---
title: "用 API 把阿拉伯语音频转成文字：curl 与 Python | BroadRouter"
description: "通过 OpenAI 兼容端点，用 BroadNet Transcribe Arabic 转写阿拉伯语音频：支持的格式、language 字段、Python 和 curl 示例，以及价格。"
url: https://broadrouter.com/zh/guides/arabic-speech-to-text-api/
lang: zh-Hans
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/guides/arabic-speech-to-text-api/)（2026-11-16 更新）。

# 阿拉伯语语音转文字 API 分步教程

更新于 2026-11-16

把 WAV 或 MP3 文件发送到 https://inference.broadnet.ai/v1/audio/transcriptions，model 设为 broadnet/cohere-transcribe-arabic，并带上 language=ar。响应是 JSON，转写文本在 text 字段中。WhatsApp 的 .ogg 等其他格式要先转成 WAV。按音频分钟计价，BroadNet 称不保留任何音频或转写文本。

BroadNet Transcribe Arabic 每音频分钟 $0.0042。BroadNet 报告它在 [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) 上排名 第 2 名（共 37 个）（这是 2026年9月的数据；2026年11月15日实时榜单上为 39 个中的第 4 名），并且在许可证允许通过 API 提供服务的模型中排名第一。其他语言可以使用 BroadNet Transcribe，它覆盖 14 种语言，每分钟 $0.002。参见 [BroadNet Transcribe Arabic 模型页](https://broadrouter.com/zh/models/cohere-transcribe-arabic/)和 [BroadNet Transcribe 模型页](https://broadrouter.com/zh/models/cohere-transcribe/)。

其他服务商可能更便宜。2026-11-14，[Soniox 的价格页面](https://soniox.com/pricing)列出的文件（异步）转写约为每小时 0.10 美元，实时转写约为每小时 0.12 美元，其语言列表中包括阿拉伯语。这低于 BroadNet Transcribe Arabic 的每小时 $0.25，所以请在你自己的音频上两个都测试一下。

## 用 curl

```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
```

响应是 JSON 格式的转写文本：

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

## 用 Python

```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)
```

## 一定要发送 language

不带 `language` 时，阿拉伯语可能会**被音译成拉丁字母**返回。阿拉伯语请发送 `language=ar`，英语请发送 `language=en`。

## 它能处理哪些阿拉伯语方言？

BroadNet 称 BroadNet Transcribe Arabic 覆盖阿拉伯语（包括方言），并为它公布了三个词错误率。这些是 BroadNet 自己在实验室测得的数据，来自其[模型目录](https://www.broadnet.ai/inference/models)：

| 测试集 | 内容 | 词错误率 |
| --- | --- | --- |
| FLEURS-ar | 干净的朗读句子 | 3.8 |
| MASC-ar | 混合的真实场景阿拉伯语语音 | 21.1 |
| BroadNet 方言测试集 | 方言语音 | 23.4 |

BroadNet 没有公布按方言划分的结果，所以 BroadNet 以外的人无法判断海湾方言的音频和埃及或马格里布方言相比得分如何。其他服务商对覆盖范围的说法也各不相同。Deepgram 为 Nova-3 阿拉伯语列出了地区代码，从 `ar-AE`、`ar-SA`、`ar-EG` 到 `ar-MA`、`ar-IQ`。Speechmatics 出售一个“Global Arabic”语言包，标明涵盖现代标准阿拉伯语以及海湾、埃及和黎凡特方言，另有一个 `ar_en` 语言包用于阿拉伯语与英语混说。Soniox 列出了阿拉伯语（`ar`），但没有方言细节。

列出了语言代码不等于测过准确率。做选择之前，请用你自己按方言分组的音频片段给每个候选打分：

-   **海湾方言（Khaleeji）：** 沙特、阿联酋、科威特、卡塔尔口音，常夹杂英文产品名。
-   **埃及方言：** 在媒体中最广为人知的方言。
-   **黎凡特方言：** 叙利亚、黎巴嫩、约旦和巴勒斯坦口音。
-   **伊拉克和马格里布方言：** 摩洛哥、阿尔及利亚和突尼斯口音通常是最难的情况。
-   **[现代标准阿拉伯语](https://broadrouter.com/zh/glossary/msa/)：** 新闻和正式场合的语音，是容易的基准。

[阿拉伯语方言语音识别指南](https://broadrouter.com/zh/blog/arabic-dialect-speech-recognition/)解释了为什么方言得分更差，[词错误率详解](https://broadrouter.com/zh/blog/arabic-asr-wer-explained/)介绍了如何给它们打分。

## 阿拉伯语语音转文字 API 要多少钱？

下面每家服务商都列出了阿拉伯语。按价格从低到高排列；除非另有标注，价格均为预录文件的价格，核对于 2026-11-14：

| 服务商与模型 | 每分钟 | 每小时 | 声明的阿拉伯语覆盖范围 |
| --- | --- | --- | --- |
| Soniox，异步（文件） | 约 0.0017 美元 | 约 0.10 美元 | 阿拉伯语（`ar`） |
| Soniox，实时 | 约 0.002 美元 | 约 0.12 美元 | 阿拉伯语（`ar`） |
| [BroadNet Transcribe](https://broadrouter.com/zh/models/cohere-transcribe/)（14 种语言） | $0.002 | $0.12 | 14 种语言之一为阿拉伯语 |
| [BroadNet Transcribe Arabic](https://broadrouter.com/zh/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | 阿拉伯语，包括方言（BroadNet 所述） |
| Deepgram，Nova-3 单语 | 0.0043 美元 | 0.258 美元 | `ar` 及地区代码 |
| Speechmatics，Standard | 0.0075 美元 | 0.45 美元 | Global Arabic、`ar_en` |
| Speechmatics，Enhanced | 0.0125 美元 | 0.75 美元 | Global Arabic、`ar_en` |

来源：[Soniox 价格](https://soniox.com/pricing)（按 token 计费；每小时数字是 Soniox 给出的近似值）、[Deepgram 价格](https://deepgram.com/pricing)和 [Speechmatics 价格](https://www.speechmatics.com/pricing)。Soniox 比 BroadNet 的两个模型都便宜，而且 BroadNet 的文档没有提到实时流式转写。BroadNet 的优势在于阿拉伯语专用模型、它报告的排行榜名次以及零数据保留。更多服务商见我们公开的[语音转文字 API 价格索引](https://broadrouter.com/data/speech-to-text-api-prices/)，其中列出了 20 多个产品的批量和流式价格以及阿拉伯语支持情况，每项都附有来源和日期（提供 CSV 和 JSON）。附加费用见[语音转文字 API 价格对比](https://broadrouter.com/zh/blog/speech-to-text-api-pricing-compared/)；要按你自己的用量估算费用，请使用[语音转文字费用计算器](https://broadrouter.com/tools/speech-to-text-cost-calculator/)。

## 限制

-   WAV 或 MP3，每个文件最大 26,214,400 字节（25 MiB）。文件更大会返回 413，请先切分。
-   按量付费密钥每分钟允许 30 个请求，同时最多 4 个。
-   两个转写模型都可以使用 $5 的免费初始额度，所以你可以在付费之前先测试自己的录音。

## 故障排查

-   **输出是拉丁字母而不是阿拉伯文字。** 加上 `language=ar`。
-   **400 或 422。** 检查字段名（`model`、`language`、`file`），并确认文件确实是 WAV 或 MP3。只改了扩展名的 `.ogg` 会失败；请用 ffmpeg 转换。
-   **413。** 文件超过 26,214,400 字节。转成 16 kHz 单声道 WAV 或 MP3，或者切成更短的片段。
-   **付费账户返回 401。** 检查密钥和按量付费额度。参见[BroadNet 错误码与重试](https://broadrouter.com/zh/guides/errors-and-retries/)。
-   **方言或嘈杂通话的准确率不理想。** BroadNet 自己的方言测试集得分比干净的朗读语音差（见常见问题）。请用一批真实音频样本测试，并测量[词错误率](https://broadrouter.com/zh/glossary/word-error-rate/)。

WhatsApp 语音消息是 `.ogg` 格式。[一步完成 WhatsApp 语音消息的转换和转写](https://broadrouter.com/zh/guides/transcribe-whatsapp-voice-notes/)。如果你需要在嘈杂音频中准确识别数字、日期和人名，BroadNet 可[按需提供](https://broadrouter.com/zh/models/#on-request)经过微调的阿拉伯语模型。

## 本指南涉及的术语

[语音转文字（speech-to-text）](https://broadrouter.com/zh/glossary/speech-to-text/)

语音转文字，也叫自动语音识别（ASR），是把口语音频转换成书面文字的技术。语音转文字 API 接收音频文件或音频流并返回转写文本，通常按音频分钟计价。准确率用词错误率衡量，会随口音、方言和录音质量变化。

[现代标准阿拉伯语（MSA）](https://broadrouter.com/zh/glossary/msa/)

现代标准阿拉伯语（MSA）是阿拉伯世界在书面、新闻、教育和正式讲话中使用的标准化阿拉伯语。它不是任何人日常使用的母语：人们平时说埃及阿拉伯语、海湾阿拉伯语等地区方言，在正式场合才切换到 MSA。

[按量付费（pay-as-you-go）](https://broadrouter.com/zh/glossary/pay-as-you-go/)

按量付费是一种计价模式：你只为实际用量付费，按 token、请求次数或音频分钟等单位计量，没有订阅费，也没有最低消费承诺。大多数大模型 API 都这样计费，从预付余额中扣减或定期开具账单。

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

WAV（Waveform Audio File Format，又称 WAVE）是建立在微软与 IBM 的 RIFF 格式之上的音频容器。它通常存放未压缩的线性 PCM 样本，因此大小可以预测：每秒字节数 = 采样率 × 每样本字节数 × 声道数。

[阿拉伯语方言（dialectal Arabic）](https://broadrouter.com/zh/glossary/dialectal-arabic/)

阿拉伯语方言是某个地区或城市日常使用的口语阿拉伯语，例如埃及、海湾、黎凡特或马格里布阿拉伯语。方言在语音、词汇和语法上都不同于现代标准阿拉伯语，没有标准拼写，而且越来越多地出现在网络文字中，这让语言模型更难处理。

[并发（concurrency）](https://broadrouter.com/zh/glossary/concurrency/)

并发（concurrency）是客户端在同一时刻正在进行中的请求数。大模型 API 往往按密钥或套餐单独限制并发，与每分钟请求数分开计算，因为每个未完成的请求在响应结束前都会占用 GPU 资源。

[工具调用（tool calling / function calling）](https://broadrouter.com/zh/glossary/tool-calling/)

工具调用（也叫函数调用，function calling）是大模型 API 的一项功能：模型返回一个结构化请求，要求执行开发者定义的某个函数，并附上 JSON 参数。应用执行该函数并把结果发回；模型自己从不执行代码。

[速率限制（rate limit）](https://broadrouter.com/zh/glossary/rate-limit/)

速率限制是 API 对客户端在一个时间窗口内的使用量设定的上限，例如每分钟请求数或每分钟 token 数。超出限制的请求会被拒绝，通常返回 HTTP 429 Too Many Requests，直到用量回落到限制以下。

## 常见问题

### 它能听懂阿拉伯语方言吗？

BroadNet 报告，在其自建的方言测试集上词错误率为 23.4，在 FLEURS-ar 上为 3.8，在 MASC-ar 上为 21.1，数值越低越好。BroadNet 没有公布每种方言的分数，所以在依赖它之前，请分别测试海湾、埃及、黎凡特和马格里布方言的录音。

### 哪家阿拉伯语语音转文字 API 最便宜？

在 2026-11-14 核对的服务商中，Soniox 标价最低，文件转写约每小时 0.10 美元。BroadNet Transcribe Arabic 每小时 $0.25。Deepgram Nova-3 和 Speechmatics 更贵。与每小时价格相比，更重要的是在你自己的方言音频上的词错误率。

### 支持哪些音频格式？

WAV（audio/wav）和 MP3（audio/mpeg）。.ogg、.m4a 等其他格式请先用 ffmpeg 转换。

### 为什么阿拉伯语转写结果是用拉丁字母写的？

请求里没有 language 字段。没有它，阿拉伯语语音可能会被音译成拉丁字母。每个阿拉伯语请求都要发送 language=ar。

### 可以免费试用阿拉伯语转写吗？

可以。BroadNet 的两个转写模型都可以使用新账户获得的免费初始额度，所以你可以在充值之前先用自己的录音测试。

### 转写阿拉伯语该用 BroadNet Transcribe Arabic 还是 BroadNet Transcribe？

两者都接受 language=ar。BroadNet Transcribe Arabic 是阿拉伯语专用模型，也是 BroadNet 在阿拉伯语排行榜上报告成绩的那个模型。BroadNet Transcribe 每分钟更便宜，覆盖 14 种语言，所以请在你的音频上两个都测一测。

## 相关指南

-   [用 API 把 WhatsApp 语音消息转成文字](https://broadrouter.com/zh/guides/transcribe-whatsapp-voice-notes/)
-   [用视觉模型识别阿拉伯语发票和收据](https://broadrouter.com/zh/guides/read-arabic-invoices-with-vision/)
-   [BroadNet Inference 错误码，以及什么时候该重试](https://broadrouter.com/zh/guides/errors-and-retries/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-guides-arabic-speech-to-text-api&utm_content=page-cta) ·

**来源**

-   [Soniox 语音转文字价格（核对于 2026-11-14）](https://soniox.com/pricing)
-   [BroadNet Inference API 参考文档：转写（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-guides-arabic-speech-to-text-api&utm_content=sources#requests)
-   [BroadNet Inference 价格（英文）](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-guides-arabic-speech-to-text-api&utm_content=sources)
-   [BroadNet 模型目录：语音转文字（实验室测量数据）（英文）](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard（开放通用阿拉伯语 ASR 排行榜）](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Soniox 文档：支持的语言（列有阿拉伯语；核对于 2026-11-14）](https://docs.soniox.com/stt/concepts/supported-languages)
-   [Deepgram 价格：Nova-3 预录音频（核对于 2026-11-14）](https://deepgram.com/pricing)
-   [Deepgram 模型与语言：Nova-3 阿拉伯语代码（核对于 2026-11-14）](https://developers.deepgram.com/docs/models-languages-overview)
-   [Speechmatics 价格：按量付费批量转写（核对于 2026-11-14）](https://www.speechmatics.com/pricing)
-   [Speechmatics 语言：Global Arabic 与阿拉伯语-英语（核对于 2026-11-14）](https://docs.speechmatics.com/speech-to-text/languages)
