May libreng browser playground ang BroadNet para sa BroadNet Inference. Tinatawag nito ang live API gamit ang shared key, kaya puwede mong marinig kung paano tina-transcribe ng Arabic model ang sarili mong boses o subukan ang isang dokumento bago ka gumawa ng account. Ayon sa BroadNet, hindi itinatago ang content ng request at response.
Ano ang puwede mong subukan?
Apat ang mode ng playground:
| Mode | Ang ibibigay mo | Ang ibabalik |
|---|---|---|
| Text | Tanong sa Arabic o English | Streamed na sagot mula sa Gemma 4 |
| Vision | Isang larawan, gaya ng menu, form o sulat-kamay na note, kasama ang tanong | Sagot tungkol sa larawan |
| Voice | Recording o upload na hanggang 60 segundo, Arabic o English | Transcript, saka buod |
| Documents | Isang larawan ng invoice, ID card, flyer o ibang dokumento | Ang mga field bilang JSON |
Tumatanggap ang voice ng WAV na hanggang 4 MB o WebM na hanggang 1.44 MB. Limit iyon ng playground; ang API ay tumatanggap ng WAV o MP3 na hanggang 25 MiB kada file.
Paano subukan ang Arabic speech to text?
- Buksan ang voice mode.
- Piliin ang العربية para sa Arabic, o English.
- Mag-record nang hanggang isang minuto, o mag-upload ng maikling voice note.
- Patakbuhin ang demo at basahin ang transcript at buod.
Subukan ang audio na talagang ipapadala mo: WhatsApp note na ni-record sa labas, tawag sa phone, dialect na mahalaga sa iyo. Kaunti lang ang masasabi ng malinis na binasang pangungusap; ayon sa sariling numero ng BroadNet, 3.8 ang word error rate ng parehong model sa malinis na binasang pananalita at 23.4 sa dialect na pananalita. Tingnan ang ibig sabihin ng Arabic WER.
Paano subukan ang pagbasa ng dokumento?
Buksan ang documents mode, piliin ang uri ng dokumento, mag-upload ng isang larawan at patakbuhin ito. Ikumpara ang mga numero sa orihinal: total, petsa, ID number at phone number ang madalas magkamali sa extraction. Para sa parehong trabaho sa API, tingnan ang pagbasa ng Arabic invoices gamit ang vision model.
Paano ilipat ang parehong test sa API?
Para sa unang silip ang playground. Para sa totoong test, kailangan mo ng sariling key:
- Gumawa ng account sa inference.broadnet.ai. May $5 na credit ang mga bagong account nang walang card.
- Gumawa ng API key sa account mo.
- Ipadala ang parehong request gamit ang curl o kahit anong OpenAI SDK. Para sa voice note:
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
Laging ipadala ang language; kung wala ito, puwedeng bumalik ang Arabic sa Latin na letra. I-convert muna sa WAV ang .ogg o .m4a na voice notes, dahil WAV at MP3 lang ang tinatanggap ng API:
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
Para sa chat at images, may unang request para sa bawat endpoint ang curl quickstart.
Ano ang mga limitasyon ng test sa playground?
- Isang file sa bawat pagkakataon. Kalidad ang ipinapakita nito, hindi throughput. Ang pay-as-you-go key ay may 30 request kada minuto at 4 na sabay-sabay na request.
- Maiikling clip lang. Hindi maipapakita ng animnapung segundo kung paano kinakaya ng model ang mahabang tawag. Sumubok ng ilang buong recording sa API.
- Walang settings. Hindi mo mase-set ang temperature, prompt o response format. Ibinibigay ng API ang karaniwang mga parameter ng OpenAI.
- Shared key. Demo ito, hindi serbisyo. Huwag kang mag-build sa ibabaw nito.
