BroadRouter

Speech-to-Text API für Arabisch: Schritt für Schritt

Aktualisiert

Senden Sie eine WAV- oder MP3-Datei an https://inference.broadnet.ai/v1/audio/transcriptions mit model broadnet/cohere-transcribe-arabic und language=ar. Die Antwort ist JSON, das Transkript steht in text. Andere Formate wie WhatsApp-.ogg wandeln Sie vorher in WAV um. Abgerechnet wird pro Audiominute, und laut BroadNet werden weder Audio noch Transkript gespeichert.

BroadNet Transcribe Arabic kostet $0.0042 pro Audiominute. Laut BroadNet steht es auf Platz #2 von 37 (Angabe für September 2026; die Live-Rangliste führte das Modell am 15. November 2026 auf #4 von 39) im Open Universal Arabic ASR Leaderboard und auf Platz 1 unter den Modellen, deren Lizenz den Betrieb über eine API erlaubt. Für andere Sprachen deckt BroadNet Transcribe 14 Sprachen zu $0.002 pro Minute ab. Siehe die Modellseite von BroadNet Transcribe Arabic und die Modellseite von BroadNet Transcribe.

Andere Anbieter können günstiger sein. Am 2026-11-14 nannte die Preisseite von Soniox etwa 0,10 USD pro Stunde für die Transkription von Dateien (asynchron) und 0,12 USD pro Stunde in Echtzeit, und die Sprachliste von Soniox enthält Arabisch. Das liegt unter den $0.25 pro Stunde von BroadNet Transcribe Arabic. Testen Sie daher beide mit Ihrem eigenen Audio.

Mit curl

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

Die Antwort ist das Transkript als JSON:

{"text": "مرحباً، لقد وصلت إلى البريد الصوتي، اترك رسالتك من فضلك"}

Mit Python

from openai import OpenAI
import os

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

with open("voice-note.wav", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="broadnet/cohere-transcribe-arabic",
        file=audio,
        language="ar",
    )
print(result.text)

Senden Sie immer die Sprache mit

Ohne language kann Arabisch in lateinische Buchstaben transliteriert zurückkommen. Senden Sie language=ar für Arabisch und language=en für Englisch.

Welche arabischen Dialekte erkennt das Modell?

BroadNet beschreibt BroadNet Transcribe Arabic als Modell für Arabisch einschließlich der Dialekte und veröffentlicht dafür drei Wortfehlerraten. Es handelt sich um BroadNets eigene Labormessungen aus seinem Modellkatalog:

Testset Was es enthält Wortfehlerrate
FLEURS-ar Saubere, vorgelesene Sätze 3,8
MASC-ar Gemischte arabische Sprache aus der Praxis 21,1
Dialekt-Testset von BroadNet Gesprochener Dialekt 23,4

BroadNet veröffentlicht keine Aufschlüsselung nach Dialekt. Außerhalb von BroadNet kann also niemand sagen, wie Golf-Audio im Vergleich zu ägyptischem oder maghrebinischem abschneidet. Andere Anbieter geben ihre Abdeckung anders an. Deepgram listet Nova-3 für Arabisch mit regionalen Codes, von ar-AE, ar-SA und ar-EG bis ar-MA und ar-IQ. Speechmatics verkauft ein einziges Paket „Global Arabic“, das Hocharabisch (MSA), Golf-Arabisch, Ägyptisch und Levantinisch nennt, dazu ein Paket ar_en für Arabisch mit eingestreutem Englisch. Soniox listet Arabisch (ar) ohne Angaben zu Dialekten.

Ein gelisteter Code ist keine gemessene Genauigkeit. Bewerten Sie vor der Wahl jeden Kandidaten mit eigenen Aufnahmen, gruppiert nach Dialekt:

  • Golf-Arabisch (Khaleeji): saudische, emiratische, kuwaitische und katarische Sprache, oft mit englischen Produktnamen.
  • Ägyptisch: der in den Medien am weitesten verstandene Dialekt.
  • Levantinisch: syrische, libanesische, jordanische und palästinensische Sprache.
  • Irakisch und Maghrebinisch: Marokkanisch, Algerisch und Tunesisch sind meist der schwierigste Fall.
  • Hocharabisch (MSA): Nachrichten und formelle Sprache, die einfache Vergleichsbasis.

Der Leitfaden zur Spracherkennung arabischer Dialekte erklärt, warum Dialekte schlechter abschneiden, und die Erklärung der Wortfehlerrate zeigt, wie Sie sie messen.

Was kosten Speech-to-Text APIs für Arabisch?

Alle Anbieter unten listen Arabisch. Sortiert vom günstigsten an; die Preise gelten für aufgezeichnete Dateien, sofern nicht anders angegeben, und wurden am 2026-11-14 geprüft:

Anbieter und Modell Pro Minute Pro Stunde Angegebene Abdeckung für Arabisch
Soniox, asynchron (Datei) etwa 0,0017 USD etwa 0,10 USD Arabisch (ar)
Soniox, Echtzeit etwa 0,002 USD etwa 0,12 USD Arabisch (ar)
BroadNet Transcribe (14 Sprachen) $0.002 $0.12 Arabisch als eine von 14 Sprachen
BroadNet Transcribe Arabic $0.0042 $0.25 Arabisch einschließlich Dialekten (laut BroadNet)
Deepgram, Nova-3 einsprachig 0,0043 USD 0,258 USD ar plus regionale Codes
Speechmatics, Standard 0,0075 USD 0,45 USD Global Arabic, ar_en
Speechmatics, Enhanced 0,0125 USD 0,75 USD Global Arabic, ar_en

Quellen: Preise von Soniox (Abrechnung pro Token; die Stundenwerte sind Näherungen von Soniox), Preise von Deepgram und Preise von Speechmatics. Soniox ist günstiger als beide Modelle von BroadNet, und BroadNet dokumentiert kein Echtzeit-Streaming. Für BroadNet sprechen das auf Arabisch spezialisierte Modell, die gemeldete Platzierung im Leaderboard und Zero Data Retention. Weitere Anbieter finden Sie in unserem offenen Preisindex für Speech-to-Text APIs. Er listet Batch- und Streaming-Preise und die Unterstützung für Arabisch bei mehr als 20 Produkten, jeweils mit Quelle und Datum (als CSV und JSON). Zu Zusatzkosten siehe den Preisvergleich für Speech-to-Text APIs; Ihr eigenes Volumen kalkulieren Sie mit dem Kostenrechner für Speech-to-Text.

Limits

  • WAV oder MP3, bis 26.214.400 Bytes (25 MiB) pro Datei. Eine größere Datei liefert 413; teilen Sie sie vorher auf.
  • Pay-as-you-go-Schlüssel erlauben 30 Anfragen pro Minute und 4 gleichzeitig.
  • Beide Transkriptionsmodelle laufen mit dem kostenlosen Startguthaben von $5. Sie können Ihre eigenen Aufnahmen also testen, bevor Sie bezahlen.

Fehlerbehebung

  • Lateinische Buchstaben statt arabischer Schrift. Ergänzen Sie language=ar.
  • 400 oder 422. Prüfen Sie die Feldnamen (model, language, file) und ob die Datei wirklich WAV oder MP3 ist. Eine umbenannte .ogg-Datei schlägt fehl; konvertieren Sie sie mit ffmpeg.
  • 413. Die Datei ist größer als 26.214.400 Bytes. Konvertieren Sie sie in WAV oder MP3 mit 16 kHz mono oder teilen Sie sie in kürzere Stücke.
  • 401 bei einem bezahlten Konto. Prüfen Sie den Schlüssel und das Pay-as-you-go-Kontingent. Siehe Fehlercodes und Retries bei BroadNet.
  • Schwache Genauigkeit bei Dialekt oder lauten Anrufen. BroadNets eigenes Dialekt-Testset schneidet schlechter ab als sauber vorgelesene Sprache (siehe FAQ). Testen Sie mit einer Stichprobe Ihres echten Audios und messen Sie die Wortfehlerrate.

WhatsApp-Sprachnachrichten kommen als .ogg. WhatsApp-Sprachnachrichten in einem Schritt konvertieren und transkribieren. Wenn Sie Zahlen, Daten und Namen in lautem Audio brauchen, bietet BroadNet auf Anfrage ein feinabgestimmtes arabisches Modell an.

Häufige Fragen

Versteht das Modell arabische Dialekte?

BroadNet meldet auf seinem eigenen Dialekt-Testset eine Wortfehlerrate von 23,4, dazu 3,8 auf FLEURS-ar und 21,1 auf MASC-ar. Niedriger ist besser. BroadNet veröffentlicht keinen Wert pro Dialekt. Testen Sie Aufnahmen auf Golf-Arabisch, Ägyptisch, Levantinisch und Maghrebinisch daher einzeln, bevor Sie sich darauf verlassen.

Welche Speech-to-Text API für Arabisch ist am günstigsten?

Unter den am 2026-11-14 geprüften Anbietern nennt Soniox den niedrigsten Tarif, etwa 0,10 USD pro Stunde für die Transkription von Dateien. BroadNet Transcribe Arabic kostet $0.25 pro Stunde. Deepgram Nova-3 und Speechmatics sind teurer. Wichtiger als der Stundenpreis ist die Wortfehlerrate auf Ihrem eigenen Dialekt-Audio.

Welche Audioformate werden akzeptiert?

WAV (audio/wav) und MP3 (audio/mpeg). Andere Formate wie .ogg oder .m4a konvertieren Sie vorher mit ffmpeg.

Warum ist mein arabisches Transkript in lateinischen Buchstaben geschrieben?

Der Anfrage fehlte das Feld language. Ohne dieses Feld kann arabische Sprache in lateinische Schrift transliteriert werden. Senden Sie bei jeder arabischen Anfrage language=ar.

Kann ich die arabische Transkription kostenlos testen?

Ja. Beide Transkriptionsmodelle von BroadNet laufen mit dem kostenlosen Startguthaben neuer Konten. Sie können also Ihre eigenen Aufnahmen testen, bevor Sie aufladen.

Soll ich für Arabisch BroadNet Transcribe Arabic oder BroadNet Transcribe nehmen?

Beide akzeptieren language=ar. BroadNet Transcribe Arabic ist das arabische Modell und das, für das BroadNet die Platzierung im arabischen Leaderboard angibt. BroadNet Transcribe kostet weniger pro Minute und deckt 14 Sprachen ab. Testen Sie also beide mit Ihrem Audio.

Als Markdown lesenChatGPT fragenClaude fragenPerplexity fragen