---
title: "Transcribe ng audio na lampas 25 MB sa API: hati at dugtong"
description: "Pag-transcribe ng recording na lampas sa file limit ng speech-to-text API: paliitin, hatiin sa katahimikan gamit ang ffmpeg, ipadala nang sabay, pagdugtungin."
url: https://broadrouter.com/fil/blog/transcribe-long-audio-files-api/
lang: fil
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Isinalin mula sa Ingles sa tulong ng AI. [Basahin ang orihinal sa Ingles](https://broadrouter.com/blog/transcribe-long-audio-files-api/) (na-update noong 2026-11-15).

# Pag-transcribe ng audio na lampas 25 MB: hatiin, ipadala, pagdugtungin

Ng BroadNet Inference team · 6 minutong basa · Nailathala 2026-11-15

Tinatanggihan ng karamihan ng transcription API ang iisang file na lampas mga 25 MB. I-convert muna ang recording sa 16 kHz mono: iyan pa lang ay nagkakasya na ng mga 13 minuto ng WAV o 54 minuto ng 64 kbit/s MP3 sa 26,214,400-byte na limit ng BroadNet. Para sa mas mahabang audio, hatiin sa mga katahimikan gamit ang ffmpeg, i-transcribe nang sabay ang mga chunk at pagdugtungin ang text nang sunod-sunod.

## Mga pangunahing punto

-   Byte ang limit, hindi minuto. 32,000 byte kada segundo ang 16 kHz mono WAV, kaya mga 13.6 minuto ang 26,214,400 byte; mga 54 minuto naman sa 64 kbit/s MP3.
-   Hatiin ayon sa oras sa isang katahimikan, hindi kailanman sa byte offset. Sinisira ng hati sa byte ang mga audio frame, at nawawalan ng salita ang hati sa gitna ng salita.
-   Panatilihing malayo sa limit ang mga chunk, gaya ng 10 minuto ng WAV, para hindi kailanman mag-413 ang isang maingay na file.
-   Magpadala ng mga chunk nang sabay hanggang sa limit ng key: 4 request nang sabay at 30 kada minuto sa pay-as-you-go key ng BroadNet.
-   Hindi binabago ng paghahati ang haba ng audio na binabayaran mo. $0.25 ang isang oras ng Arabic sa BroadNet Transcribe Arabic.

**Sa page na ito**

1.  Bakit bumabagsak ang mahabang recording?
2.  Hakbang 1: paano paliitin ang file?
3.  Hakbang 2: paano hatiin ang audio nang hindi napuputol ang mga salita?
4.  Ano ang hitsura ng buong script?
5.  Ilang chunk ang puwedeng ipadala nang sabay?
6.  Kailangan ba ng overlap sa pagitan ng mga chunk?
7.  Puwede bang gamitin ng susunod na chunk ang text ng nauna bilang context?
8.  Magkano ang mahabang file?
9.  Anong mga pagkakamali ang dapat iwasan?
10.  Kailan maling kasangkapan ang chunking?
11.  Saan pumapasok ang BroadNet Inference

Karamihan sa mga speech-to-text API ay tumatanggap ng iisang file na mga 25 MB kada request. Tumatanggap ang BroadNet Inference ng WAV o MP3 hanggang 26,214,400 byte. Lumalampas diyan ang mahabang meeting, lecture o podcast, at bumabagsak ang request nang may 413. Apat na hakbang ang solusyon: paliitin ang file, hatiin ito sa mga katahimikan, ipadala nang sabay ang mga piraso, at pagdugtungin ulit ang text.

## Bakit bumabagsak ang mahabang recording?

Nasa byte ang limit, hindi sa minuto. Kung ilang minuto ang kasya ay depende sa format:

| Format | Byte kada segundo | Kasya sa 26,214,400 byte |
| --- | --- | --- |
| WAV, 44.1 kHz stereo, 16-bit | 176,400 | Mga 2.5 minuto |
| WAV, 16 kHz mono, 16-bit | 32,000 | Mga 13.6 minuto |
| MP3, 64 kbit/s | 8,000 | Mga 54 minuto |
| MP3, 32 kbit/s | 4,000 | Mga 109 minuto |

Simpleng kuwenta lang ang mga ito: byte kada segundo na pinarami sa bilang ng segundo. Kadalasang 44.1 o 48 kHz stereo ang recording sa telepono o laptop, na napupuno ang limit sa ilang minuto lang. Hindi iyan kailangan ng pagsasalita. Ang pinakamalaking panalo ay ang pag-convert muna sa 16 kHz mono.

Kapag masyado pa ring malaki ang file, agad itong tinatanggihan ng API. Sa BroadNet, 413 ang response, “the request exceeds the endpoint byte or text limit” (salin: lumampas ang request sa byte o text limit ng endpoint), at walang ita-transcribe. Tingnan ang [gabay sa mga error code](https://broadrouter.com/fil/guides/errors-and-retries/).

## Hakbang 1: paano paliitin ang file?

I-convert sa 16 kHz mono bago ang lahat. Isang ffmpeg command lang:

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

Para sa BroadNet, dapat WAV (`audio/wav`) o MP3 (`audio/mpeg`) ang output. Kailangan pa ring i-convert ang mga format gaya ng `.m4a`, `.ogg` at `.webm`, kaya isabay na ang resampling sa parehong hakbang.

WAV ba o MP3 ang pipiliin mo? Lossless ang WAV, kaya walang nawawala, pero napupuno nito ang limit sa mga 13 minuto. Apat na beses na mas maraming audio ang kasya sa MP3 kada request sa 64 kbit/s, pero lossy ito. Kung MP3 ang gagamitin mo, magpatakbo ng maikling test: i-transcribe ang parehong limang minuto bilang WAV at bilang MP3 at ihambing ang text. Ipinapaliwanag ng entry na [sample rate](https://broadrouter.com/fil/glossary/sample-rate/) kung bakit sapat ang 16 kHz para sa pagsasalita.

## Hakbang 2: paano hatiin ang audio nang hindi napuputol ang mga salita?

Hatiin ayon sa oras, hindi kailanman ayon sa byte. Puwedeng tumama sa gitna ng isang audio frame ang hati sa byte offset, at hindi na made-decode ang file. Puwede namang tumama sa gitna ng salita ang hati sa nakapirming oras. Nagbababala mismo ang gabay ng OpenAI laban sa paghahati sa gitna ng pangungusap dahil “can remove context and reduce accuracy” (salin: puwede nitong alisin ang context at bawasan ang accuracy).

Ang maaasahang paraan ay humati sa loob ng katahimikan na malapit sa target mong haba. Para makakuha ng handang command para sa laki at haba ng file mo, gamitin ang libreng [audio splitter command builder](https://broadrouter.com/tools/audio-splitter-ffmpeg/). Kung mano-mano, ganito ito:

1.  Patakbuhin ang [silencedetect](https://ffmpeg.org/ffmpeg-filters.html) filter ng ffmpeg para ilista ang mga tahimik na puwang.
2.  Daanan ang recording. Kapag umabot sa mga 10 minuto ang isang chunk, humati sa susunod na katahimikan.
3.  Gupitin ang bawat chunk gamit ang ffmpeg, mula sa isang cut point hanggang sa susunod.

19.2 MB ang sampung minuto ng 16 kHz mono WAV, kaya may maluwag na espasyo pa sa ilalim ng limit. Kung matagal magsalita ang isang speaker nang walang hinto, sa hard maximum hahati ang script sa ibaba.

Kaya rin ng [segment muxer](https://ffmpeg.org/ffmpeg-formats.html) ng ffmpeg na hatiin ang file sa mga piraso “of nearly fixed duration” (salin: na halos nakapirmi ang haba) sa iisang command. Mabilis ito, pero hindi ito naghahanap ng katahimikan, kaya gamitin lang ito kung katanggap-tanggap ang pagkawala ng isang salita sa bawat hangganan, o magdagdag ng overlap (sa ibaba).

## Ano ang hitsura ng buong script?

Kino-convert ng Python script na ito ang audio, hinahati sa mga katahimikan, nagpapadala ng hanggang apat na chunk nang sabay at pinagdudugtong ang text. Gumagamit ito ng OpenAI SDK na nakaturo sa BroadNet Inference.

```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"))
```

Mga tala tungkol sa script:

-   **Wika.** Sabi ng docs ng BroadNet, laging ipadala ang `language`; kung wala ito, ang Arabic ay “can otherwise be transliterated into Latin letters” (salin: puwedeng ma-transliterate sa Latin na letra). Gamitin ang `broadnet/cohere-transcribe` na may tamang language code para sa English, French o alinman sa iba pa nitong [suportadong wika](https://broadrouter.com/fil/blog/multilingual-speech-to-text-api/).
-   **Threshold.** Bagay ang `-35dB` at `0.5` segundo sa tahimik na kuwarto. Kailangan ng mas mataas na noise value ang maiingay na kuwarto, gaya ng `-30dB`. I-print minsan ang mga cut point at tingnan.
-   **Pagkakasunod.** Ibinabalik ng `pool.map` ang resulta ayon sa pagkakasunod ng input, kaya tama ang pagkakadugtong ng text kahit magkakaiba ang oras ng pagtatapos ng mga chunk.

## Ilang chunk ang puwedeng ipadala nang sabay?

Kasindami ng pinapayagan ng key mo. Pinapayagan ng pay-as-you-go key ng BroadNet ang 4 request nang sabay at 30 request kada minuto, kaya apat na worker ang gamit ng script. 429 ang makukuha ng ikalimang sabay na request. Ulitin ang mga response na 429 at 5xx nang may exponential backoff; huwag ulitin ang 413, dahil babagsak ulit ang parehong file. May retry helper sa [paano hawakan ang mga 429 error](https://broadrouter.com/fil/blog/handle-llm-api-429-rate-limits/) na puwede mong ipalibot sa `transcribe()`.

Sa apat na worker, ang dalawang-oras na recording sa mga chunk na 10 minuto ay nagiging 12 request sa tatlong bugso. Mga tatlong round-trip ng chunk ang kabuuang oras, hindi labindalawa.

## Kailangan ba ng overlap sa pagitan ng mga chunk?

Hindi, kung sa loob ng katahimikan ka humahati: walang pagsasalita sa hangganan na puwedeng mawala. Para sa hati sa nakapirming oras ang overlap. Simulan ang bawat chunk isa o dalawang segundo bago natapos ang nauna, saka alisin ang mga naulit na salita kapag pinagdugtong mo ang text. Ang karaniwang paraan ay ihambing ang huling ilang salita ng isang chunk sa unang ilang salita ng susunod at alisin ang tugma.

May kaunting gastos ang overlap. Ang dalawang segundo kada 10-minutong chunk ay nagdadagdag ng mga 0.3% sa audio na binabayaran mo.

## Puwede bang gamitin ng susunod na chunk ang text ng nauna bilang context?

Pinapayagan ito ng ilang API. Inililista ng OpenAI ang “carrying context from a previous chunk of a longer recording” (salin: pagdadala ng context mula sa naunang chunk ng mas mahabang recording) bilang gamit ng `prompt` parameter nito. `model`, `language` at `file` lang ang inililista ng API reference ng BroadNet para sa transcription, at JSON na may `text` field ang ibinabalik nito. Kaya sa BroadNet, ituring na hiwalay ang bawat chunk, at ayusin ang mga pangalan at termino pagkatapos. Isang murang paraan ay ipadala ang pinagdugtong na transcript sa isang chat model kasama ang listahan ng tamang spelling ng mga tao, produkto at lugar.

## Magkano ang mahabang file?

Kada minuto ng audio ang singil ng speech to text, kaya hindi binabago ng paghahati ang kabuuan. Sa mga inilathalang rate ng BroadNet:

| Audio | BroadNet Transcribe Arabic | BroadNet Transcribe (14 na wika) |
| --- | --- | --- |
| Presyo kada minuto | $0.0042 | $0.002 |
| Isang oras | $0.25 | $0.12 |
| 1,000 oras | $252.00 | $120.00 |

Naglilista ang pricing page ng presyo kada minuto ng audio at walang sinasabi tungkol sa minimum kada file o rounding. Tingnan ang usage page mo pagkatapos ng unang batch para masigurong tugma ang kabuuan sa haba ng audio. Available ang dalawang transcription model sa libreng panimulang credit na $5, na sumasaklaw sa mga 1,190 minuto ng Arabic. Para tantiyahin ang sarili mong volume, gamitin ang [speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/); para ihambing ang mga provider, tingnan ang [dataset ng presyo ng speech-to-text API](https://broadrouter.com/data/speech-to-text-api-prices/).

## Anong mga pagkakamali ang dapat iwasan?

-   **Pagpapadala ng orihinal na file.** Anim na beses na mas malaki kaysa kailangan ang 48 kHz stereo WAV.
-   **Paghahati sa byte offset.** Hindi made-decode ang chunk, o ingay ang unang segundo.
-   **Mga chunk na saktong nasa limit.** Pumapasa ngayon ang 25.9 MB na chunk at babagsak kapag medyo mas malakas ang isang recording. Mag-iwan ng palugit.
-   **Walang hangganang parallelism.** Kapag sabay-sabay na pinaputok ang 50 chunk, 429 ang makukuha ng karamihan. Limitahan ang mga worker sa in-flight limit ng key.
-   **Pagkalimot sa language.** Hiwalay na request ang bawat chunk, kaya kailangan ng bawat isa ang `language`.

## Kailan maling kasangkapan ang chunking?

Kung kailangan mo ng speaker label o word timestamp, hindi mo iyon makukuha sa pag-chunk ng plain-text na API. Text lang ang transcription response ng BroadNet. Ang mga provider na nagbabalik ng [diarization](https://broadrouter.com/fil/glossary/diarization/) at [timestamp](https://broadrouter.com/fil/glossary/timestamps-asr/) ay mas direktang humahawak din ng mahahabang file; inihahambing sila ng [buyer’s guide sa Arabic speech-to-text](https://broadrouter.com/fil/blog/arabic-speech-to-text-api-buyers-guide/). Para sa stereo na call recording, hatiin ayon sa channel sa halip na sa oras: ipinapakita ng [call center pipeline](https://broadrouter.com/fil/blog/transcribe-call-center-recordings/) kung paano.

## Saan pumapasok ang BroadNet Inference

$0.0042 kada minuto ang presyo ng BroadNet Transcribe Arabic, at iniulat ng BroadNet na nasa ika-2 sa 37 (datos noong Setyembre 2026; sa live na ranggo noong Nobyembre 15, 2026, ika-4 sa 39 ito) ito sa [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard). Hindi itinatago ang audio at transcript pagkatapos ng request. Bagay ito sa batch transcription ng mahahabang Arabic na recording kapag nahati mo na ang mga ito gaya ng nasa itaas. Hindi ito bagay kung kailangan mo ng timestamp, speaker label o live streaming sa iisang API. Sinasaklaw ng [gabay sa Arabic speech-to-text](https://broadrouter.com/fil/guides/arabic-speech-to-text-api/) ang unang request; sinasaklaw ng post na ito ang mga file na masyadong malaki para sa isa.

Mga libreng tool para rito (Ingles)

-   [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.

[Libreng tools (Ingles)](https://broadrouter.com/tools/)

## Mga termino sa artikulong ito

[Speech-to-text (STT)](https://broadrouter.com/fil/glossary/speech-to-text/)

Ang speech-to-text, na tinatawag ding automatic speech recognition (ASR), ay teknolohiyang ginagawang nakasulat na text ang binigkas na audio. Tumatanggap ang speech-to-text API ng audio file o stream at nagbabalik ng transcript, kadalasang may presyo kada minuto ng audio. Sinusukat ang accuracy gamit ang word error rate, at nag-iiba ito ayon sa accent, dialect at kalidad ng recording.

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

Ang WAV (Waveform Audio File Format, o WAVE) ay isang audio container na nakabatay sa RIFF format ng Microsoft at IBM. Kadalasang uncompressed na linear PCM sample ang laman nito, kaya predictable ang laki: sample rate na pinarami sa bytes per sample at sa bilang ng channel, bawat segundo.

[Context window](https://broadrouter.com/fil/glossary/context-window/)

Ang context window ay ang pinakamaraming token na kayang hawakan ng isang language model sa iisang request. Sakop nito ang prompt, history ng usapan, tool definitions, mga larawan at ang nabuong output, kasama ang anumang reasoning tokens. Ang hindi kasya ay kailangang bawasan, ibuod o hatiin sa ilang request.

[Sample rate](https://broadrouter.com/fil/glossary/sample-rate/)

Ang sample rate ay ang bilang ng audio sample na kinukuha kada segundo, na sinusukat sa hertz (Hz). Karaniwang 16,000 Hz (16 kHz) na mono audio ang inaasahan ng mga speech recognition model. Kasama ng bit depth at bilang ng channel, ang sample rate ang nagtatakda kung gaano kalaki kada minuto ang hindi naka-compress na audio file.

[API key](https://broadrouter.com/fil/glossary/api-key/)

Ang API key ay isang lihim na string na kumikilala at nagpapahintulot sa client na tumatawag sa isang API. Kadalasang hinihingi ito ng mga LLM API sa Authorization: Bearer header, at ang sinumang may hawak ng key ay makakagawa ng mga request na sisingilin sa account na may-ari nito.

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

Ang pay-as-you-go ay paraan ng pagpepresyo kung saan ang nagamit mo lang ang binabayaran mo, sinusukat kada yunit gaya ng token, request o minuto ng audio, nang walang subscription o minimum na commitment. Ganito naniningil ang karamihan ng LLM API, mula sa prepaid na balance o sa pana-panahong invoice.

[Rate limit](https://broadrouter.com/fil/glossary/rate-limit/)

Ang rate limit ay hangganang itinatakda ng API sa dami ng paggamit ng isang client sa isang yugto ng oras, gaya ng request kada minuto o token kada minuto. Tinatanggihan ang mga request na lampas sa limit, kadalasan na may HTTP 429 Too Many Requests, hanggang bumaba ulit ang paggamit.

[Speaker diarization](https://broadrouter.com/fil/glossary/diarization/)

Ang speaker diarization ay ang task ng paghahati ng audio recording sa mga segment ayon sa nagsasalita, na sumasagot sa tanong na "sino ang nagsalita at kailan". Nilalagyan nito ang bawat bahagi ng pananalita ng anonymous na speaker ID gaya ng SPEAKER\_00, at kadalasang isinasama sa transcript para makita kung sino ang nagsabi ng bawat linya.

## Mga tanong

### Paano ko ita-transcribe ang audio file na mas malaki sa 25 MB?

I-convert muna ito sa 16 kHz mono, na madalas nagpapababa nito sa ilalim ng limit. Kung masyado pa ring malaki, hatiin ito sa mga chunk na mga 10 minuto sa mga tahimik na bahagi gamit ang ffmpeg, i-transcribe ang bawat chunk gamit ang parehong language setting, at pagdugtungin ang mga text nang sunod-sunod.

### Ilang minuto ng audio ang kasya sa 25 MB?

Depende sa format. 32,000 byte kada segundo ang gamit ng 16 kHz mono 16-bit WAV, kaya mga 13.6 minuto ang laman ng 26,214,400 byte. Mga 54 minuto ang laman ng MP3 sa 64 kbit/s. Mas kaunti nang husto ang laman ng stereo o 44.1 kHz na WAV.

### Ano ang mangyayari kapag nag-upload ako ng file na lampas sa limit?

Tatanggihan ang request. 413 ang ibinabalik ng BroadNet Inference, na tinutukoy ng docs nito bilang request na lumampas sa byte o text limit ng endpoint. Walang ita-transcribe, kaya hatiin at ipadala ulit.

### May mawawala bang salita sa hangganan ng mga chunk?

Puwede, kung hahatiin mo sa nakapirming oras sa gitna ng pagsasalita. Sa loob ng katahimikan ka humati. Kung kailangan mo talagang humati sa nakapirming oras, mag-overlap ng isa o dalawang segundo ang mga chunk at alisin ang mga naulit na salita kapag pinagdugtong mo.

### Mas mahal ba kapag hinati ang file?

Minuto ng audio ang binabayaran mo, kaya pareho ang kabuuang haba. Naglilista ang pricing page ng BroadNet ng presyo kada minuto ng audio at walang binabanggit na minimum kada file o rounding; tingnan ang usage page pagkatapos ng unang batch mo para makasiguro.

### Puwede ko bang ipadala ang text ng naunang chunk bilang context?

May mga API na tumatanggap ng prompt para diyan; inililista ng OpenAI ang pagdadala ng context mula sa naunang chunk bilang gamit ng prompt parameter nito. model, language at file lang ang inililista ng docs ng BroadNet, kaya huwag umasa sa prompt doon.

## Magbasa pa

-   [Paano i-transcribe ang call center recording: pipeline para sa Arabic](https://broadrouter.com/fil/blog/transcribe-call-center-recordings/)
-   [Multilingual speech-to-text API: 14 na wika, iisang endpoint](https://broadrouter.com/fil/blog/multilingual-speech-to-text-api/)
-   [Arabic speech-to-text API: paano pumili sa 2026](https://broadrouter.com/fil/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Alternatibo sa Whisper API: kailan lilipat, at paano ito i-test](https://broadrouter.com/fil/blog/whisper-api-alternative/)
-   [Presyo ng speech-to-text API, ikinumpara: kada minuto sa 2026](https://broadrouter.com/fil/blog/speech-to-text-api-pricing-compared/)
-   [Arabic subtitles (SRT) mula sa speech-to-text API: ang kailangan mo](https://broadrouter.com/fil/blog/arabic-subtitles-srt-api/)
-   [Paano mag-record ng audio sa browser at ipadala sa speech-to-text API](https://broadrouter.com/fil/blog/record-browser-audio-transcription-api/)
-   [Isalin ang Arabic audio sa English gamit ang API: tested na pipeline](https://broadrouter.com/fil/blog/translate-arabic-audio-to-english/)
-   [GPU hardware at paraan ng serving ng BroadNet, ayon sa BroadNet](https://broadrouter.com/fil/blog/broadnet-gpu-fleet-and-serving/)
-   [I-cache ang LLM API response, makatipid: exact-match cache sa Python](https://broadrouter.com/fil/blog/cache-llm-responses-cut-cost/)
-   [Gabay: Arabic speech-to-text API: gabay na hakbang-hakbang](https://broadrouter.com/fil/guides/arabic-speech-to-text-api/)
-   [Gabay: Paano gawing text ang WhatsApp voice notes gamit ang API](https://broadrouter.com/fil/guides/transcribe-whatsapp-voice-notes/)
-   [Gabay: Mga error code ng BroadNet Inference at kailan dapat mag-retry](https://broadrouter.com/fil/guides/errors-and-retries/)

Subukan ito sa totoong workload mo. May US$5 na panimulang credit ang mga bagong account para sa Gemma at transcription. Kailangan ng top-up para sa DeepSeek, GLM, at Qwen3.8.

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

**Mga source**

-   [API reference ng BroadNet Inference: WAV o MP3 hanggang 26,214,400 byte, language field, mga error na 413 at 429, mga limit ng pay-as-you-go (sinuri noong 2026-11-15) (Ingles)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-transcribe-long-audio-files-api&utm_content=sources)
-   [Pricing page ng BroadNet Inference, presyo ng transcription kada minuto ng audio (sinuri noong 2026-11-15) (Ingles)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-transcribe-long-audio-files-api&utm_content=sources)
-   [Gabay ng OpenAI sa speech to text: 25 MB na file limit, paghahati sa mga chunk, iwasang humati sa gitna ng pangungusap (sinuri noong 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Dokumentasyon ng FFmpeg formats, segment muxer (sinuri noong 2026-11-15)](https://ffmpeg.org/ffmpeg-formats.html)
-   [Open Universal Arabic ASR Leaderboard sa Hugging Face (rank na iniulat ng BroadNet; sinuri ng BroadRouter noong 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Dokumentasyon ng FFmpeg filters, silencedetect (sinuri noong 2026-11-15)](https://ffmpeg.org/ffmpeg-filters.html)
