BroadRouter

API speech-to-text multilingue : 14 langues, un seul endpoint

Par l’équipe BroadNet Inference · 6 min de lecture · Publié · Mis à jour

BroadNet Transcribe est un modèle speech-to-text pour 14 langues, dont l’anglais, l’espagnol, le français, l’allemand, le chinois, le japonais et l’arabe, servi sur un endpoint /v1/audio/transcriptions compatible OpenAI. Il coûte $0.002 par minute d’audio ($0.12 par heure). Pour un audio surtout en arabe, BroadNet Transcribe Arabic est l’option spécialisée, à $0.0042 la minute.

The words English, Español, Français, Deutsch, 日本語, 한국어, 中文, Tiếng Việt and العربية, with the text "Many languages. One connection."

La plupart des produits qui traitent de l’audio ont affaire à plus d’une langue : une ligne de support internationale, des enregistrements de réunions de différents bureaux, une boîte de messages vocaux dans une ville multilingue. Gérer un fournisseur de speech-to-text par langue a un coût de maintenance. BroadNet Transcribe place 14 langues derrière un seul endpoint compatible OpenAI, facturé à la minute d’audio, avec à côté un modèle arabe spécialisé pour les charges riches en arabe.

Quelles langues BroadNet Transcribe couvre-t-il ?

La liste des langues provient du pricing.json publié par BroadNet, sous forme de codes ISO 639-1 :

Code Langue Code Langue
en Anglais nl Néerlandais
es Espagnol pl Polonais
fr Français zh Chinois
de Allemand ja Japonais
it Italien ko Coréen
pt Portugais vi Vietnamien
el Grec ar Arabe

BroadNet Transcribe est fondé sur Cohere Transcribe et servi par BroadNet. L’identifiant du modèle est broadnet/cohere-transcribe.

Pour une vue d’ensemble, notre index ouvert des prix des API speech-to-text liste les prix batch et streaming, les paliers de facturation et la prise en charge de l’arabe pour plus de 20 produits, chacun vérifié sur la page de tarifs du fournisseur (CSV et JSON).

Combien coûte la transcription multilingue ?

Modèle Par minute Par heure Langues
BroadNet Transcribe $0.002 $0.12 14
BroadNet Transcribe Arabic $0.0042 $0.25 Arabe

La facturation se fait à la minute d’audio, pas à la requête ni au token. Les deux modèles fonctionnent avec le crédit de départ gratuit de $5 : vous pouvez donc tester vos propres enregistrements avant de recharger. Tous les prix sont sur la page des tarifs ; chiffrez vos heures mensuelles avec le calculateur de coût speech-to-text, ou comparez d’autres fournisseurs dans les prix des API speech-to-text comparés.

Comment appeler l’endpoint de transcription ?

L’endpoint suit le format de transcription audio d’OpenAI, donc les SDK officiels fonctionnent en changeant l’URL de base :

import os
from openai import OpenAI

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

with open("meeting-fr.mp3", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="broadnet/cohere-transcribe",
        file=audio,
        language="fr",
    )
print(result.text)

Ou avec curl :

curl https://inference.broadnet.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -F model=broadnet/cohere-transcribe \
  -F language=es \
  -F file=@llamada.wav

La réponse est du JSON avec la transcription dans text. La réponse documentée par BroadNet est le texte lui-même ; si vous avez besoin d’horodatages par mot ou d’étiquettes de locuteurs, vérifiez dans la référence de l’API ce qui est pris en charge actuellement avant de bâtir votre conception dessus.

Pourquoi toujours envoyer la langue ?

La documentation de BroadNet est explicite : envoyez language avec chaque requête de transcription. Sans cela, l’arabe peut revenir translittéré en lettres latines, et le même risque vaut pour toute langue que le modèle pourrait confondre. Si vous ne connaissez pas la langue à l’avance :

  1. Utilisez d’abord les métadonnées. Le pays de l’appelant, la langue de l’application de l’utilisateur ou l’indicatif du numéro de téléphone sont généralement justes.
  2. Demandez à l’utilisateur dans les produits vocaux (« tapez 1 pour l’anglais, 2 pour l’arabe »).
  3. Essayez un court échantillon. Transcrivez les 30 premières secondes avec votre meilleure hypothèse ; si le texte semble faux (mauvaise écriture, charabia), réessayez avec le candidat suivant.

Quelles sont les limites et les formats ?

  • Formats : WAV (audio/wav) ou MP3 (audio/mpeg). Convertissez d’abord les fichiers .ogg, .m4a, .webm et vidéo avec ffmpeg. Le guide des messages vocaux WhatsApp donne la commande en une ligne.
  • Taille : jusqu’à 26 214 400 octets (25 Mio) par fichier ; les fichiers plus gros renvoient 413. Cela représente environ 13 minutes de WAV mono 16 kHz ou environ 54 minutes de MP3 à 64 kbit/s. Découpez l’audio plus long avec ffmpeg -f segment -segment_time 600.
  • Débit : une clé en paiement à l’usage autorise 30 requêtes par minute et 4 simultanées. Relancez les 429 avec backoff ; voir erreurs et relances.
  • Confidentialité : l’audio et les transcriptions sont traités pour la requête et ne sont pas conservés. Voir conservation zéro des données.

Pour un pipeline batch de production avec découpage et pool de workers, voir la transcription de centres d’appels en arabe à grande échelle ; la même conception fonctionne pour chacune des 14 langues.

Quand choisir le modèle spécifique à l’arabe ?

BroadNet propose deux modèles parce que l’arabe est plus difficile que la plupart des langues pour la reconnaissance vocale : de nombreux dialectes sous une même norme écrite, une alternance fréquente avec l’anglais et le français, et beaucoup d’audio de qualité téléphonique. BroadNet Transcribe Arabic est l’option spécialisée, et BroadNet ne publie de précision en arabe que pour lui :

  • BroadNet le classe #2 sur 37 (chiffre de septembre 2026 ; le classement en direct le plaçait #4 sur 39 le 15 novembre 2026) sur l’Open Universal Arabic ASR Leaderboard, et n° 1 parmi les modèles dont la licence autorise le service par API.
  • Les taux d’erreur sur les mots mesurés dans le laboratoire de BroadNet : 3,8 sur FLEURS-ar, 21,1 sur MASC-ar et 23,4 sur son jeu de dialectes (plus bas, c’est mieux). Ce que signifient ces chiffres.

BroadNet ne publie pas de chiffres en arabe pour le modèle à 14 langues, mais le classement public si : le 15 novembre 2026, il plaçait Cohere Transcribe 03-2026, le modèle derrière BroadNet Transcribe, au 8e rang sur 39 avec un WER moyen de 30,67, contre 24,19 pour le modèle arabe, classé #4 sur 39. Pour les autres langues, BroadNet indique pour BroadNet Transcribe un taux d’erreur sur les mots de 5,5 sur FLEURS anglais et de 3,2 sur FLEURS espagnol, et environ 113 fois le temps réel sur un flux (217 fois en batch) sur de l’audio anglais, d’après sa page modèle. Une règle simple :

Votre audio Choix
Surtout en arabe, quel que soit le dialecte BroadNet Transcribe Arabic
L’arabe est minoritaire dans les fichiers, la précision n’est pas critique BroadNet Transcribe pour tout, ou testez les deux
Portefeuille mixte avec une langue connue par fichier Fichiers arabes vers le modèle arabe, le reste vers BroadNet Transcribe
Une des 13 autres langues BroadNet Transcribe

Le routage par langue tient en une ligne, puisque les deux modèles partagent l’endpoint et le format de requête :

def stt_model(lang: str) -> str:
    return "broadnet/cohere-transcribe-arabic" if lang == "ar" else "broadnet/cohere-transcribe"

Le modèle arabe coûte environ deux fois plus cher à la minute. À gros volume, testez les deux sur quelques heures de votre vrai audio arabe et comparez le taux d’erreur sur les mots par dialecte ; le guide d’achat des API speech-to-text arabes propose un plan de test d’une heure. Si les nombres, les dates et les noms dans un audio arabe bruité posent problème, BroadNet liste aussi sur la page des modèles un modèle arabe affiné disponible sur demande.

Comment tester la précision dans chaque langue ?

Un chiffre de précision unique fourni par un éditeur masque de grandes différences entre langues, accents et conditions d’enregistrement. Avant d’engager une charge de travail, faites un petit test par langue :

  1. Rassemblez 20 à 50 vrais extraits par langue, issus du canal que vous transcrirez réellement : appels téléphoniques, enregistrements de réunions, messages vocaux ou vidéo. Incluez vos accents les plus difficiles.
  2. Rédigez des transcriptions de référence à la main pour une partie, avec des règles d’orthographe convenues pour les nombres, les noms et les emprunts à l’anglais.
  3. Transcrivez avec le bon code language et calculez le taux d’erreur sur les mots par langue. Pour le chinois et le japonais, qui s’écrivent sans espaces entre les mots, utilisez plutôt le taux d’erreur sur les caractères.
  4. Lisez les erreurs. Les noms de produits, les montants et les adresses comptent plus que les mots de remplissage.
  5. Répétez pour l’arabe avec les deux modèles si l’arabe fait partie de votre mélange, et comparez par dialecte.

Le crédit de départ de $5 couvre un test de ce genre pour plusieurs langues sur BroadNet Transcribe, car le prix à la minute est bas.

À quelles charges de travail convient-il ?

Charge de travail Remarques
Lignes de support multilingues Routez selon le choix de langue du SVI ; envoyez le code language correspondant
Comptes rendus de réunion pour équipes réparties Transcrivez chaque enregistrement, puis résumez avec un LLM
Boîtes de messages vocaux Convertissez d’abord le .ogg en WAV ; voir le guide WhatsApp
Archives médias et podcasts Découpez les longs fichiers sous 25 Mio ; traitez en batch la nuit
Applications d’apprentissage des langues Transcrivez la parole de l’apprenant, puis donnez un retour avec un LLM

Dans tous les cas, le coût ne dépend que des minutes d’audio : $0.12 par heure d’audio sur BroadNet Transcribe, quelle que soit la langue.

Que se passe-t-il après la transcription ?

La transcription est rarement le produit final. Étapes suivantes courantes avec la même clé d’API :

  • Résumés et actions à mener pour les réunions avec DeepSeek V4.1 Flash, dont le contexte de 1 048 576 tokens accueille de très longues transcriptions.
  • Traduction des transcriptions vers une langue de travail commune ; voir la traduction arabe–anglais avec des LLM.
  • Notation qualité des appels de support avec une sortie JSON structurée.

Comment migrer depuis une autre API de transcription ?

Si vous appelez déjà un endpoint de transcription de style OpenAI, y compris l’API Whisper qu’OpenAI annonce comme arrêtée le 26 février 2027 (ce qu’il faut tester avant de changer), la migration se résume en général à trois changements : URL de base, clé d’API et identifiant du modèle, en veillant à envoyer language. Vérifiez les champs de réponse que votre code lit en dehors de text. La checklist de migration vers une API compatible OpenAI couvre le reste.

Questions fréquentes

Quelles langues BroadNet Transcribe prend-il en charge ?

Quatorze : anglais, espagnol, français, allemand, italien, portugais, grec, néerlandais, polonais, chinois, japonais, coréen, vietnamien et arabe. La liste est publiée dans pricing.json sous forme de codes ISO 639-1.

Un fichier peut-il contenir deux langues ?

Chaque requête prend un seul code de langue. Pour un audio qui change de langue, transcrivez avec la langue principale et vérifiez le rendu de l’autre langue, ou découpez l’audio par locuteur ou par segment si les passages sont longs.

Le modèle multilingue est-il assez bon pour l’arabe ?

Il accepte l’arabe et coûte moins cher à la minute. BroadNet ne publie des chiffres de précision en arabe que pour BroadNet Transcribe Arabic : si l’arabe représente une grande part de votre audio, testez les deux sur vos enregistrements et comparez le taux d’erreur sur les mots.

Fonctionne-t-il avec le SDK OpenAI ?

Oui. Pointez le SDK vers l’URL de base de BroadNet et appelez audio.transcriptions.create avec l’identifiant du modèle, le fichier et la langue.

Lire en MarkdownDemander à ChatGPTDemander à ClaudeDemander à Perplexity