BroadRouter

Arabic transcription

Na-update

Gamitin ang BroadNet Transcribe Arabic (broadnet/cohere-transcribe-arabic) para sa Arabic na audio, sa US$0.0042 kada minuto. Sakop ng BroadNet Transcribe (broadnet/cohere-transcribe) ang 14 wika, kasama ang Arabic, sa US$0.002. Pareho silang tumatanggap ng WAV o MP3 na hanggang 26,214,400 bytes sa /v1/audio/transcriptions. Ipadala ang language=ar.

Isang babaeng nagsasalita sa phone at nagiging Arabic na pagbating "أهلاً وسهلاً" (maligayang pagdating) ang sound wave, katabi ng text na "Arabic speech-to-text" at "BroadRouter".
Text sa larawan, sa Ingles: "Arabic speech-to-text", ibig sabihin, pag-convert ng Arabic na pananalita sa text.

Arabic na model o multilingual na model?

ModelMga wikaKada minutoKada orasPanimulang credit
BroadNet Transcribe Arabic
broadnet/cohere-transcribe-arabic
ArabicUS$0.0042US$0.252Oo, mga 1,190 minuto
BroadNet Transcribe
broadnet/cohere-transcribe
14 wika, kasama ang ArabicUS$0.002US$0.12Oo, mga 2,500 minuto

BroadNet Transcribe Arabic

Ang Arabic na model ng BroadNet. Sabi ng BroadNet, kaya nito ang Gulf, Egyptian, Levantine, Maghrebi at Modern Standard Arabic, at inirerekomenda nito ito para sa Arabic na audio. Arabic script ang ibinabalik nito. Model page at mga resultang iniulat ng BroadNet.

BroadNet Transcribe

Iisang model para sa 14 wika, sa mas mababang rate kada minuto. Gamitin ito kapag magkakaiba ang wika ng mga audio file mo, at i-test muna ang Arabic output nito sa sarili mong recording. Model page.

Anong mga wika at format ang suportado?

From voice note to Arabic text
  1. 01Voice notePhones and messaging apps often save .ogg or .m4a

    .ogg .m4a

  2. 02ConvertWAV or MP3, up to 26,214,400 bytes per file

    .wav .mp3

    ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav

  3. 03TranscribeArabic model, language set to Arabic

    POST /v1/audio/transcriptionsmodel=broadnet/cohere-transcribe-arabiclanguage=ar

  4. 04TextRead the text field of the response

    text

Phone voice notes usually arrive as .ogg or .m4a. Convert them to WAV or MP3 of up to 26,214,400 bytes, send the file to the transcription endpoint with language set to ar, and read the text from the response.

Endpoint
POST /v1/audio/transcriptions (multipart form)
Mga format
WAV (audio/wav) o MP3 (audio/mpeg)
Laki ng file
Hanggang 26,214,400 bytes (25 MiB) kada file. Magbabalik ng 413 ang mas malaking file; hatiin o i-compress ito.
Language field
language=ar para sa Arabic. Laging ipadala ito; kung wala, puwedeng bumalik ang Arabic sa letrang Latin.
Response
JSON na nasa text ang transcript
Mga wika ng BroadNet Transcribe
Ingles, Espanyol, Pranses, Aleman, Italyano, Portuges, Griyego, Dutch, Polish, Mandarin Chinese, Hapon, Koreano, Vietnamese, Arabic

Kailangan munang i-convert ang .ogg mula sa WhatsApp at ang .m4a mula sa phone: ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav

Magkano ang magagastos ko sa audio?

Ang gastos ay minuto ng audio × rate kada minuto ng model. Ilagay ang minuto mo kada buwan para ikumpara ang dalawang model.

Estimator ng gastos sa audio

Halimbawa, 10 oras ang 600 minuto. Puwede ang decimal.

ModelRateTinatayang gastos
BroadNet Transcribe Arabic
broadnet/cohere-transcribe-arabic
US$0.0042 / minUS$2.52
BroadNet Transcribe
broadnet/cohere-transcribe
US$0.002 / minUS$1.20

Sa USD, ayon sa published na per-minute rate. Hindi kasama ang tax at ang mga request na inulit o na-retry. Tingnan ang pricing page ng BroadNet kung paano sinisingil ang hindi buong minuto.

Paano ko ito ii-integrate?

Gamitin ang transcription call ng OpenAI SDK o isang simpleng multipart request. Itago ang key sa BROADNET_API_KEY sa server mo.

transcribe.py

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://inference.broadnet.ai/v1",
    api_key=os.environ["BROADNET_API_KEY"],
)
with open("recording.wav", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="broadnet/cohere-transcribe-arabic",
        file=audio,
        language="ar",
    )
print(result.text)

Halimbawang paglalarawan

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

Ang hugis ng response mula sa reference ng BroadNet, gamit ang isang synthetic na voicemail. Hindi ito naka-record na resulta o accuracy benchmark.

Susunod: gumawa ng key sa inference.broadnet.ai (Ingles) · lahat ng quickstart

Mga gabay at artikulo tungkol sa Arabic speech (sa Ingles)

Mga tanong tungkol sa Arabic transcription

Aling model ang dapat kong gamitin para sa Arabic na audio?

Magsimula sa BroadNet Transcribe Arabic (broadnet/cohere-transcribe-arabic), ang Arabic na model ng BroadNet, sa US$0.0042 kada minuto. Tumatanggap din ng Arabic ang BroadNet Transcribe sa 14 wika nito, sa US$0.002 kada minuto. Inirerekomenda ng BroadNet ang Arabic na model para sa Arabic na audio; i-test ang dalawa sa sarili mong recording.

Kailangan ko bang ipadala ang language?

Oo. Ipadala ang language=ar kasama ng Arabic na audio. Kung wala ito, puwedeng bumalik ang Arabic na naka-transliterate sa letrang Latin.

Anong mga audio format at laki ang tinatanggap?

WAV (audio/wav) o MP3 (audio/mpeg), hanggang 26,214,400 bytes (25 MiB) kada file. I-convert muna sa WAV gamit ang ffmpeg ang mga .ogg recording mula sa WhatsApp o .m4a mula sa phone.

Puwede ko bang gamitin ang panimulang credit sa transcription?

Oo. Sakop ng US$5 na panimulang credit ng mga bagong account ang parehong transcription model.

Itinatago ba ang audio ko?

Hindi itinatago ang inference content. Itinatago ang kinakailangang metadata ng account, billing at security ayon sa inference privacy statement ng BroadNet. Kasama ang audio at mga transcript sa listahan nito ng content na hindi itinatago.

Basahin bilang MarkdownTanungin ang ChatGPTTanungin ang ClaudeTanungin ang Perplexity