---
title: "تحويل صوت أكبر من 25 MB إلى نص عبر API: قسّم وادمج | BroadRouter"
description: "كيف تفرّغ تسجيلات تتجاوز حد حجم الملف في API تحويل الصوت إلى نص: صغّر الملف، وقسّمه عند فترات الصمت بـ ffmpeg، وأرسل الأجزاء بالتوازي، ثم اجمع النص."
url: https://broadrouter.com/ar/blog/transcribe-long-audio-files-api/
lang: ar
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/transcribe-long-audio-files-api/) (حُدّث في 2026-11-15).

# تحويل صوت طويل يتجاوز 25 MB إلى نص: التقسيم والإرسال والدمج

بقلم فريق BroadNet Inference · قراءة في 6 دقائق · تاريخ النشر 2026-11-15

ترفض معظم واجهات التفريغ الصوتي أي ملف يتجاوز نحو 25 MB. حوّل التسجيل أولًا إلى 16 kHz أحادي القناة: فهذا وحده يُدخل نحو 13 دقيقة من WAV أو 54 دقيقة من MP3 بمعدل 64 kbit/s ضمن حد BroadNet البالغ 26,214,400 بايت. وللصوت الأطول، قسّمه عند فترات الصمت بـ ffmpeg، وفرّغ الأجزاء بالتوازي، واجمع النص بالترتيب.

## أبرز النقاط

-   الحد بالبايت لا بالدقائق. فـ WAV أحادي بتردد 16 kHz يستهلك 32,000 بايت في الثانية، فتعادل 26,214,400 بايت نحو 13.6 دقيقة؛ ويعادلها MP3 بمعدل 64 kbit/s نحو 54 دقيقة.
-   قسّم حسب الزمن عند فترة صمت، لا عند موضع بايت أبدًا. فالقطع عند بايت يكسر إطارات الصوت، والقطع في منتصف كلمة يُضيّع كلمات.
-   أبقِ الأجزاء أصغر من الحد بهامش واضح، مثل 10 دقائق من WAV، حتى لا يعيد ملف واحد مليء بالضجيج الخطأ 413.
-   أرسل الأجزاء بالتوازي حتى حد المفتاح: 4 طلبات قيد التنفيذ و30 في الدقيقة على مفتاح الدفع حسب الاستخدام لدى BroadNet.
-   التقسيم لا يغيّر طول الصوت الذي تدفع ثمنه. فساعة واحدة من العربية تكلّف $0.25 على BroadNet Transcribe Arabic.

**في هذه الصفحة**

1.  لماذا يفشل التسجيل الطويل؟
2.  الخطوة 1: كيف تصغّر الملف؟
3.  الخطوة 2: كيف تقسّم الصوت دون قطع الكلمات؟
4.  كيف يبدو السكربت الكامل؟
5.  كم جزءًا يمكنك إرساله في وقت واحد؟
6.  هل تحتاج إلى تداخل بين الأجزاء؟
7.  هل يستطيع الجزء التالي استخدام نص الجزء السابق كسياق؟
8.  كم يكلّف الملف الطويل؟
9.  ما الأخطاء التي ينبغي تجنّبها؟
10.  متى يكون التقسيم الأداة الخطأ؟
11.  أين تناسب BroadNet Inference

تقبل معظم واجهات تحويل الكلام إلى نص ملفًا واحدًا بحجم نحو 25 MB في كل طلب. وتقبل BroadNet Inference ملفات WAV أو MP3 حتى 26,214,400 بايت. والاجتماع الطويل أو المحاضرة أو حلقة البودكاست تتجاوز ذلك بسهولة، فيفشل الطلب بالخطأ 413. والحل أربع خطوات: صغّر الملف، وقسّمه عند فترات الصمت، وأرسل الأجزاء بالتوازي، ثم اجمع النص من جديد.

## لماذا يفشل التسجيل الطويل؟

الحد مفروض على البايتات لا على الدقائق. وعدد الدقائق التي تتسع لها يعتمد على الصيغة:

| الصيغة | بايت في الثانية | ما يتسع في 26,214,400 بايت |
| --- | --- | --- |
| WAV، 44.1 kHz استيريو، 16 بت | 176,400 | نحو 2.5 دقيقة |
| WAV، 16 kHz أحادي، 16 بت | 32,000 | نحو 13.6 دقيقة |
| MP3، 64 kbit/s | 8,000 | نحو 54 دقيقة |
| MP3، 32 kbit/s | 4,000 | نحو 109 دقائق |

هذه عمليات حسابية بسيطة: البايتات في الثانية مضروبة في عدد الثواني. وتسجيل الهاتف أو الحاسوب المحمول يكون غالبًا بتردد 44.1 أو 48 kHz استيريو، فيملأ الحد في دقائق قليلة. والكلام لا يحتاج إلى ذلك. لذا فإن التحويل إلى 16 kHz أحادي أولًا هو أكبر مكسب منفرد.

وحين يظل الملف كبيرًا، ترفضه الواجهة مباشرة. ففي BroadNet تكون الاستجابة 413، “the request exceeds the endpoint byte or text limit” (الترجمة: الطلب يتجاوز حد البايتات أو النص لنقطة النهاية)، ولا يُفرَّغ شيء. راجع [دليل رموز الأخطاء](https://broadrouter.com/ar/guides/errors-and-retries/).

## الخطوة 1: كيف تصغّر الملف؟

حوّله إلى 16 kHz أحادي قبل أي شيء آخر. يكفي أمر ffmpeg واحد:

```bash
ffmpeg -i meeting.m4a -ac 1 -ar 16000 meeting.wav
```

في BroadNet يجب أن يكون الناتج WAV (`audio/wav`) أو MP3 (`audio/mpeg`). وصيغ مثل `.m4a` و`.ogg` و`.webm` تحتاج إلى تحويل على أي حال، فأجرِ إعادة التعيين (resampling) في الخطوة نفسها.

هل تختار WAV أم MP3؟ WAV بلا فقد، فلا يضيع شيء، لكنه يملأ الحد في نحو 13 دقيقة. أما MP3 بمعدل 64 kbit/s فيتسع لأربعة أضعاف الصوت في الطلب الواحد، لكنه صيغة مع فقد. فإن استخدمت MP3، فأجرِ اختبارًا قصيرًا: فرّغ الدقائق الخمس نفسها بصيغة WAV وبصيغة MP3 وقارن النصين. ويشرح مدخل [معدل العيّنات](https://broadrouter.com/ar/glossary/sample-rate/) لماذا يكفي 16 kHz للكلام.

## الخطوة 2: كيف تقسّم الصوت دون قطع الكلمات؟

قسّم حسب الزمن، لا حسب البايتات أبدًا. فالقطع عند موضع بايت قد يقع في منتصف إطار صوتي، فلا يمكن فك ترميز الملف. والقطع عند زمن ثابت قد يقع في منتصف كلمة. ويحذّر دليل OpenAI نفسه من التقسيم في منتصف الجملة لأنه “can remove context and reduce accuracy” (الترجمة: قد يُفقد السياق ويقلّل الدقة).

الطريقة الموثوقة هي القطع داخل فترة صمت قريبة من الطول المستهدف. وللحصول على أوامر جاهزة تناسب حجم ملفك ومدته، استخدم [منشئ أوامر تقسيم الصوت](https://broadrouter.com/tools/audio-splitter-ffmpeg/) المجاني. أما يدويًا فتسير العملية هكذا:

1.  شغّل مرشّح [silencedetect](https://ffmpeg.org/ffmpeg-filters.html) في ffmpeg لسرد فجوات الصمت.
2.  تقدّم عبر التسجيل. وحين يبلغ الجزء نحو 10 دقائق، اقطع عند فترة الصمت التالية.
3.  اقطع كل جزء بـ ffmpeg، من نقطة قطع إلى التي تليها.

عشر دقائق من WAV أحادي بتردد 16 kHz تساوي 19.2 MB، فيبقى هامش تحت الحد. وإذا تكلّم متحدث مدة طويلة دون توقف، فإن السكربت أدناه يقطع عند الحد الأقصى الصارم بدلًا من ذلك.

ويستطيع [segment muxer](https://ffmpeg.org/ffmpeg-formats.html) في ffmpeg أيضًا تقسيم الملف إلى أجزاء “of nearly fixed duration” (الترجمة: بمدة شبه ثابتة) بأمر واحد. وهو سريع، لكنه لا يبحث عن الصمت، فاستخدمه فقط إذا كان فقد كلمة عند كل حدّ مقبولًا، أو أضف تداخلًا (انظر أدناه).

## كيف يبدو السكربت الكامل؟

يحوّل سكربت Python هذا الملف، ويقسّمه عند فترات الصمت، ويرسل حتى أربعة أجزاء في وقت واحد، ويجمع النص. ويستخدم OpenAI SDK موجّهة إلى BroadNet Inference.

```python
# pip install openai
import os, re, subprocess, tempfile
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
TARGET, HARD_MAX = 600, 750   # seconds: aim for 10 min, never above 12.5 min

def run(*args):
    return subprocess.run(args, capture_output=True, text=True, check=True)

def silences(path):
    """Midpoints (in seconds) of silent gaps of 0.5 s or more."""
    out = run("ffmpeg", "-i", path, "-af", "silencedetect=noise=-35dB:d=0.5",
              "-f", "null", "-").stderr
    starts = [float(x) for x in re.findall(r"silence_start: ([\d.]+)", out)]
    ends = [float(x) for x in re.findall(r"silence_end: ([\d.]+)", out)]
    return [(s + e) / 2 for s, e in zip(starts, ends)]

def duration(path):
    return float(run("ffprobe", "-v", "error", "-show_entries", "format=duration",
                     "-of", "csv=p=0", path).stdout)

def cut_points(path):
    total, gaps, cuts, last = duration(path), silences(path), [0.0], 0.0
    while total - last > HARD_MAX:
        ok = [g for g in gaps if last + TARGET <= g <= last + HARD_MAX]
        last = ok[0] if ok else last + HARD_MAX   # no silence: hard cut
        cuts.append(last)
    return cuts + [total]

def transcribe(chunk):
    with open(chunk, "rb") as f:
        return client.audio.transcriptions.create(
            model="broadnet/cohere-transcribe-arabic", file=f, language="ar").text

def transcribe_long(src):
    with tempfile.TemporaryDirectory() as tmp:
        wav = os.path.join(tmp, "full.wav")
        run("ffmpeg", "-y", "-i", src, "-ac", "1", "-ar", "16000", wav)
        cuts, chunks = cut_points(wav), []
        for i, (a, b) in enumerate(zip(cuts, cuts[1:])):
            out = os.path.join(tmp, f"part{i:03d}.wav")
            run("ffmpeg", "-y", "-i", wav, "-ss", str(a), "-to", str(b), out)
            chunks.append(out)
        with ThreadPoolExecutor(max_workers=4) as pool:   # map() keeps order
            return "\n".join(pool.map(transcribe, chunks))

print(transcribe_long("meeting.m4a"))
```

ملاحظات على السكربت:

-   **اللغة.** تقول وثائق BroadNet أن ترسل `language` دائمًا؛ فمن دونها “can otherwise be transliterated into Latin letters” (الترجمة: قد تُكتب العربية بحروف لاتينية). واستخدم `broadnet/cohere-transcribe` برمز اللغة الصحيح للإنجليزية أو الفرنسية أو أي من [اللغات المدعومة](https://broadrouter.com/ar/blog/multilingual-speech-to-text-api/) الأخرى.
-   **العتبات.** تناسب القيمتان `-35dB` و`0.5` ثانية غرفة هادئة. وتحتاج الغرف الصاخبة إلى قيمة ضجيج أعلى، مثل `-30dB`. اطبع نقاط القطع مرة وتحقّق منها.
-   **الترتيب.** تعيد `pool.map` النتائج بترتيب المدخلات، فيُجمع النص بالتسلسل الصحيح رغم أن الأجزاء تنتهي في أوقات مختلفة.

## كم جزءًا يمكنك إرساله في وقت واحد؟

بقدر ما يسمح به مفتاحك. فمفتاح الدفع حسب الاستخدام لدى BroadNet يسمح بـ 4 طلبات قيد التنفيذ و30 طلبًا في الدقيقة، ولهذا يستخدم السكربت أربعة عمّال. والطلب الخامس في الوقت نفسه يحصل على 429. أعد محاولة استجابات 429 و5xx مع تأخير أُسّي متزايد؛ ولا تُعد محاولة 413، لأن الملف نفسه سيفشل مجددًا. ويحوي مقال [كيف تتعامل مع أخطاء 429](https://broadrouter.com/ar/blog/handle-llm-api-429-rate-limits/) دالة مساعدة لإعادة المحاولة يمكنك إحاطة `transcribe()` بها.

ومع أربعة عمّال، يصبح تسجيل مدته ساعتان بأجزاء من 10 دقائق اثني عشر طلبًا على ثلاث موجات. فيكون الوقت الإجمالي نحو ثلاث رحلات ذهاب وإياب لجزء واحد، لا اثنتي عشرة.

## هل تحتاج إلى تداخل بين الأجزاء؟

لا إذا قطعت داخل فترات الصمت: فلا كلام عند الحدّ ليضيع. التداخل للقطع عند زمن ثابت. ابدأ كل جزء قبل نهاية الجزء السابق بثانية أو ثانيتين، ثم احذف الكلمات المكرّرة عند جمع النص. والطريقة المعتادة مقارنة الكلمات الأخيرة في جزء بالكلمات الأولى في الجزء التالي وحذف المتطابق.

وللتداخل تكلفة بسيطة. فثانيتان لكل جزء من 10 دقائق تضيفان نحو 0.3% إلى الصوت الذي تدفع ثمنه.

## هل يستطيع الجزء التالي استخدام نص الجزء السابق كسياق؟

بعض الواجهات تسمح بذلك. إذ تذكر OpenAI “carrying context from a previous chunk of a longer recording” (الترجمة: نقل السياق من جزء سابق في تسجيل أطول) كأحد استخدامات المعامل `prompt`. أما المرجع التقني لواجهة BroadNet فلا يذكر للتفريغ الصوتي إلا `model` و`language` و`file`، ويعيد JSON فيه الحقل `text`. لذا تعامل في BroadNet مع كل جزء على أنه مستقل، وصحّح الأسماء والمصطلحات بعد ذلك. ومن الحلول الرخيصة إرسال النص المجمَّع إلى نموذج محادثة مع قائمة بالتهجئة الصحيحة لأسماء الأشخاص والمنتجات والأماكن.

## كم يكلّف الملف الطويل؟

يُحاسَب تحويل الكلام إلى نص لكل دقيقة صوت، فلا يغيّر التقسيم الإجمالي. وبالأسعار المنشورة لدى BroadNet:

| الصوت | BroadNet Transcribe Arabic | BroadNet Transcribe (14 لغة) |
| --- | --- | --- |
| السعر للدقيقة | $0.0042 | $0.002 |
| ساعة واحدة | $0.25 | $0.12 |
| 1,000 ساعة | $252.00 | $120.00 |

تذكر صفحة الأسعار سعرًا لكل دقيقة صوت ولا تقول شيئًا عن حد أدنى لكل ملف أو عن التقريب. راجع صفحة الاستخدام بعد أول دفعة للتأكد من أن الإجمالي يطابق طول الصوت. ونموذجا التفريغ الصوتي متاحان على الرصيد المبدئي المجاني البالغ $5، الذي يغطي نحو 1,190 دقيقة من العربية. ولتقدير تكلفة حجمك أنت، استخدم [حاسبة تكلفة تحويل الكلام إلى نص](https://broadrouter.com/tools/speech-to-text-cost-calculator/)؛ وللمقارنة بين المزوّدين، راجع [بيانات أسعار API تحويل الكلام إلى نص](https://broadrouter.com/data/speech-to-text-api-prices/).

## ما الأخطاء التي ينبغي تجنّبها؟

-   **إرسال الملف الأصلي.** ملف WAV استيريو بتردد 48 kHz أكبر بست مرات مما يلزم.
-   **القطع عند مواضع البايتات.** لن يُفك ترميز الجزء، أو ستكون الثانية الأولى ضجيجًا.
-   **أجزاء عند الحد تمامًا.** جزء بحجم 25.9 MB يمرّ اليوم ويفشل حين يكون التسجيل أعلى صوتًا قليلًا. اترك هامشًا.
-   **توازٍ بلا حدود.** إطلاق 50 جزءًا دفعة واحدة يجعل معظمها يحصل على 429. اجعل عدد العمّال بحد الطلبات قيد التنفيذ للمفتاح.
-   **نسيان اللغة.** كل جزء طلب مستقل، فيحتاج كل منها إلى `language`.

## متى يكون التقسيم الأداة الخطأ؟

إذا كنت تحتاج إلى تسميات المتحدثين أو توقيتات الكلمات، فلن يمنحك تقسيم الملفات لواجهة تعيد نصًا فقط ذلك. فاستجابة التفريغ الصوتي في BroadNet نص فقط. والمزوّدون الذين يعيدون [فصل المتحدثين](https://broadrouter.com/ar/glossary/diarization/) و[التوقيتات](https://broadrouter.com/ar/glossary/timestamps-asr/) يتعاملون أيضًا مع الملفات الطويلة بشكل أكثر مباشرة؛ ويقارن بينهم [دليل شراء API تحويل الكلام العربي إلى نص](https://broadrouter.com/ar/blog/arabic-speech-to-text-api-buyers-guide/). ولتسجيلات المكالمات الاستيريو، قسّم حسب القناة لا حسب الزمن: ويبيّن [خط إنتاج مراكز الاتصال](https://broadrouter.com/ar/blog/transcribe-call-center-recordings/) كيف.

## أين تناسب BroadNet Inference

سعر BroadNet Transcribe Arabic هو $0.0042 للدقيقة، وتفيد BroadNet بأنه في المرتبة #2 من أصل 37 (وهو رقمها لشهر سبتمبر 2026؛ وأدرجته اللوحة المباشرة في المرتبة #4 من أصل 39 في 15 نوفمبر 2026) على [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard). ولا يُحتفظ بالصوت ولا بالنصوص المفرَّغة بعد الطلب. وهو يناسب التفريغ الدفعي للتسجيلات العربية الطويلة بعد تقسيمها كما سبق. ولا يناسبك إذا كنت تحتاج إلى توقيتات أو تسميات متحدثين أو بث مباشر في الواجهة نفسها. ويغطي [دليل تحويل الكلام العربي إلى نص](https://broadrouter.com/ar/guides/arabic-speech-to-text-api/) الطلب الأول؛ ويغطي هذا المقال الملفات الأكبر من أن تُرسل في طلب واحد.

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[تحويل الصوت إلى نص (Speech-to-text)](https://broadrouter.com/ar/glossary/speech-to-text/)

تحويل الكلام إلى نص، ويسمّى أيضًا التعرّف التلقائي على الكلام (ASR)، هو تقنية تحوّل الصوت المنطوق إلى نص مكتوب. تستقبل واجهة تحويل الصوت إلى نص ملفًا صوتيًا أو بثًا وتُرجع نصًا مفرّغًا، يُسعَّر عادةً لكل دقيقة صوت. وتُقاس الدقة بمعدل الخطأ في الكلمات، وتتفاوت بحسب اللكنة واللهجة وجودة التسجيل.

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

WAV (Waveform Audio File Format، أو WAVE) حاوية صوتية مبنية على صيغة RIFF من Microsoft وIBM. تحمل عادةً عينات PCM خطية غير مضغوطة، فيكون حجمها متوقَّعًا: معدل العينات مضروبًا في عدد بايتات العينة مضروبًا في عدد القنوات، لكل ثانية.

[التزامن (Concurrency)](https://broadrouter.com/ar/glossary/concurrency/)

التزامن (concurrency) هو عدد الطلبات التي تكون لدى العميل قيد التنفيذ في الوقت نفسه. وكثيرًا ما تضع واجهات LLM API سقفًا له لكل مفتاح أو خطة، بمعزل عن عدد الطلبات في الدقيقة، لأن كل طلب مفتوح يشغل قدرة من وحدة GPU حتى تكتمل استجابته.

[الدفع حسب الاستخدام (Pay-as-you-go)](https://broadrouter.com/ar/glossary/pay-as-you-go/)

الدفع حسب الاستخدام هو نموذج تسعير تدفع فيه مقابل ما تستخدمه فقط، مقيسًا بوحدات مثل الرموز (التوكنات) أو الطلبات أو دقائق الصوت، دون اشتراك أو حد أدنى للالتزام. وتحتسب معظم واجهات LLM API تكلفتها بهذه الطريقة، من رصيد مدفوع مسبقًا أو بفاتورة دورية.

[استدعاء الأدوات (Tool calling)](https://broadrouter.com/ar/glossary/tool-calling/)

استدعاء الأدوات، ويُسمّى أيضًا استدعاء الدوال (function calling)، ميزة في واجهات LLM API يُرجع فيها النموذج طلبًا منظَّمًا لتشغيل دالة عرّفها المطوّر، مع معاملات بصيغة JSON. ويشغّل التطبيق الدالة ويعيد النتيجة؛ فالنموذج لا يشغّل الشيفرة بنفسه أبدًا.

[تمييز المتحدثين (Speaker diarization)](https://broadrouter.com/ar/glossary/diarization/)

تمييز المتحدثين (speaker diarization) هو مهمة تقسيم التسجيل الصوتي إلى مقاطع حسب المتحدث، للإجابة عن سؤال "من تكلّم ومتى". ويَسِم كل مقطع كلام بمعرّف متحدث مجهول مثل SPEAKER\_00، ويُدمج عادةً مع النص المفرّغ ليُظهر من قال كل سطر.

[الرمز (التوكن، Token)](https://broadrouter.com/ar/glossary/token/)

الرمز (التوكن) هو وحدة النص التي يقرؤها نموذج اللغة ويكتبها: كلمة، أو جزء من كلمة، أو علامة ترقيم، أو تسلسل بايتات ينتجه مجزّئ النموذج (tokenizer). وتَعُدّ واجهات LLM API الاستهلاك بالرموز، وتضع حدودها بها، وتحتسب تكلفتها بها عادةً.

[حد المعدل (Rate limit)](https://broadrouter.com/ar/glossary/rate-limit/)

حد المعدل هو سقف تفرضه واجهة API على مقدار استخدام العميل لها خلال فترة زمنية، مثل عدد الطلبات في الدقيقة أو الرموز في الدقيقة. وتُرفض الطلبات التي تتجاوزه، غالبًا بالخطأ HTTP 429 Too Many Requests، إلى أن يعود الاستخدام تحت الحد.

## أسئلة شائعة

### كيف أحوّل ملفًا صوتيًا أكبر من 25 MB إلى نص؟

حوّله أولًا إلى 16 kHz أحادي القناة، فهذا كثيرًا ما يُنزله تحت الحد. وإذا بقي كبيرًا، فقسّمه بـ ffmpeg إلى أجزاء من نحو 10 دقائق عند مواضع الصمت، وفرّغ كل جزء بإعداد اللغة نفسه، واجمع النصوص بالترتيب.

### كم دقيقة من الصوت تتسع لها 25 MB؟

يعتمد ذلك على الصيغة. فـ WAV أحادي بتردد 16 kHz وعمق 16 بت يستهلك 32,000 بايت في الثانية، فتتسع 26,214,400 بايت لنحو 13.6 دقيقة. ويتسع MP3 بمعدل 64 kbit/s لنحو 54 دقيقة. أما WAV الاستيريو أو بتردد 44.1 kHz فيتسع لأقل من ذلك بكثير.

### ماذا يحدث إذا رفعت ملفًا يتجاوز الحد؟

يُرفض الطلب. تعيد BroadNet Inference الخطأ 413، وتعرّفه وثائقها بأنه طلب يتجاوز حد البايتات أو النص لنقطة النهاية. ولا يُفرَّغ شيء، فقسّم الملف وأعد إرساله.

### هل أفقد كلمات عند حدود الأجزاء؟

قد يحدث ذلك إذا قطعت عند زمن ثابت في منتصف الكلام. فاقطع داخل فترة صمت بدلًا من ذلك. وإن اضطررت للقطع عند زمن ثابت، فاجعل الأجزاء تتداخل بثانية أو ثانيتين، واحذف الكلمات المكرّرة عند الدمج.

### هل يكلّف تقسيم الملف أكثر؟

أنت تدفع مقابل دقائق الصوت، فالطول الإجمالي واحد. وتذكر صفحة أسعار BroadNet سعرًا لكل دقيقة صوت ولا تذكر حدًا أدنى لكل ملف ولا تقريبًا؛ فراجع صفحة الاستخدام بعد أول دفعة للتأكد.

### هل يمكنني إرسال نص الجزء السابق كسياق؟

بعض الواجهات تقبل أمرًا (prompt) لذلك؛ إذ تذكر OpenAI نقل السياق من جزء سابق كأحد استخدامات المعامل prompt. أما وثائق BroadNet فلا تذكر إلا model وlanguage وfile، فلا تعتمد على أمر هناك.

## تابع القراءة

-   [كيف تفرّغ تسجيلات مراكز الاتصال نصيًا: خط معالجة جاهز للعربية](https://broadrouter.com/ar/blog/transcribe-call-center-recordings/)
-   [API تحويل الصوت إلى نص بعدة لغات: 14 لغة عبر نقطة واحدة](https://broadrouter.com/ar/blog/multilingual-speech-to-text-api/)
-   [API تحويل الصوت العربي إلى نص: كيف تختار الأنسب في 2026؟](https://broadrouter.com/ar/blog/arabic-speech-to-text-api-buyers-guide/)
-   [بديل Whisper API: متى تنتقل، وكيف تختبر البديل](https://broadrouter.com/ar/blog/whisper-api-alternative/)
-   [أسعار API تحويل الصوت إلى نص: مقارنة سعر الدقيقة في 2026](https://broadrouter.com/ar/blog/speech-to-text-api-pricing-compared/)
-   [ترجمة نصية عربية (SRT) من API لتحويل الصوت إلى نص: ما تحتاجه](https://broadrouter.com/ar/blog/arabic-subtitles-srt-api/)
-   [تسجيل الصوت في المتصفح وإرساله إلى API لتحويل الصوت إلى نص](https://broadrouter.com/ar/blog/record-browser-audio-transcription-api/)
-   [ترجمة الصوت العربي إلى نص إنجليزي عبر API: مسار مُختبَر](https://broadrouter.com/ar/blog/translate-arabic-audio-to-english/)
-   [عتاد GPU لدى BroadNet وطريقة تقديم النماذج، كما تصفها BroadNet](https://broadrouter.com/ar/blog/broadnet-gpu-fleet-and-serving/)
-   [تخزين استجابات LLM API مؤقتًا لخفض التكلفة: تطابق تام بـ Python](https://broadrouter.com/ar/blog/cache-llm-responses-cut-cost/)
-   [دليل: API لتحويل الصوت العربي إلى نص خطوة بخطوة](https://broadrouter.com/ar/guides/arabic-speech-to-text-api/)
-   [دليل: تحويل رسائل WhatsApp الصوتية إلى نص عبر API](https://broadrouter.com/ar/guides/transcribe-whatsapp-voice-notes/)
-   [دليل: رموز أخطاء BroadNet Inference ومتى تعيد المحاولة](https://broadrouter.com/ar/guides/errors-and-retries/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-transcribe-long-audio-files-api&utm_content=page-cta) ·

**المصادر**

-   [المرجع التقني لواجهة BroadNet Inference: WAV أو MP3 حتى 26,214,400 بايت، وحقل language، والخطآن 413 و429، وحدود الدفع حسب الاستخدام (تاريخ الاطلاع 2026-11-15) (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-transcribe-long-audio-files-api&utm_content=sources)
-   [صفحة أسعار BroadNet Inference، سعر التفريغ الصوتي لكل دقيقة صوت (تاريخ الاطلاع 2026-11-15)](https://inference.broadnet.ai/ar/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-transcribe-long-audio-files-api&utm_content=sources)
-   [دليل OpenAI لتحويل الكلام إلى نص: حد 25 MB للملف، والتقسيم إلى أجزاء، وتجنّب القطع في منتصف الجملة (تاريخ الاطلاع 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [وثائق صيغ FFmpeg، أداة التقسيم segment muxer (تاريخ الاطلاع 2026-11-15)](https://ffmpeg.org/ffmpeg-formats.html)
-   [Open Universal Arabic ASR Leaderboard على Hugging Face (المرتبة التي تفيد بها BroadNet؛ تحقّق منها BroadRouter في 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [وثائق مرشّحات FFmpeg، المرشّح silencedetect (تاريخ الاطلاع 2026-11-15)](https://ffmpeg.org/ffmpeg-filters.html)
