تحمل الملاحظات الصوتية والمكالمات والاجتماعات معلومات لا تستطيع البرمجيات البحث فيها حتى تصبح نصًا. وتحويل الكلام إلى نص يسدّ هذه الفجوة.
كيف يعمل
تعرّف Hugging Face التعرّف التلقائي على الكلام بأنه “the task of transcribing a given audio to text” (ترجمة: مهمة تفريغ صوت معيّن إلى نص). يحوّل نموذج ASR الحديث الصوت إلى خصائص، ثم يولّد تسلسل الكلمات الأرجح.
عبر واجهة API متوافقة مع OpenAI، ترفع الملف بصيغة multipart form data إلى /v1/audio/transcriptions:
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
الاستجابة بصيغة JSON والنص المفرّغ في text. ويضع المزوّدون حدودًا لحجم الملفات وصيغها؛ ونقطة النهاية لدى OpenAI نفسها تقبل ملفات حتى 25 MB (وفق دليلها لتحويل الكلام إلى نص، تاريخ المراجعة 2026-11-15).
لماذا يهم
- الدقة تحدّد القيمة. النص المفرّغ الذي يخطئ في الأسماء أو الأرقام قد يكون أسوأ من عدمه. وتُقاس الدقة بمعدل الخطأ في الكلمات، وتنخفض مع اللكنات واللهجات وتداخل الأصوات وصوت الهاتف.
- السعر لكل ساعة صوت. يُحتسب تحويل الكلام إلى نص لكل دقيقة صوت، فيسهل توقّع التكلفة: ساعات الصوت مضروبةً في سعر الساعة.
- الخصوصية. يحمل الصوت أسماء وأرقام هواتف وتفاصيل صحية أو مصرفية. اسأل هل يُحتفظ بالصوت والنصوص المفرّغة؛ راجع عدم الاحتفاظ بالبيانات.
- سلاسل المعالجة. كثيرًا ما يُمرَّر النص المفرّغ بعد ذلك إلى نموذج لغة، للتلخيص أو التوجيه أو الاستخراج.
في BroadNet Inference
| النموذج | اللغات | السعر للدقيقة | للساعة |
|---|---|---|---|
| BroadNet Transcribe Arabic | العربية بما فيها اللهجات | $0.0042 | $0.25 |
| BroadNet Transcribe | 14 لغة | $0.002 | $0.12 |
يقبل النموذجان كلاهما WAV أو MP3 حتى 26,214,400 بايت (25 MiB) للملف؛ ويُرجع الملف الأكبر الخطأ 413. أرسل language=ar للعربية، وإلا فقد يعود الكلام مكتوبًا بحروف لاتينية. وتُبلغ BroadNet أن النموذج العربي 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 لوحة الصدارة Open Universal Arabic ASR Leaderboard. ولا يُحتفظ بالصوت ولا بالنصوص المفرّغة.
قد تكلّف جهات أخرى أقل. ففي 2026-11-14، أدرجت صفحة أسعار Soniox نحو USD 0.10 للساعة لتفريغ الملفات (غير المتزامن) وUSD 0.12 للساعة للتفريغ الفوري، وتتضمّن قائمة لغاتها العربية. وهذا أقل من سعر BroadNet Transcribe Arabic البالغ $0.25 للساعة، فاختبر الاثنين على تسجيلاتك. ويُدرج مؤشر أسعار واجهات تحويل الكلام إلى نص المفتوح لدينا أكثر من 20 منتجًا، مع مصدر وتاريخ لكل سعر.
يعمل النموذجان كلاهما بالرصيد المبدئي المجاني البالغ $5، الذي يغطي نحو 1,190 دقيقة من الصوت العربي. ابدأ بدليل تحويل الصوت العربي إلى نص، وحوّل ملفات .ogg من WhatsApp بدليل الملاحظات الصوتية، وقارن المزوّدين بدليل المشتري.