؛ اپنے حجم کی قیمت نکالنے کے لیے [اسپیچ ٹو ٹیکسٹ لاگت کیلکولیٹر](https://broadrouter.com/tools/speech-to-text-cost-calculator/) استعمال کریں۔

## حدیں

-   WAV یا MP3، فی فائل 26,214,400 بائٹس (25 MiB) تک۔ بڑی فائل پر 413 آتا ہے؛ پہلے اسے حصوں میں تقسیم کریں۔
-   استعمال کے مطابق ادائیگی والی کلیدیں فی منٹ 30 درخواستوں اور بیک وقت 4 درخواستوں کی اجازت دیتی ہیں۔
-   دونوں ٹرانسکرپشن ماڈلز $5 کے مفت ابتدائی کریڈٹ پر چلتے ہیں، اس لیے ادائیگی سے پہلے آپ اپنی ریکارڈنگز ٹیسٹ کر سکتے ہیں۔

## مسائل کا حل

-   **عربی رسم الخط کے بجائے لاطینی حروف۔** `language=ar` شامل کریں۔
-   **400 یا 422۔** فیلڈز کے نام (`model`، `language`، `file`) جانچیں، اور یہ بھی کہ فائل واقعی WAV یا MP3 ہے۔ نام بدلی ہوئی `.ogg` ناکام ہوتی ہے؛ اسے ffmpeg سے تبدیل کریں۔
-   **413۔** فائل 26,214,400 بائٹس سے بڑی ہے۔ اسے 16 kHz mono WAV یا MP3 میں تبدیل کریں، یا چھوٹے حصوں میں تقسیم کریں۔
-   **پیڈ اکاؤنٹ پر 401۔** کلید اور استعمال کے مطابق ادائیگی والی حد جانچیں۔ دیکھیں [BroadNet کے ایرر کوڈز اور دوبارہ کوشش](https://broadrouter.com/ur/guides/errors-and-retries/)۔
-   **لہجے والی یا شور بھری کالز پر کمزور درستگی۔** BroadNet کے اپنے لہجہ ٹیسٹ سیٹ کا اسکور صاف پڑھی گئی گفتگو سے خراب ہے (FAQ دیکھیں)۔ اپنے اصل آڈیو کے ایک نمونے پر ٹیسٹ کریں اور [ورڈ ایرر ریٹ](https://broadrouter.com/ur/glossary/word-error-rate/) ناپیں۔

WhatsApp وائس نوٹس `.ogg` میں آتے ہیں۔ [WhatsApp وائس نوٹس ایک ہی قدم میں تبدیل اور ٹرانسکرائب کریں](https://broadrouter.com/ur/guides/transcribe-whatsapp-voice-notes/)۔ اگر آپ کو شور بھرے آڈیو میں نمبر، تاریخیں اور نام چاہییں تو BroadNet [درخواست پر](https://broadrouter.com/ur/models/#on-request) ایک فائن ٹیونڈ عربی ماڈل پیش کرتا ہے۔

## اس گائیڈ 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۔

[جدید معیاری عربی (Modern Standard Arabic، MSA)](https://broadrouter.com/ur/glossary/msa/)

Modern Standard Arabic (MSA) عربی کی معیاری شکل ہے جو پوری عرب دنیا میں تحریر، خبروں، تعلیم اور رسمی گفتگو میں استعمال ہوتی ہے۔ یہ کسی کی روزمرہ مادری زبان نہیں: لوگ مصری یا خلیجی عربی جیسے علاقائی لہجے بولتے ہیں اور رسمی مواقع پر MSA اختیار کرتے 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۔

[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۔

[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۔

[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۔

[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۔

[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

### کیا یہ عربی لہجے سمجھتا ہے؟

BroadNet اپنے لہجوں والے ٹیسٹ سیٹ پر 23.4 ورڈ ایرر ریٹ بتاتا ہے، ساتھ میں FLEURS-ar پر 3.8 اور MASC-ar پر 21.1۔ کم بہتر ہے۔ BroadNet ہر لہجے کا الگ اسکور شائع نہیں کرتا، اس لیے انحصار کرنے سے پہلے خلیجی، مصری، شامی (لیونٹائن) اور مغربی ریکارڈنگز الگ الگ ٹیسٹ کریں۔

### سب سے سستا عربی speech-to-text API کون سا ہے؟

2026-11-14 کو جانچے گئے فراہم کنندگان میں Soniox کی شرح سب سے کم ہے، فائل ٹرانسکرپشن کے لیے تقریباً USD 0.10 فی گھنٹہ۔ BroadNet Transcribe Arabic کی قیمت $0.25 فی گھنٹہ ہے۔ Deepgram Nova-3 اور Speechmatics مہنگے ہیں۔ فی گھنٹہ قیمت سے زیادہ اہم آپ کے اپنے لہجے والے آڈیو پر ورڈ ایرر ریٹ ہے۔

### کون سے آڈیو فارمیٹس قبول ہوتے ہیں؟

WAV (audio/wav) اور MP3 (audio/mpeg)۔ .ogg یا .m4a جیسے دوسرے فارمیٹس کو پہلے ffmpeg سے تبدیل کریں۔

### میرا عربی ٹرانسکرپٹ لاطینی حروف میں کیوں لکھا آ رہا ہے؟

درخواست میں language فیلڈ نہیں تھی۔ اس کے بغیر عربی گفتگو لاطینی رسم الخط میں منتقل ہو سکتی ہے۔ ہر عربی درخواست کے ساتھ language=ar بھیجیں۔

### کیا میں عربی ٹرانسکرپشن مفت آزما سکتا ہوں؟

ہاں۔ BroadNet کے دونوں ٹرانسکرپشن ماڈلز اس مفت ابتدائی کریڈٹ پر چلتے ہیں جو نئے اکاؤنٹس کو ملتا ہے، اس لیے ٹاپ اپ سے پہلے آپ اپنی ریکارڈنگز ٹیسٹ کر سکتے ہیں۔

### عربی کے لیے BroadNet Transcribe Arabic استعمال کروں یا BroadNet Transcribe؟

دونوں language=ar قبول کرتے ہیں۔ BroadNet Transcribe Arabic عربی ماڈل ہے، اور وہی ماڈل جسے BroadNet عربی لیڈر بورڈ پر رپورٹ کرتا ہے۔ BroadNet Transcribe فی منٹ سستا ہے اور 14 زبانیں کور کرتا ہے، اس لیے دونوں کو اپنے آڈیو پر ٹیسٹ کریں۔

## متعلقہ گائیڈز

-   [API کے ذریعے WhatsApp وائس نوٹس کو متن میں بدلیں](https://broadrouter.com/ur/guides/transcribe-whatsapp-voice-notes/)
-   [وژن ماڈل سے عربی انوائسز اور رسیدیں پڑھیں](https://broadrouter.com/ur/guides/read-arabic-invoices-with-vision/)
-   [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-guides-arabic-speech-to-text-api&utm_content=page-cta) ·

**ذرائع**

-   [Soniox speech-to-text کی قیمتیں (2026-11-14 کو جانچا گیا)](https://soniox.com/pricing)
-   [BroadNet Inference API ریفرنس، ٹرانسکرپشن (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-guides-arabic-speech-to-text-api&utm_content=sources#requests)
-   [BroadNet Inference کی قیمتیں (انگریزی میں)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-guides-arabic-speech-to-text-api&utm_content=sources)
-   [BroadNet ماڈل کیٹلاگ، اسپیچ ٹو ٹیکسٹ (لیب پیمائشیں) (انگریزی میں)](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Soniox دستاویزات، معاون زبانیں (عربی فہرست میں ہے؛ 2026-11-14 کو جانچا گیا)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [Deepgram کی قیمتیں، Nova-3 pre-recorded (2026-11-14 کو جانچا گیا)](https://deepgram.com/pricing)
-   [Deepgram ماڈلز اور زبانیں، Nova-3 کے عربی کوڈز (2026-11-14 کو جانچا گیا)](https://developers.deepgram.com/docs/models-languages-overview)
-   [Speechmatics کی قیمتیں، استعمال کے مطابق ادائیگی والا batch (2026-11-14 کو جانچا گیا)](https://www.speechmatics.com/pricing)
-   [Speechmatics زبانیں، Global Arabic اور Arabic-English (2026-11-14 کو جانچا گیا)](https://docs.speechmatics.com/speech-to-text/languages)
