BroadRouter

API تحويل الصوت العربي إلى نص: كيف تختار الأنسب في 2026؟

بقلم فريق BroadNet Inference · قراءة في 7 دقائق · تاريخ النشر · آخر تحديث

اختر API لتحويل الصوت العربي إلى نص باختباره على تسجيلاتك أنت: قِس معدل الخطأ في الكلمات (WER) على لهجاتك، ثم قارن سعر ساعة الصوت وحدود الملفات والاحتفاظ بالبيانات. يكلّف BroadNet Transcribe Arabic $0.25 لكل ساعة صوت ($0.0042 للدقيقة)، وقد أدرجته لوحة Open Universal Arabic ASR Leaderboard في المرتبة #4 من أصل 39 بتاريخ 15 نوفمبر 2026.

لاختيار API عربي لـتحويل الكلام إلى نص، فرّغ 30 إلى 50 مقطعًا من تسجيلاتك لكل لهجة بكل خيار مرشّح، وقارن معدل الخطأ في الكلمات لكل لهجة، ثم وازن بين سعر ساعة الصوت وحدود الملفات والحاجة إلى البث المباشر والاحتفاظ بالبيانات. فالنموذج الذي يبدو ممتازًا في اختبار معياري قد يخفق مع تسجيلات مركز الاتصال لديك.

العربية صعبة على أنظمة التعرف على الكلام: معيار كتابي واحد فوق لهجات منطوقة كثيرة، ومتحدثون ينتقلون إلى الإنجليزية في منتصف الجملة، ومعظم الصوت الحقيقي مكالمات هاتفية ورسائل صوتية.

لماذا يُعدّ معدل الخطأ في الكلمات على صوتك أنت هو الأهم؟

معدل الخطأ في الكلمات (WER) هو نسبة الكلمات التي يخطئ فيها النموذج: كلمات مستبدلة أو محذوفة أو مُضافة من عنده. وكلما انخفض كان أفضل. والأرقام المنشورة نقطة بداية فقط:

مجموعة الاختبار ما هي BroadNet Transcribe Arabic ElevenLabs Scribe v2 Whisper large-v3
FLEURS-ar جمل مقروءة بصوت نظيف 3.8 غير منشور غير منشور
MASC-ar كلام عربي متنوع من الواقع 21.1 22.3 31.5
مجموعة اللهجات من BroadNet كلام خليجي ومصري وشامي 23.4 25.6 31.8

هذه قياسات أجرتها BroadNet في مختبرها، ونشرتها في دليل نماذجها وصفحة Transcribe Arabic. وقد أجرت BroadNet المقارنة بنفسها، لذا تعامل مع عمودَي ElevenLabs وWhisper على أنهما اختبار أجراه مزوّد واحد لمنافسيه، لا نتيجة مستقلة. وتذكر BroadNet أيضًا أن النموذج يحتل المرتبة #2 من أصل 37 (وهو رقمها لشهر سبتمبر 2026؛ وأدرجته اللوحة المباشرة في المرتبة #4 من أصل 39 في 15 نوفمبر 2026) في Open Universal Arabic ASR Leaderboard، والمرتبة الأولى بين النماذج التي تسمح تراخيصها بتقديمها عبر API. في 15 نوفمبر 2026 كانت المداخل الثلاثة التي تسبقه هي Jais-ASR وSygma-ASR-Arabic (الذي تصفه اللوحة بأنه فك ترميز شعاعي beam decoding على نموذج Cohere) وAudar-ASR-V1-Turbo؛ وجاء Whisper large-v3 في المرتبة 19. ولم نتحقق من ترخيص كل مدخل.

يمكنك سماع أداء النموذج على صوتك قبل التسجيل: بيئة التجربة في المتصفح لدى BroadNet تفرّغ حتى 60 ثانية من الصوت العربي أو الإنجليزي دون حساب. راجع طريقة استخدام بيئة التجربة.

الفارق بين 3.8 و23.4 هو الدرس: قد يكون النموذج نفسه شبه مثالي في الكلام المقروء، وأضعف كثيرًا في محادثات اللهجات. اختبره على تسجيلاتك.

وكن حذرًا من أرقام المزوّدين عمومًا. فكثير من أرقام WER العربية المنشورة مصدرها اختبار المزوّد نفسه، على صوت لا تستطيع الاطلاع عليه. ولا يصلح الرقم للمقارنة إلا إذا كانت مجموعة الاختبار وطريقة التطبيع وأداة الحساب واحدة.

وللصورة الكاملة، يسرد مؤشر أسعار API تحويل الكلام إلى نص المفتوح لدينا أسعار التفريغ الدفعي والبث المباشر، ووحدات المحاسبة، ودعم العربية لأكثر من 20 منتجًا، وكلٌّ منها مُراجَع مقابل صفحة الأسعار لدى المزوّد نفسه (بصيغتي CSV وJSON).

كيف تتحقق من تغطية اللهجات؟

صنّف ملفات الاختبار حسب اللهجة: الخليجية، والمصرية، والشامية، والعراقية، والمغاربية، إضافةً إلى العربية الفصحى الحديثة. واحسب نتيجة كل مجموعة على حدة. فإذا كان معظم عملائك في الرياض، فمعدل الخطأ في اللهجة الخليجية أهم بكثير من أي متوسط.

انتبه إلى التبديل اللغوي (code-switching). فلغة الأعمال الخليجية تمزج أسماء منتجات وأرقامًا بالإنجليزية. تحقق من طريقة ظهور الأرقام والتواريخ والأسماء، لأنها الكلمات التي يتصرف بناءً عليها نظامك اللاحق. وتوفّر BroadNet عند الطلب نموذجًا عربيًا مضبوطًا بدقة للأرقام والتواريخ والأسماء في الصوت المشوَّش.

كم يكلّف تحويل الصوت العربي إلى نص لكل ساعة صوت؟

قارن بسعر ساعة الصوت، لأن حجم عملك يُقاس بها:

النموذج للدقيقة للساعة 1,000 ساعة
BroadNet Transcribe Arabic $0.0042 $0.25 $252.00
BroadNet Transcribe (14 لغة) $0.002 $0.12 —
Soniox غير المتزامن (ملفات)، أكثر من 60 لغة نحو 0.0017 دولار أمريكي (محسوب) نحو 0.10 دولار أمريكي نحو 100 دولار أمريكي
Soniox الفوري (بث مباشر) نحو 0.002 دولار أمريكي (محسوب) نحو 0.12 دولار أمريكي نحو 120 دولارًا أمريكيًا

صفّا Soniox مأخوذان من صفحة أسعار Soniox، وقد رُوجعت في 14 نوفمبر 2026. تحاسب Soniox لكل رمز (توكن)، بنحو 30,000 رمز صوتي في الساعة، وتذكر الأرقام بالساعة على أنها تقريبية.

Soniox أرخص من BroadNet لكل ساعة. فسعرها للملفات أقل من نصف سعر BroadNet Transcribe Arabic البالغ $0.25، وأقل من سعر BroadNet Transcribe البالغ $0.12. ويساوي سعرها الفوري سعر BroadNet Transcribe، ويظل أرخص من النموذج العربي، علمًا بأن BroadNet لا توثّق البث الفوري إطلاقًا. تُدرج Soniox العربية (ar) ضمن لغاتها المدعومة وتعرض سعرًا واحدًا لكل اللغات. لكنها لا تنشر أسعارًا خاصة بالعربية، ولا أرقام WER للعربية، ولا تغطية اللهجات؛ فالسعر واضح أما الدقة فلا. أجرِ اختبار اللهجات نفسه على الاثنين قبل أن تختار على أساس السعر.

في صندوق دعم فني، تكلّف 10,000 رسالة صوتية على واتساب، مدة كلٍّ منها 30 ثانية، $21.00 على النموذج العربي. والحساب هو 10,000 × 0.5 minutes × $0.0042. احسب حجمك الفعلي باستخدام حاسبة تكلفة تحويل الكلام إلى نص.

عند مقارنة المزوّدين، تحقق من وحدة المحاسبة لا من السعر وحده: بالثانية، أو بالدقيقة، أو لكل كتلة زمنية تبدأ، وهل يوجد حد أدنى للرسوم لكل ملف. فالرسائل الصوتية القصيرة هي حيث يظهر أثر التقريب في الفاتورة. ولأسعار الدقيقة لدى مزوّدين آخرين، مُراجَعةً مقابل صفحات أسعارهم، راجع مقارنة أسعار API تحويل الكلام إلى نص؛ وإذا كنت تنتقل من نقطة نهاية OpenAI، فراجع قائمة بديل Whisper API. وتوضّح المقارنة بين Transcribe وTranscribe Arabic متى يكفي النموذج الأرخص متعدد اللغات (14 لغة).

ما الميزات التي ينبغي أن يوفّرها API لتحويل الصوت العربي إلى نص؟

لا يحتاج كل منتج إلى كل الميزات. حدّد ما يهمك منها قبل أن تقارن:

الميزة لماذا تهم ما الذي تسأل عنه
رفع الملفات للتفريغ الدفعي الرسائل الصوتية والتسجيلات والأرشيف الصيغ والحد الأقصى لحجم الملف
البث الفوري الترجمة النصية الحية ووكلاء الصوت زمن الاستجابة، وهل هو منتج منفصل
تمييز المتحدثين (diarization) مكالمات بين موظف وعميل للتفريغ الدفعي فقط أم للبث الحي أيضًا؟
طوابع زمنية للكلمات الترجمة المرئية والبحث وأدوات المراجعة على مستوى الكلمة أم المقطع؟
التبديل اللغوي عربية تتخللها مصطلحات إنجليزية هل يتطلب لغة واحدة لكل طلب؟
الاحتفاظ بالبيانات المكالمات تحمل بيانات شخصية هل يُحفظ الصوت أو النص، وإلى متى؟

ما توثّقه BroadNet اليوم: التفريغ الدفعي عبر نقطة النهاية /v1/audio/transcriptions المتوافقة مع OpenAI، وإدخال WAV أو MP3، وحقل language، وعدم الاحتفاظ بأي بيانات. أما أي شيء آخر في هذه القائمة، فتحقق منه في المرجع التقني قبل أن تعتمد عليه.

ما حدود الملفات والصيغ المعمول بها؟

  • حجم الملف. تقبل BroadNet ملفات WAV أو MP3 حتى 26,214,400 بايت (25 MiB) للملف الواحد. ويعيد الملف الأكبر الرمز 413؛ قسّم التسجيلات الأطول.
  • الصيغ. حوّل الرسائل الصوتية بصيغة .ogg والتسجيلات بصيغة .m4a أولًا؛ ويتضمن دليل الرسائل الصوتية في واتساب أمر ffmpeg المطلوب.
  • حقل اللغة. أرسل language=ar. فمن دونه قد يعود النص العربي مكتوبًا بحروف لاتينية.
  • حدود المعدل. يسمح مفتاح الدفع حسب الاستخدام بـ 30 طلبًا في الدقيقة و4 في آنٍ واحد. ولقائمة ملفات متراكمة كبيرة، ضع الملفات في طابور وأعد محاولة استجابات 429 مع انتظار متزايد؛ راجع الأخطاء وإعادة المحاولة.

هل يُحفظ الصوت؟

تحمل الرسائل الصوتية والمكالمات أسماءً وأرقام هواتف وتفاصيل صحية أو مصرفية. اسأل كل مزوّد هل يحتفظ بالصوت والنصوص المفرّغة، وإلى متى. لا تحتفظ BroadNet Inference بأيٍّ منهما؛ راجع عدم الاحتفاظ بالبيانات وقائمة التحقق الخاصة بعدم الاحتفاظ بالبيانات (ZDR).

كيف تختبر API لتحويل الصوت العربي إلى نص في ظهيرة واحدة؟

  1. اجمع 30 إلى 50 مقطعًا حقيقيًا لكل لهجة من قناة الإنتاج لديك. واحذف كل ما لا يحق لك مشاركته.
  2. اكتب النص الصحيح لـ 10 مقاطع لكل لهجة يدويًا، باتباع قاعدة إملائية واحدة متفق عليها.
  3. فرّغ كل مقطع بكل واجهة مرشّحة. يتضمن الدليل العربي خطوة بخطوة شيفرة curl وPython لـ BroadNet.
  4. طبّع النصين بالطريقة نفسها، واحسب WER وCER لكل لهجة. يتضمن شرح WER للعربية دالة التطبيع بلغة Python، ويوضح لماذا قد يحوّل تجاهلُها نصًا مفرّغًا مثاليًا إلى WER بنسبة 75%.
  5. اقرأ 20 نصًا مفرّغًا بنفسك. فقد يخفي معدل WER المنخفض أرقامًا أو أسماءً خاطئة.

وتجد شرحًا مفصلًا لطريقة اختيار المقاطع وكتابة النصوص المرجعية وحساب نتيجة كل مجموعة لهجية في التعرف على كلام اللهجات العربية.

أخطاء شائعة

  • الاختبار على صوت نظيف فقط. استخدم تسجيلات حقيقية من الهاتف والرسائل الصوتية.
  • متوسط WER واحد. قد يخفي المتوسط الجيد لهجةً يستخدمها عملاؤك.
  • إغفال حقل اللغة. النص المكتوب بحروف لاتينية يُحتسب كله تقريبًا أخطاءً.
  • تجاهل الأرقام. راجع الأرقام والتواريخ والمبالغ يدويًا؛ فهي ما يتصرف بناءً عليه نظامك.

أين تناسب BroadNet Inference

يناسب BroadNet Transcribe Arabic التفريغ الدفعي للرسائل الصوتية والمكالمات والتسجيلات العربية بسعر للدقيقة، دون الاحتفاظ بأي صوت. ويغطي الرصيد المبدئي البالغ $5 نحو 1,190 دقيقة من الصوت العربي، وهذا يكفي للاختبار أعلاه دون بطاقة. وإذا كنت تحتاج إلى ميزات لا يوثّقها، مثل الترجمة النصية الحية عبر البث المباشر، فاختبر مزوّدًا يوفّرها. ولمهام النص العربي بعد التفريغ، راجع اختيار نموذج لغوي كبير للعربية.

أسئلة شائعة

ما معدل الخطأ في الكلمات (WER) الجيد للعربية؟

يعتمد ذلك على الصوت. تذكر BroadNet أن BroadNet Transcribe Arabic يسجّل 3.8 على FLEURS-ar (كلام مقروء نظيف)، و21.1 على MASC-ar، و23.4 على مجموعة اللهجات الخاصة بها. ويظل صوت المحادثة باللهجات أصعب دائمًا من الكلام المقروء.

ما أفضل API لتحويل الصوت إلى نص للهجات العربية؟

لا توجد إجابة واحدة، لأن النتائج تختلف باختلاف اللهجة وجودة التسجيل. اختر اثنتين أو ثلاثًا من الواجهات، وفرّغ بكل منها 30 إلى 50 مقطعًا من تسجيلاتك لكل لهجة، ثم قارن معدل الخطأ في الكلمات لكل لهجة، لا متوسطًا عامًّا.

كم تكلفة تفريغ 1,000 ساعة من الصوت العربي؟

بسعر $0.0042 لكل دقيقة صوت، تكلّف 1,000 ساعة $252.00 مع BroadNet Transcribe Arabic.

هل يدعم تحويل الصوت العربي إلى نص من BroadNet البث المباشر؟

توثّق BroadNet التفريغ الدفعي عبر /v1/audio/transcriptions لملفات WAV أو MP3 حتى 25 MiB، ولا توثّق الترجمة النصية الحية عبر البث المباشر. إذا كنت تحتاج إليها، فإن Soniox مثلًا تبيع التفريغ الفوري وتضم العربية في قائمة لغاتها (رُوجع في 14 نوفمبر 2026).

هل يمكنه تفريغ الرسائل الصوتية في واتساب؟

نعم، بعد تحويل ملف .ogg إلى WAV أو MP3 باستخدام ffmpeg. ويعرض دليل واتساب على هذا الموقع أمر التحويل في سطر واحد.

هل يُحفظ الصوت الذي أرسله؟

لا. لا تحتفظ BroadNet Inference بالصوت ولا بالنصوص المفرّغة بعد الطلب؛ ولا تحتفظ إلا بسجلات خالية من المحتوى، مثل التوقيتات والتكلفة.

اقرأها بصيغة Markdownاسأل ChatGPTاسأل Claudeاسأل Perplexity