---
title: "Audio über 25 MB per API transkribieren und aufteilen"
description: "So transkribieren Sie Aufnahmen über dem Dateilimit einer Speech-to-Text API: Datei verkleinern, an Pausen mit ffmpeg teilen, parallel senden, Text zusammenfügen."
url: https://broadrouter.com/de/blog/transcribe-long-audio-files-api/
lang: de
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/blog/transcribe-long-audio-files-api/) (aktualisiert am 2026-11-15).

# Audio über 25 MB transkribieren: aufteilen, senden, zusammenfügen

Vom Team von BroadNet Inference · 6 Min. Lesezeit · Veröffentlicht 2026-11-15

Die meisten Transkriptions-APIs lehnen eine einzelne Datei über etwa 25 MB ab. Wandeln Sie die Aufnahme zuerst in 16 kHz mono um: Allein damit passen etwa 13 Minuten WAV oder 54 Minuten MP3 mit 64 kbit/s in das Limit von 26.214.400 Byte bei BroadNet. Längeres Audio teilen Sie mit ffmpeg an Pausen, transkribieren die Teile parallel und fügen den Text in der richtigen Reihenfolge zusammen.

## Das Wichtigste in Kürze

-   Das Limit gilt für Bytes, nicht für Minuten. WAV mit 16 kHz mono hat 32.000 Byte pro Sekunde, 26.214.400 Byte sind also etwa 13,6 Minuten; MP3 mit 64 kbit/s etwa 54 Minuten.
-   Teilen Sie nach Zeit an einer Pause, nie an einem Byte-Offset. Ein Schnitt nach Bytes zerstört die Audio-Frames, ein Schnitt mitten im Wort kostet Wörter.
-   Halten Sie die Teile deutlich unter dem Limit, etwa 10 Minuten WAV, damit eine laute Datei nie 413 zurückgibt.
-   Senden Sie die Teile parallel bis zum Limit des Schlüssels: 4 Anfragen gleichzeitig und 30 pro Minute bei einem Pay-as-you-go-Schlüssel von BroadNet.
-   Das Aufteilen ändert nichts an der bezahlten Audiolänge. Eine Stunde Arabisch kostet mit BroadNet Transcribe Arabic $0.25.

**Auf dieser Seite**

1.  Warum scheitert eine lange Aufnahme?
2.  Schritt 1: Wie verkleinert man die Datei?
3.  Schritt 2: Wie teilt man Audio, ohne Wörter zu zerschneiden?
4.  Wie sieht das vollständige Skript aus?
5.  Wie viele Teile kann man gleichzeitig senden?
6.  Braucht man eine Überlappung zwischen den Teilen?
7.  Kann der nächste Teil den Text des vorherigen als Kontext nutzen?
8.  Was kostet eine lange Datei?
9.  Welche Fehler sollte man vermeiden?
10.  Wann ist Aufteilen das falsche Werkzeug?
11.  Wo BroadNet Inference ins Bild passt

Die meisten Speech-to-Text-APIs nehmen pro Anfrage eine Datei von etwa 25 MB an. BroadNet Inference akzeptiert WAV oder MP3 bis 26.214.400 Byte. Ein langes Meeting, eine Vorlesung oder ein Podcast sprengt diese Grenze, und die Anfrage scheitert mit 413. Die Lösung hat vier Schritte: Datei verkleinern, an Pausen aufteilen, die Teile parallel senden und den Text wieder zusammenfügen.

## Warum scheitert eine lange Aufnahme?

Das Limit gilt für Bytes, nicht für Minuten. Wie viele Minuten hineinpassen, hängt vom Format ab:

| Format | Byte pro Sekunde | Passt in 26.214.400 Byte |
| --- | --- | --- |
| WAV, 44,1 kHz stereo, 16 Bit | 176.400 | Etwa 2,5 Minuten |
| WAV, 16 kHz mono, 16 Bit | 32.000 | Etwa 13,6 Minuten |
| MP3, 64 kbit/s | 8.000 | Etwa 54 Minuten |
| MP3, 32 kbit/s | 4.000 | Etwa 109 Minuten |

Das ist einfache Rechnung: Byte pro Sekunde mal Sekunden. Eine Aufnahme vom Handy oder Laptop hat oft 44,1 oder 48 kHz stereo und füllt das Limit in wenigen Minuten. Für Sprache braucht man das nicht. Die Umwandlung in 16 kHz mono ist der größte einzelne Gewinn.

Ist eine Datei immer noch zu groß, lehnt die API sie sofort ab. Bei BroadNet lautet die Antwort 413, „the request exceeds the endpoint byte or text limit“ (Übersetzung: „die Anfrage überschreitet das Byte- oder Textlimit des Endpoints“), und es wird nichts transkribiert. Siehe den [Leitfaden zu Fehlercodes](https://broadrouter.com/de/guides/errors-and-retries/).

## Schritt 1: Wie verkleinert man die Datei?

Wandeln Sie vor allem anderen in 16 kHz mono um. Ein einziger ffmpeg-Befehl erledigt das:

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

Für BroadNet muss die Ausgabe WAV (`audio/wav`) oder MP3 (`audio/mpeg`) sein. Formate wie `.m4a`, `.ogg` und `.webm` müssen ohnehin konvertiert werden, also erledigen Sie das Resampling im selben Schritt.

WAV oder MP3? WAV ist verlustfrei, es geht also nichts verloren, füllt das Limit aber in etwa 13 Minuten. MP3 mit 64 kbit/s bringt pro Anfrage viermal so viel Audio unter, ist aber verlustbehaftet. Wenn Sie MP3 nutzen, machen Sie einen kurzen Test: Transkribieren Sie dieselben fünf Minuten als WAV und als MP3 und vergleichen Sie den Text. Der Eintrag zur [Abtastrate](https://broadrouter.com/de/glossary/sample-rate/) erklärt, warum 16 kHz für Sprache genügen.

## Schritt 2: Wie teilt man Audio, ohne Wörter zu zerschneiden?

Teilen Sie nach Zeit, nie nach Bytes. Ein Schnitt an einem Byte-Offset kann mitten in einem Audio-Frame landen, und die Datei lässt sich nicht mehr dekodieren. Ein Schnitt zu einer festen Zeit kann mitten in einem Wort landen. Der Leitfaden von OpenAI selbst warnt davor, mitten im Satz zu trennen, weil das „can remove context and reduce accuracy“ (Übersetzung: „Kontext entfernen und die Genauigkeit verringern kann“).

Die zuverlässige Methode ist, in einer Pause nahe der Ziellänge zu schneiden. Fertige Befehle für Ihre Dateigröße und Dauer liefert der kostenlose [Befehlsgenerator zum Aufteilen von Audio](https://broadrouter.com/tools/audio-splitter-ffmpeg/). Von Hand geht es so:

1.  Lassen Sie den Filter [silencedetect](https://ffmpeg.org/ffmpeg-filters.html) von ffmpeg die stillen Lücken auflisten.
2.  Gehen Sie die Aufnahme durch. Wenn ein Teil etwa 10 Minuten erreicht, schneiden Sie an der nächsten Pause.
3.  Schneiden Sie jeden Teil mit ffmpeg aus, von einem Schnittpunkt zum nächsten.

Zehn Minuten WAV mit 16 kHz mono sind 19,2 MB, das lässt Luft unter dem Limit. Spricht jemand lange ohne Pause, schneidet das Skript unten stattdessen am harten Maximum.

Der [Segment-Muxer](https://ffmpeg.org/ffmpeg-formats.html) von ffmpeg kann eine Datei auch mit einem Befehl in Stücke „of nearly fixed duration“ (Übersetzung: „von nahezu fester Dauer“) teilen. Das geht schnell, sucht aber nicht nach Pausen. Nutzen Sie ihn also nur, wenn ein verlorenes Wort an jeder Grenze akzeptabel ist, oder fügen Sie eine Überlappung hinzu (siehe unten).

## Wie sieht das vollständige Skript aus?

Dieses Python-Skript konvertiert, teilt an Pausen, sendet bis zu vier Teile gleichzeitig und fügt den Text zusammen. Es nutzt das OpenAI SDK, das auf BroadNet Inference zeigt.

```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"))
```

Hinweise zum Skript:

-   **Sprache.** Die Doku von BroadNet sagt, immer `language` mitzusenden; ohne diese Angabe „can otherwise be transliterated into Latin letters“ (Übersetzung: „kann Arabisch sonst in lateinische Buchstaben transliteriert werden“). Nutzen Sie `broadnet/cohere-transcribe` mit dem passenden Sprachcode für Englisch, Französisch oder eine der anderen [unterstützten Sprachen](https://broadrouter.com/de/blog/multilingual-speech-to-text-api/).
-   **Schwellenwerte.** `-35dB` und `0.5` Sekunden passen zu einem ruhigen Raum. In lauten Räumen brauchen Sie einen höheren Rauschwert, etwa `-30dB`. Geben Sie die Schnittpunkte einmal aus und prüfen Sie sie.
-   **Reihenfolge.** `pool.map` liefert die Ergebnisse in der Eingabereihenfolge, sodass der Text richtig zusammengesetzt wird, auch wenn die Teile zu unterschiedlichen Zeiten fertig werden.

## Wie viele Teile kann man gleichzeitig senden?

So viele, wie Ihr Schlüssel erlaubt. Ein Pay-as-you-go-Schlüssel von BroadNet erlaubt 4 gleichzeitige Anfragen und 30 Anfragen pro Minute; deshalb nutzt das Skript vier Worker. Eine fünfte gleichzeitige Anfrage bekommt 429. Wiederholen Sie Antworten mit 429 und 5xx mit exponentiellem Backoff; wiederholen Sie 413 nicht, denn dieselbe Datei scheitert wieder. [Wie man mit 429-Fehlern umgeht](https://broadrouter.com/de/blog/handle-llm-api-429-rate-limits/) enthält einen Retry-Helfer, den Sie um `transcribe()` legen können.

Mit vier Workern wird eine zweistündige Aufnahme in 10-Minuten-Teilen zu 12 Anfragen in drei Wellen. Die Gesamtzeit entspricht ungefähr drei Durchläufen eines Teils, nicht zwölf.

## Braucht man eine Überlappung zwischen den Teilen?

Nicht, wenn Sie in Pausen schneiden: An der Grenze gibt es keine Sprache, die verloren gehen könnte. Überlappung ist für Schnitte zu festen Zeiten gedacht. Lassen Sie jeden Teil ein bis zwei Sekunden vor dem Ende des vorherigen beginnen und entfernen Sie beim Zusammenfügen die doppelten Wörter. Üblich ist, die letzten paar Wörter eines Teils mit den ersten des nächsten zu vergleichen und die Übereinstimmung zu streichen.

Überlappung kostet ein wenig. Zwei Sekunden pro 10-Minuten-Teil erhöhen das bezahlte Audio um etwa 0,3 %.

## Kann der nächste Teil den Text des vorherigen als Kontext nutzen?

Manche APIs erlauben das. OpenAI nennt „carrying context from a previous chunk of a longer recording“ (Übersetzung: „Kontext aus einem vorherigen Teil einer längeren Aufnahme übernehmen“) als Einsatzzweck seines `prompt`\-Parameters. Die API-Referenz von BroadNet listet für die Transkription nur `model`, `language` und `file` und liefert JSON mit einem `text`\-Feld. Behandeln Sie bei BroadNet also jeden Teil als unabhängig und korrigieren Sie Namen und Begriffe danach. Eine günstige Lösung: Schicken Sie das zusammengefügte Transkript an ein Chat-Modell, zusammen mit einer Liste der korrekten Schreibweisen für Personen, Produkte und Orte.

## Was kostet eine lange Datei?

Speech-to-Text wird pro Audiominute abgerechnet, das Aufteilen ändert die Summe also nicht. Zu den veröffentlichten Preisen von BroadNet:

| Audio | BroadNet Transcribe Arabic | BroadNet Transcribe (14 Sprachen) |
| --- | --- | --- |
| Preis pro Minute | $0.0042 | $0.002 |
| Eine Stunde | $0.25 | $0.12 |
| 1.000 Stunden | $252.00 | $120.00 |

Die Preisseite nennt einen Preis pro Audiominute und sagt nichts über ein Minimum pro Datei oder eine Rundung. Prüfen Sie nach dem ersten Batch Ihre Nutzungsseite, ob die Summe zur Audiolänge passt. Beide Transkriptionsmodelle sind mit dem kostenlosen Startguthaben von $5 nutzbar, das etwa 1,190 Minuten Arabisch abdeckt. Ihr eigenes Volumen berechnen Sie mit dem [Kostenrechner für Speech-to-Text](https://broadrouter.com/tools/speech-to-text-cost-calculator/); Anbieter vergleichen Sie im [Preisdatensatz für Speech-to-Text-APIs](https://broadrouter.com/data/speech-to-text-api-prices/).

## Welche Fehler sollte man vermeiden?

-   **Die Originaldatei senden.** Ein WAV mit 48 kHz stereo ist sechsmal größer als nötig.
-   **An Byte-Offsets schneiden.** Der Teil lässt sich nicht dekodieren, oder die erste Sekunde ist Rauschen.
-   **Teile direkt am Limit.** Ein Teil mit 25,9 MB geht heute durch und scheitert, sobald eine Aufnahme etwas lauter ist. Lassen Sie Spielraum.
-   **Unbegrenzte Parallelität.** Wer 50 Teile auf einmal abfeuert, bekommt für die meisten 429. Begrenzen Sie die Worker auf das Limit gleichzeitiger Anfragen Ihres Schlüssels.
-   **Die Sprache vergessen.** Jeder Teil ist eine eigene Anfrage, also braucht jeder `language`.

## Wann ist Aufteilen das falsche Werkzeug?

Wenn Sie Sprecherlabels oder Zeitstempel pro Wort brauchen, bekommen Sie sie durch Aufteilen bei einer API, die nur Text liefert, nicht. Die Transkriptionsantwort von BroadNet enthält nur Text. Anbieter, die [Diarization](https://broadrouter.com/de/glossary/diarization/) und [Zeitstempel](https://broadrouter.com/de/glossary/timestamps-asr/) liefern, verarbeiten lange Dateien auch direkter; der [Kaufratgeber für arabische Speech-to-Text-APIs](https://broadrouter.com/de/blog/arabic-speech-to-text-api-buyers-guide/) vergleicht sie. Bei Stereo-Gesprächsaufnahmen teilen Sie nach Kanal statt nach Zeit: Die [Callcenter-Pipeline](https://broadrouter.com/de/blog/transcribe-call-center-recordings/) zeigt, wie.

## Wo BroadNet Inference ins Bild passt

BroadNet Transcribe Arabic kostet $0.0042 pro Minute, und BroadNet meldet es im [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) mit #2 von 37 (Angabe für September 2026; die Live-Rangliste führte das Modell am 15. November 2026 auf #4 von 39). Audio und Transkripte werden nach der Anfrage nicht gespeichert. Es eignet sich für die Batch-Transkription langer arabischer Aufnahmen, sobald Sie diese wie oben aufteilen. Es eignet sich nicht, wenn Sie Zeitstempel, Sprecherlabels oder Live-Streaming in derselben API brauchen. Der [Leitfaden zu arabischem Speech-to-Text](https://broadrouter.com/de/guides/arabic-speech-to-text-api/) behandelt die erste Anfrage; dieser Beitrag behandelt die Dateien, die für eine einzige zu groß sind.

Kostenlose Tools zum Thema (auf Englisch)

-   [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.

[Kostenlose Tools (auf Englisch)](https://broadrouter.com/tools/)

## Begriffe in diesem Artikel

[Speech-to-Text (Spracherkennung)](https://broadrouter.com/de/glossary/speech-to-text/)

Speech-to-Text, auch automatische Spracherkennung (ASR), ist eine Technik, die gesprochenes Audio in geschriebenen Text umwandelt. Eine Speech-to-Text API nimmt eine Audiodatei oder einen Stream entgegen und liefert ein Transkript, meist abgerechnet pro Audiominute. Die Genauigkeit wird mit der Wortfehlerrate gemessen und hängt von Akzent, Dialekt und Aufnahmequalität ab.

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

WAV (Waveform Audio File Format, auch WAVE) ist ein Audiocontainer auf Basis des RIFF-Formats von Microsoft und IBM. Er enthält meist unkomprimierte lineare PCM-Samples, daher ist seine Größe vorhersehbar: Abtastrate mal Bytes pro Sample mal Kanäle, pro Sekunde.

[Tool Calling (Function Calling)](https://broadrouter.com/de/glossary/tool-calling/)

Tool Calling, auch Function Calling genannt, ist eine Funktion von LLM-APIs, bei der das Modell eine strukturierte Anfrage zurückgibt, eine vom Entwickler definierte Funktion mit JSON-Argumenten auszuführen. Die Anwendung führt die Funktion aus und sendet das Ergebnis zurück; das Modell selbst führt nie Code aus.

[Concurrency (Parallelität)](https://broadrouter.com/de/glossary/concurrency/)

Concurrency (Parallelität) ist die Zahl der Anfragen, die ein Client gleichzeitig offen hat. LLM-APIs begrenzen sie oft pro Schlüssel oder Plan, getrennt von den Anfragen pro Minute, weil jede offene Anfrage GPU-Kapazität belegt, bis ihre Antwort fertig ist.

[Zeitstempel (Speech-to-Text)](https://broadrouter.com/de/glossary/timestamps-asr/)

Zeitstempel bei Speech-to-Text sind Start- und Endzeiten in Sekunden, die Teilen eines Transkripts zugeordnet sind. Segment-Zeitstempel gelten für eine Wendung oder einen Satz, Wort-Zeitstempel für jedes Wort. Man braucht sie für Untertitel, die Suche in Aufnahmen und die Zuordnung von Text zu Sprechern.

[Pay-as-you-go](https://broadrouter.com/de/glossary/pay-as-you-go/)

Pay-as-you-go ist ein Preismodell, bei dem Sie nur für tatsächliche Nutzung zahlen, gemessen pro Einheit wie Tokens, Anfragen oder Audiominuten, ohne Abonnement oder Mindestabnahme. Die meisten LLM-APIs rechnen so ab, aus einem vorausbezahlten Guthaben oder per regelmäßiger Rechnung.

[Rate Limit (Ratenbegrenzung)](https://broadrouter.com/de/glossary/rate-limit/)

Ein Rate Limit ist eine Obergrenze, die eine API festlegt, wie stark ein Client sie in einem Zeitfenster nutzen darf, etwa Anfragen pro Minute oder Tokens pro Minute. Anfragen über dem Limit werden abgelehnt, meist mit HTTP 429 Too Many Requests, bis die Nutzung wieder darunter liegt.

[Sprecherdiarisierung (Speaker Diarization)](https://broadrouter.com/de/glossary/diarization/)

Sprecherdiarisierung ist die Aufgabe, eine Audioaufnahme nach Sprechern in Segmente zu teilen, also die Frage „Wer hat wann gesprochen?“ zu beantworten. Jeder Sprachabschnitt erhält eine anonyme Sprecher-ID wie SPEAKER\_00; kombiniert mit einem Transkript zeigt das, welche Person welche Zeile gesagt hat.

## Häufige Fragen

### Wie transkribiere ich eine Audiodatei, die größer als 25 MB ist?

Wandeln Sie sie zuerst in 16 kHz mono um; das bringt sie oft schon unter das Limit. Ist sie dann noch zu groß, teilen Sie sie mit ffmpeg an stillen Stellen in Teile von etwa 10 Minuten, transkribieren Sie jeden Teil mit derselben Spracheinstellung und fügen Sie die Texte in der richtigen Reihenfolge zusammen.

### Wie viele Minuten Audio passen in 25 MB?

Das hängt vom Format ab. WAV mit 16 kHz mono und 16 Bit braucht 32.000 Byte pro Sekunde, 26.214.400 Byte fassen also etwa 13,6 Minuten. MP3 mit 64 kbit/s fasst etwa 54 Minuten. Stereo-WAV oder WAV mit 44,1 kHz fasst deutlich weniger.

### Was passiert, wenn ich eine Datei über dem Limit hochlade?

Die Anfrage wird abgelehnt. BroadNet Inference gibt 413 zurück, was die Doku als Anfrage definiert, die das Byte- oder Textlimit des Endpoints überschreitet. Es wird nichts transkribiert; teilen Sie die Datei also und senden Sie erneut.

### Verliere ich an den Schnittstellen Wörter?

Das kann passieren, wenn Sie zu einer festen Zeit mitten in der Rede schneiden. Schneiden Sie stattdessen in einer Pause. Müssen Sie zu einer festen Zeit schneiden, lassen Sie die Teile ein bis zwei Sekunden überlappen und entfernen Sie die doppelten Wörter beim Zusammenfügen.

### Kostet das Aufteilen einer Datei mehr?

Sie zahlen für Audiominuten, die Gesamtlänge bleibt also gleich. Die Preisseite von BroadNet nennt einen Preis pro Audiominute und erwähnt weder ein Minimum pro Datei noch eine Rundung; prüfen Sie nach dem ersten Batch die Nutzungsseite, um das zu bestätigen.

### Kann ich den Text des vorherigen Teils als Kontext mitschicken?

Manche APIs nehmen dafür einen Prompt entgegen; OpenAI nennt das Übernehmen von Kontext aus einem vorherigen Teil als Einsatzzweck seines prompt-Parameters. Die Doku von BroadNet listet nur model, language und file; verlassen Sie sich dort also nicht auf einen Prompt.

## Weiterlesen

-   [Callcenter-Aufzeichnungen transkribieren: Pipeline, auch für Arabisch](https://broadrouter.com/de/blog/transcribe-call-center-recordings/)
-   [Mehrsprachige Speech-to-Text API: 14 Sprachen, ein Endpoint](https://broadrouter.com/de/blog/multilingual-speech-to-text-api/)
-   [Speech-to-Text-API für Arabisch: So wählen Sie 2026 die richtige](https://broadrouter.com/de/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Alternative zur Whisper API: wann wechseln und wie testen](https://broadrouter.com/de/blog/whisper-api-alternative/)
-   [Speech-to-Text-API-Preise im Vergleich: Preis pro Minute 2026](https://broadrouter.com/de/blog/speech-to-text-api-pricing-compared/)
-   [Arabische Untertitel (SRT) per Speech-to-Text-API: was Sie brauchen](https://broadrouter.com/de/blog/arabic-subtitles-srt-api/)
-   [Audio im Browser aufnehmen und an eine Speech-to-Text API senden](https://broadrouter.com/de/blog/record-browser-audio-transcription-api/)
-   [Arabisches Audio per API ins Englische übersetzen: getestete Pipeline](https://broadrouter.com/de/blog/translate-arabic-audio-to-english/)
-   [GPU-Hardware und Serving von BroadNet, wie BroadNet sie beschreibt](https://broadrouter.com/de/blog/broadnet-gpu-fleet-and-serving/)
-   [LLM-Antworten cachen, Kosten senken: ein Exact-Match-Cache in Python](https://broadrouter.com/de/blog/cache-llm-responses-cut-cost/)
-   [Anleitung: Speech-to-Text API für Arabisch: Schritt für Schritt](https://broadrouter.com/de/guides/arabic-speech-to-text-api/)
-   [Anleitung: WhatsApp-Sprachnachrichten per API in Text umwandeln](https://broadrouter.com/de/guides/transcribe-whatsapp-voice-notes/)
-   [Anleitung: Fehlercodes von BroadNet Inference: Wann ist ein Retry sinnvoll?](https://broadrouter.com/de/guides/errors-and-retries/)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

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

**Quellen**

-   [API-Referenz von BroadNet Inference: WAV oder MP3 bis 26.214.400 Byte, Feld language, Fehler 413 und 429, Pay-as-you-go-Limits (geprüft am 2026-11-15) (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-transcribe-long-audio-files-api&utm_content=sources)
-   [Preisseite von BroadNet Inference, Transkriptionspreis pro Audiominute (geprüft am 2026-11-15) (auf Englisch)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-transcribe-long-audio-files-api&utm_content=sources)
-   [Speech-to-Text-Leitfaden von OpenAI: Dateilimit 25 MB, in Teile aufteilen, nicht mitten im Satz trennen (geprüft am 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [FFmpeg-Dokumentation zu Formaten, Segment-Muxer (geprüft am 2026-11-15)](https://ffmpeg.org/ffmpeg-formats.html)
-   [Open Universal Arabic ASR Leaderboard auf Hugging Face (von BroadNet gemeldete Platzierung; von BroadRouter geprüft am 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [FFmpeg-Dokumentation zu Filtern, silencedetect (geprüft am 2026-11-15)](https://ffmpeg.org/ffmpeg-filters.html)
