---
title: "ما هو API تحويل الصوت إلى نص؟ ASR والتفريغ الصوتي | BroadRouter"
description: "تحويل الصوت إلى نص يحوّل الكلام المنطوق إلى نص مكتوب. كيف تعمل واجهات التفريغ الصوتي، وكم تكلّف لكل دقيقة صوت، وكيف تُقاس الدقة، وما الحدود التي تتحقق منها."
url: https://broadrouter.com/ar/glossary/speech-to-text/
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/glossary/speech-to-text/) (حُدّث في 2026-11-15).

# تحويل الصوت إلى نص (Speech-to-text)

آخر تحديث 2026-11-15

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.

يُسمّى أيضًا: تحويل الكلام إلى نص، التفريغ الصوتي، تفريغ صوتي، التعرف التلقائي على الكلام، تحويل الصوت إلى كتابة، STT، ASR، speech-to-text، automatic speech recognition، transcription API، audio transcription، voice to text

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`:

```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
```

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](https://broadrouter.com/ar/glossary/word-error-rate/)، 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](https://broadrouter.com/ar/glossary/zero-data-retention/).
-   **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](https://broadrouter.com/ar/models/cohere-transcribe-arabic/) | العربية بما فيها اللهجات | $0.0042 | $0.25 |
| [BroadNet Transcribe](https://broadrouter.com/ar/models/cohere-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](https://soniox.com/pricing) 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](https://broadrouter.com/data/speech-to-text-api-prices/) 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](https://broadrouter.com/ar/guides/arabic-speech-to-text-api/)، وحوّل ملفات `.ogg` من WhatsApp [بدليل الملاحظات الصوتية](https://broadrouter.com/ar/guides/transcribe-whatsapp-voice-notes/)، وقارن المزوّدين [بدليل المشتري](https://broadrouter.com/ar/blog/arabic-speech-to-text-api-buyers-guide/).

## أسئلة شائعة

### كيف تُقاس دقة تحويل الصوت إلى نص؟

بمعدل الخطأ في الكلمات (WER)، أي نسبة الكلمات التي يخطئ فيها النص المفرّغ مقارنةً بنص مرجعي صحيح. والأقل أفضل. قِسه على تسجيلاتك، لأن الدقة تتفاوت كثيرًا بحسب اللكنة واللهجة وجودة الصوت.

### كيف أفرّغ ملفات أكبر من حد الحجم؟

قسّم الصوت إلى مقاطع أقصر، ويُفضَّل عند فترات الصمت، وفرّغ كل مقطع. والضغط إلى MP3 يقلّل الحجم أيضًا.

### لماذا يعود الكلام العربي أحيانًا بحروف لاتينية؟

من دون تحديد اللغة، تكتب بعض النماذج الكلام بحروف لاتينية. في BroadNet Inference أرسل language=ar للعربية.

## انظر أيضًا

-   [معدل الخطأ في الكلمات (WER)](https://broadrouter.com/ar/glossary/word-error-rate/) (مصطلح)
-   [عدم الاحتفاظ بالبيانات (Zero data retention)](https://broadrouter.com/ar/glossary/zero-data-retention/) (مصطلح)
-   [واجهة API متوافقة مع OpenAI (OpenAI-compatible API)](https://broadrouter.com/ar/glossary/openai-compatible-api/) (مصطلح)
-   [الدفع حسب الاستخدام (Pay-as-you-go)](https://broadrouter.com/ar/glossary/pay-as-you-go/) (مصطلح)
-   [تمييز المتحدثين (Speaker diarization)](https://broadrouter.com/ar/glossary/diarization/) (مصطلح)
-   [كشف النشاط الصوتي (VAD)](https://broadrouter.com/ar/glossary/vad/) (مصطلح)
-   [معدل أخذ العينات (Sample rate)](https://broadrouter.com/ar/glossary/sample-rate/) (مصطلح)
-   [الطوابع الزمنية في التفريغ الصوتي (Timestamps)](https://broadrouter.com/ar/glossary/timestamps-asr/) (مصطلح)
-   [التناوب اللغوي (Code-switching)](https://broadrouter.com/ar/glossary/code-switching/) (مصطلح)
-   [تحويل النص إلى كلام (TTS)](https://broadrouter.com/ar/glossary/text-to-speech/) (مصطلح)
-   [ملف WAV](https://broadrouter.com/ar/glossary/wav/) (مصطلح)
-   [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)
-   [API تحويل الصوت العربي إلى نص: كيف تختار الأنسب في 2026؟](https://broadrouter.com/ar/blog/arabic-speech-to-text-api-buyers-guide/) (مقال)

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-glossary-speech-to-text&utm_content=page-cta) ·

**المصادر**

-   [أسعار Soniox لتحويل الكلام إلى نص (رُوجع في 2026-11-14)](https://soniox.com/pricing)
-   [Hugging Face Tasks، التعرّف التلقائي على الكلام](https://huggingface.co/tasks/automatic-speech-recognition)
-   [OpenAI، دليل تحويل الكلام إلى نص (نقطة نهاية transcriptions، وحد حجم الملف 25 MB؛ تاريخ المراجعة 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [المرجع التقني لـ BroadNet Inference API، التفريغ الصوتي (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-glossary-speech-to-text&utm_content=sources)
-   [أسعار BroadNet Inference بصيغة قابلة للقراءة آليًا (pricing.json) (بالإنجليزية)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-glossary-speech-to-text&utm_content=sources)
