---
title: "अरबी speech-to-text API: 2026 में कैसे चुनें | BroadRouter"
description: "अरबी ट्रांसक्रिप्शन API कैसे चुनें: word error rate, बोलियाँ, फ़ाइल सीमाएँ, प्रति ऑडियो घंटा कीमत और प्राइवेसी, साथ में आपकी रिकॉर्डिंग के लिए टेस्ट प्लान।"
url: https://broadrouter.com/hi/blog/arabic-speech-to-text-api-buyers-guide/
lang: hi
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/blog/arabic-speech-to-text-api-buyers-guide/) (2026-11-15 को अपडेट किया गया).

# अरबी speech-to-text API: 2026 में सही API कैसे चुनें

BroadNet Inference टीम · 7 मिनट में पढ़ें · प्रकाशित 2026-11-14 · अपडेट किया गया 2026-11-15

अरबी speech-to-text API अपनी रिकॉर्डिंग पर टेस्ट करके चुनें: अपनी बोलियों पर word error rate मापें, फिर प्रति ऑडियो घंटा कीमत, फ़ाइल सीमाएँ और डेटा retention मिलाएँ। BroadNet Transcribe Arabic की कीमत $0.25 प्रति ऑडियो घंटा ($0.0042 प्रति मिनट) है, और Open Universal Arabic ASR Leaderboard ने 15 नवंबर 2026 को इसे 39 में से #4 पर रखा।

## मुख्य बातें

-   आपके अपने ऑडियो पर word error rate (WER) किसी भी leaderboard से ज़्यादा मायने रखता है। कम बेहतर है।
-   आधुनिक मानक अरबी आसान मामला है। खाड़ी, मिस्री, लेवेंटाइन और मग़रिबी बोली अलग-अलग टेस्ट करें।
-   स्कोर करने से पहले अरबी टेक्स्ट normalize करें, वरना वर्तनी के रूप ग़लतियों में गिने जाएँगे।
-   BroadNet Transcribe Arabic की कीमत $0.25 प्रति ऑडियो घंटा है; 1,000 घंटे की लागत $252.00 है।
-   हमेशा `language=ar` भेजें, वरना अरबी लैटिन अक्षरों में लिप्यंतरित होकर लौट सकती है।
-   मुफ़्त $5 का शुरुआती क्रेडिट टेस्टिंग के लिए लगभग 1,190 मिनट के अरबी ऑडियो को कवर करता है।

**इस पेज पर**

1.  आपके अपने ऑडियो पर word error rate सबसे ज़्यादा क्यों मायने रखता है?
2.  बोलियों का कवरेज कैसे जाँचें?
3.  अरबी ट्रांसक्रिप्शन की प्रति ऑडियो घंटा लागत क्या है?
4.  अरबी speech-to-text API में कौन-से फ़ीचर होने चाहिए?
5.  कौन-सी फ़ाइल सीमाएँ और फ़ॉर्मैट लागू होते हैं?
6.  क्या ऑडियो स्टोर होता है?
7.  एक दोपहर में अरबी ट्रांसक्रिप्शन API कैसे टेस्ट करें?
8.  आम ग़लतियाँ
9.  BroadNet Inference कहाँ फ़िट होता है

अरबी [speech-to-text](https://broadrouter.com/hi/glossary/speech-to-text/) API चुनने के लिए, हर उम्मीदवार से हर बोली के अपने 30 से 50 क्लिप ट्रांसक्राइब करें, हर बोली का word error rate मिलाएँ, फिर प्रति ऑडियो घंटा कीमत, फ़ाइल सीमाएँ, streaming की ज़रूरत और डेटा retention तौलें। जो मॉडल benchmark पर शानदार दिखता है, वह आपके कॉल-सेंटर के ऑडियो पर फिर भी फ़ेल हो सकता है।

Speech recognition के लिए अरबी मुश्किल है: एक लिखित मानक कई बोली जाने वाली बोलियों के ऊपर बैठा है, बोलने वाले वाक्य के बीच में अंग्रेज़ी पर चले जाते हैं, और ज़्यादातर असली ऑडियो फ़ोन कॉल और वॉइस नोट होते हैं।

## आपके अपने ऑडियो पर word error rate सबसे ज़्यादा क्यों मायने रखता है?

[Word error rate (WER)](https://broadrouter.com/hi/glossary/word-error-rate/) उन शब्दों का हिस्सा है जो मॉडल ग़लत करता है: बदले हुए, छूटे हुए या गढ़े हुए। कम बेहतर है। सार्वजनिक आँकड़े शुरुआत भर हैं:

| Test set | यह क्या है | BroadNet Transcribe Arabic | ElevenLabs Scribe v2 | Whisper large-v3 |
| --- | --- | --- | --- | --- |
| FLEURS-ar | साफ़ पढ़े गए वाक्य | 3.8 | प्रकाशित नहीं | प्रकाशित नहीं |
| MASC-ar | असल दुनिया की मिली-जुली अरबी बोली | 21.1 | 22.3 | 31.5 |
| BroadNet बोली set | खाड़ी, मिस्री और लेवेंटाइन बोली | 23.4 | 25.6 | 31.8 |

ये BroadNet के लैब माप हैं, जो उसके [मॉडल कैटलॉग](https://www.broadnet.ai/inference/models) और उसके [Transcribe Arabic पेज](https://www.broadnet.ai/inference/models/cohere-transcribe-arabic) पर प्रकाशित हैं। तुलना BroadNet ने ख़ुद चलाई, इसलिए ElevenLabs और Whisper वाले कॉलम को एक vendor का अपने प्रतिस्पर्धियों पर किया टेस्ट मानें, स्वतंत्र नतीजा नहीं। BroadNet यह भी बताता है कि [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) पर मॉडल 37 में से #2 (यह सितंबर 2026 का आंकड़ा है; 15 नवंबर 2026 को लाइव लीडरबोर्ड पर यह 39 में से #4 था) पर है, और उन मॉडलों में #1 जिनके लाइसेंस API के ज़रिए serve करने की इजाज़त देते हैं। 15 नवंबर 2026 को इसके ऊपर की तीन entries Jais-ASR, Sygma-ASR-Arabic (जिसे board Cohere मॉडल पर beam decoding बताता है) और Audar-ASR-V1-Turbo थीं; Whisper large-v3 #19 पर था। हमने हर entry का लाइसेंस नहीं जाँचा है।

साइन अप करने से पहले आप मॉडल को अपनी आवाज़ पर सुन सकते हैं: BroadNet का [ब्राउज़र playground](https://www.broadnet.ai/inference/playground) बिना अकाउंट के 60 सेकंड तक का अरबी या अंग्रेज़ी ऑडियो ट्रांसक्राइब करता है। देखें [playground कैसे इस्तेमाल करें](https://broadrouter.com/hi/guides/try-broadnet-inference-playground/)।

3.8 और 23.4 के बीच का अंतर ही सबक़ है: **एक ही मॉडल पढ़ी गई बोली पर लगभग पूरा सही और बोलचाल वाली बोली पर काफ़ी कमज़ोर हो सकता है।** अपने ऑडियो पर टेस्ट करें।

आम तौर पर vendor के आँकड़ों से सावधान रहें। प्रकाशित अरबी WER के बहुत से आँकड़े vendor के अपने टेस्ट से आते हैं, ऐसे ऑडियो पर जिसे आप देख नहीं सकते। कोई आँकड़ा तभी तुलना लायक़ है जब test set, normalization और scoring टूल एक ही हों।

पूरी तस्वीर के लिए, हमारा open [speech-to-text API price index](https://broadrouter.com/data/speech-to-text-api-prices/) 20 से ज़्यादा प्रोडक्ट्स की batch और streaming कीमतें, billing increments और अरबी सपोर्ट दिखाता है, हर एक प्रोवाइडर के अपने pricing पेज से जाँचा हुआ (CSV और JSON)।

## बोलियों का कवरेज कैसे जाँचें?

अपनी test फ़ाइलों को बोली के हिसाब से बाँटें: खाड़ी (ख़लीजी), मिस्री, लेवेंटाइन, इराक़ी, मग़रिबी, और साथ में [आधुनिक मानक अरबी](https://broadrouter.com/hi/glossary/msa/)। हर समूह को अलग स्कोर करें। अगर आपके ज़्यादातर ग्राहक रियाद में हैं, तो खाड़ी का WER किसी औसत से कहीं ज़्यादा मायने रखता है।

**[Code-switching](https://broadrouter.com/hi/glossary/code-switching/)** पर नज़र रखें। खाड़ी की कारोबारी बोली में अंग्रेज़ी प्रोडक्ट नाम और संख्याएँ मिली रहती हैं। देखें कि संख्याएँ, तारीख़ें और नाम कैसे आते हैं, क्योंकि आगे का सिस्टम इन्हीं शब्दों पर कार्रवाई करता है। BroadNet शोर वाले ऑडियो में संख्याओं, तारीख़ों और नामों के लिए एक [fine-tuned अरबी मॉडल](https://broadrouter.com/hi/models/#on-request) अनुरोध पर देता है।

## अरबी ट्रांसक्रिप्शन की प्रति ऑडियो घंटा लागत क्या है?

प्रति ऑडियो घंटा तुलना करें, क्योंकि आपका वॉल्यूम इसी तरह मापा जाता है:

| मॉडल | प्रति मिनट | प्रति घंटा | 1,000 घंटे |
| --- | --- | --- | --- |
| [BroadNet Transcribe Arabic](https://broadrouter.com/hi/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | $252.00 |
| [BroadNet Transcribe (14 भाषाएँ)](https://broadrouter.com/hi/models/cohere-transcribe/) | $0.002 | $0.12 | — |
| Soniox async (फ़ाइल), 60+ भाषाएँ | लगभग USD 0.0017 (निकाला गया) | लगभग USD 0.10 | लगभग USD 100 |
| Soniox real-time (streaming) | लगभग USD 0.002 (निकाला गया) | लगभग USD 0.12 | लगभग USD 120 |

Soniox की पंक्तियाँ [Soniox pricing](https://soniox.com/pricing) से हैं, 14 नवंबर 2026 को जाँची गईं। Soniox प्रति टोकन बिल करता है (लगभग 30,000 ऑडियो टोकन प्रति घंटा) और घंटे वाले आँकड़ों को अनुमान बताता है।

**Soniox प्रति घंटा BroadNet से सस्ता है।** उसकी फ़ाइल दर BroadNet Transcribe Arabic के $0.25 के आधे से कम है और BroadNet Transcribe के $0.12 से भी नीचे है। उसकी real-time दर BroadNet Transcribe के बराबर है और फिर भी अरबी मॉडल से कम है, और BroadNet real-time streaming document ही नहीं करता। Soniox अपनी [समर्थित भाषाओं](https://docs.soniox.com/stt/concepts/supported-languages) में अरबी (`ar`) गिनाता है और सभी भाषाओं के लिए एक ही दर दिखाता है। वह अरबी के लिए अलग कीमत, अरबी WER के आँकड़े या बोलियों का कवरेज प्रकाशित नहीं करता, इसलिए कीमत साफ़ है पर सटीकता नहीं। कीमत के आधार पर चुनने से पहले दोनों पर वही बोली वाला टेस्ट चलाएँ।

किसी सपोर्ट inbox के लिए, 30-30 सेकंड के 10,000 WhatsApp वॉइस नोट अरबी मॉडल पर $21.00 के पड़ते हैं। हिसाब है `10,000 × 0.5 minutes × $0.0042`। अपना वॉल्यूम [speech-to-text लागत कैलकुलेटर](https://broadrouter.com/tools/speech-to-text-cost-calculator/) में डालें।

प्रोवाइडर्स की तुलना करते समय दर के साथ billing की इकाई भी देखें: प्रति सेकंड, प्रति मिनट या प्रति शुरू हुआ ब्लॉक, और क्या प्रति फ़ाइल कोई न्यूनतम चार्ज है। छोटे वॉइस नोट्स पर ही billing की rounding दिखती है। दूसरे प्रोवाइडर्स की प्रति मिनट दरों के लिए, उनके pricing पेजों से जाँची हुई, देखें [speech-to-text API की कीमतों की तुलना](https://broadrouter.com/hi/blog/speech-to-text-api-pricing-compared/); अगर आप OpenAI के endpoint से हट रहे हैं, तो [Whisper API का विकल्प](https://broadrouter.com/hi/blog/whisper-api-alternative/) वाली चेकलिस्ट देखें। [Transcribe बनाम Transcribe Arabic तुलना](https://broadrouter.com/compare/cohere-transcribe-vs-cohere-transcribe-arabic/) दिखाती है कि सस्ता 14-भाषा वाला मॉडल कब काफ़ी है।

## अरबी speech-to-text API में कौन-से फ़ीचर होने चाहिए?

हर प्रोडक्ट को हर फ़ीचर नहीं चाहिए। तुलना से पहले तय करें कि कौन-से मायने रखते हैं:

| फ़ीचर | क्यों मायने रखता है | क्या पूछें |
| --- | --- | --- |
| Batch फ़ाइल अपलोड | वॉइस नोट, रिकॉर्डिंग, archives | फ़ॉर्मैट और अधिकतम फ़ाइल साइज़ |
| Real-time streaming | Live captions, वॉइस एजेंट | Latency, और क्या यह अलग प्रोडक्ट है |
| स्पीकर लेबल ([diarization](https://broadrouter.com/hi/glossary/diarization/)) | एजेंट और ग्राहक वाली कॉल | सिर्फ़ batch, या live भी? |
| शब्द timestamps | सबटाइटल, सर्च, समीक्षा टूल | शब्द-स्तर या segment-स्तर? |
| Code-switching | अंग्रेज़ी शब्दों वाली अरबी | क्या हर अनुरोध में एक ही भाषा चाहिए? |
| डेटा retention | कॉल में निजी डेटा होता है | क्या ऑडियो या टेक्स्ट रखा जाता है, और कब तक? |

BroadNet आज जो document करता है: OpenAI-compatible `/v1/audio/transcriptions` endpoint के ज़रिए batch ट्रांसक्रिप्शन, WAV या MP3 इनपुट, एक `language` फ़ील्ड, और zero data retention। इस सूची की किसी और चीज़ पर निर्भर होने से पहले [API रेफ़रंस](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-arabic-speech-to-text-api-buyers-guide&utm_content=body) जाँचें।

## कौन-सी फ़ाइल सीमाएँ और फ़ॉर्मैट लागू होते हैं?

-   **फ़ाइल साइज़।** BroadNet प्रति फ़ाइल 26,214,400 बाइट (25 MiB) तक की WAV या MP3 लेता है। बड़ी फ़ाइल पर 413 लौटता है; लंबी रिकॉर्डिंग को बाँटें।
-   **फ़ॉर्मैट।** .ogg वॉइस नोट और .m4a रिकॉर्डिंग पहले बदलें; [WhatsApp वॉइस नोट गाइड](https://broadrouter.com/hi/guides/transcribe-whatsapp-voice-notes/) में ffmpeg वाली लाइन है।
-   **Language फ़ील्ड।** `language=ar` भेजें। इसके बिना अरबी लैटिन अक्षरों में लिप्यंतरित होकर लौट सकती है।
-   **Rate limits।** उपयोग के अनुसार भुगतान वाली key प्रति मिनट 30 अनुरोध और एक साथ 4 की इजाज़त देती है। बड़े backlog के लिए फ़ाइलों को queue करें और 429 को backoff के साथ दोबारा भेजें; देखें [errors और retries](https://broadrouter.com/hi/guides/errors-and-retries/)।

## क्या ऑडियो स्टोर होता है?

वॉइस नोट और कॉल में नाम, फ़ोन नंबर और सेहत या बैंकिंग के ब्योरे होते हैं। हर प्रोवाइडर से पूछें कि क्या ऑडियो और ट्रांसक्रिप्ट retain किए जाते हैं, और कब तक। BroadNet Inference दोनों में से कुछ भी retain नहीं करता; देखें [zero data retention](https://broadrouter.com/hi/privacy/) और हमारी [ZDR चेकलिस्ट](https://broadrouter.com/hi/blog/zero-data-retention-llm-api-checklist/)।

## एक दोपहर में अरबी ट्रांसक्रिप्शन API कैसे टेस्ट करें?

1.  अपने production चैनल से हर बोली के 30 से 50 असली क्लिप इकट्ठा करें। जो कुछ शेयर नहीं कर सकते, उसे हटा दें।
2.  हर बोली के 10 क्लिप का सही ट्रांसक्रिप्ट हाथ से लिखें, एक तय वर्तनी नियम के साथ।
3.  हर क्लिप को हर उम्मीदवार API से ट्रांसक्राइब करें। [क़दम-दर-क़दम अरबी गाइड](https://broadrouter.com/hi/guides/arabic-speech-to-text-api/) में BroadNet के लिए curl और Python कोड है।
4.  दोनों टेक्स्ट एक ही तरह normalize करें और हर बोली का WER और CER निकालें। [अरबी WER की व्याख्या](https://broadrouter.com/hi/blog/arabic-asr-wer-explained/) में Python वाला normalization function है और यह दिखाया गया है कि इसे छोड़ने से एक पूरा सही ट्रांसक्रिप्ट 75% WER क्यों बन सकता है।
5.  20 ट्रांसक्रिप्ट ख़ुद पढ़ें। कम WER भी ग़लत संख्याएँ या नाम छिपा सकता है।

क्लिप कैसे चुनें, reference कैसे लिखें और हर बोली समूह को कैसे स्कोर करें, यह [अरबी बोली speech recognition](https://broadrouter.com/hi/blog/arabic-dialect-speech-recognition/) में विस्तार से है।

## आम ग़लतियाँ

-   **सिर्फ़ साफ़ ऑडियो टेस्ट करना।** असली फ़ोन और वॉइस-नोट रिकॉर्डिंग इस्तेमाल करें।
-   **एक औसत WER।** अच्छा औसत ऐसी बोली को छिपा सकता है जो आपके ग्राहक बोलते हैं।
-   **Language फ़ील्ड छोड़ देना।** लिप्यंतरित आउटपुट लगभग पूरा ग़लतियों में गिना जाता है।
-   **संख्याओं को नज़रअंदाज़ करना।** अंक, तारीख़ें और रक़में हाथ से जाँचें; आपका सिस्टम इन्हीं पर कार्रवाई करता है।

## BroadNet Inference कहाँ फ़िट होता है

BroadNet Transcribe Arabic अरबी वॉइस नोट, कॉल और रिकॉर्डिंग के batch ट्रांसक्रिप्शन के लिए प्रति मिनट कीमत पर ठीक है, और कोई ऑडियो retain नहीं होता। $5 का शुरुआती क्रेडिट लगभग 1,190 मिनट के अरबी ऑडियो को कवर करता है, जो बिना कार्ड के ऊपर वाले टेस्ट के लिए काफ़ी है। अगर आपको ऐसे फ़ीचर चाहिए जो यह document नहीं करता, जैसे live streaming captions, तो ऐसा प्रोवाइडर टेस्ट करें जो उन्हें देता हो। ट्रांसक्रिप्शन के बाद अरबी टेक्स्ट के कामों के लिए देखें [अरबी के लिए LLM चुनना](https://broadrouter.com/hi/blog/choosing-an-llm-for-arabic/)।

इस विषय के मुफ़्त टूल (अंग्रेज़ी में)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[मुफ़्त टूल (अंग्रेज़ी में)](https://broadrouter.com/tools/)

## इस लेख के शब्द

[स्पीच-टू-टेक्स्ट (speech-to-text)](https://broadrouter.com/hi/glossary/speech-to-text/)

स्पीच-टू-टेक्स्ट, जिसे automatic speech recognition (ASR) भी कहते हैं, बोले गए ऑडियो को लिखित टेक्स्ट में बदलने की तकनीक है। speech-to-text API ऑडियो फ़ाइल या स्ट्रीम लेकर ट्रांसक्रिप्ट लौटाता है, आम तौर पर प्रति ऑडियो मिनट की कीमत पर। सटीकता वर्ड एरर रेट से मापी जाती है और लहजे, बोली और रिकॉर्डिंग क्वालिटी के साथ बदलती है।

[वर्ड एरर रेट (WER)](https://broadrouter.com/hi/glossary/word-error-rate/)

वर्ड एरर रेट (WER) स्पीच रिकग्निशन की सटीकता का मानक पैमाना है: ट्रांसक्रिप्ट को सही रेफ़रंस में बदलने के लिए ज़रूरी शब्दों के substitutions, deletions और insertions की संख्या, जिसे रेफ़रंस के कुल शब्दों से भाग दिया जाता है। जितना कम, उतना बेहतर।

[स्ट्रीमिंग (streaming)](https://broadrouter.com/hi/glossary/streaming/)

स्ट्रीमिंग, लैंग्वेज मॉडल के जवाब को अंत में एक साथ लौटाने के बजाय, बनते समय ही छोटे-छोटे टुकड़ों (chunks) में लौटाने का तरीक़ा है। OpenAI-कम्पैटिबल API, अनुरोध में stream को true सेट करने पर server-sent events से स्ट्रीम करते हैं।

[ज़ीरो डेटा रिटेंशन (zero data retention, ZDR)](https://broadrouter.com/hi/glossary/zero-data-retention/)

ज़ीरो डेटा रिटेंशन (ZDR) डेटा सँभालने की एक पॉलिसी है, जिसमें AI प्रोवाइडर प्रॉम्प्ट और आउटपुट सिर्फ़ अनुरोध पूरा करने के लिए प्रोसेस करता है और बाद में वह सामग्री लॉग, कैश या ट्रेनिंग डेटा में स्टोर नहीं करता। टोकन गिनती और समय जैसे बिना सामग्री वाले रिकॉर्ड आम तौर पर फिर भी रखे जाते हैं।

[उपयोग के अनुसार भुगतान (pay-as-you-go)](https://broadrouter.com/hi/glossary/pay-as-you-go/)

उपयोग के अनुसार भुगतान (pay-as-you-go) एक प्राइसिंग मॉडल है जिसमें आप सिर्फ़ उतना देते हैं जितना इस्तेमाल करते हैं, जिसे टोकन, अनुरोध या ऑडियो मिनट जैसी इकाइयों में मापा जाता है, बिना सब्सक्रिप्शन या न्यूनतम प्रतिबद्धता के। ज़्यादातर LLM API इसी तरह बिल बनाते हैं, प्रीपेड बैलेंस या समय-समय पर बनने वाले इनवॉइस से।

[कोड-स्विचिंग (code-switching)](https://broadrouter.com/hi/glossary/code-switching/)

Code-switching एक ही बातचीत या वाक्य में, बोलकर या लिखकर, दो या ज़्यादा भाषाओं, या एक भाषा के अलग रूपों, का इस्तेमाल है। उदाहरण: अरबी बोलने वाले अपनी बोली में अंग्रेज़ी शब्द मिलाते हैं, या मॉडर्न स्टैंडर्ड अरबी और अपनी बोली के बीच आते-जाते हैं।

[रेट लिमिट (rate limit)](https://broadrouter.com/hi/glossary/rate-limit/)

रेट लिमिट वह सीमा है जो कोई API तय करता है कि एक क्लाइंट किसी समय-अवधि में उसका कितना इस्तेमाल कर सकता है, जैसे प्रति मिनट अनुरोध या प्रति मिनट टोकन। सीमा से ऊपर के अनुरोध ठुकरा दिए जाते हैं, आम तौर पर HTTP 429 Too Many Requests के साथ, जब तक इस्तेमाल फिर सीमा के नीचे न आ जाए।

[अरबी बोलियाँ (dialectal Arabic)](https://broadrouter.com/hi/glossary/dialectal-arabic/)

अरबी बोलियाँ किसी क्षेत्र या शहर में रोज़ बोली जाने वाली अरबी हैं, जैसे मिस्री, खाड़ी, लेवेंटाइन या मग़रिबी अरबी। ये आधुनिक मानक अरबी से आवाज़ों, शब्दों और व्याकरण में अलग हैं, इनकी कोई मानक वर्तनी नहीं, और ऑनलाइन इन्हें तेज़ी से लिखा जा रहा है, जिससे लैंग्वेज मॉडल के लिए ये मुश्किल हैं।

## अक्सर पूछे जाने वाले सवाल

### अरबी के लिए अच्छा word error rate कितना है?

यह ऑडियो पर निर्भर है। BroadNet, BroadNet Transcribe Arabic के लिए FLEURS-ar (साफ़ पढ़ी गई बोली) पर 3.8, MASC-ar पर 21.1 और अपने बोली set पर 23.4 बताता है। बोलचाल वाली बोली का ऑडियो पढ़ी गई बोली से हमेशा ज़्यादा मुश्किल होता है।

### अरबी बोलियों के लिए कौन-सा speech-to-text API सबसे अच्छा है?

एक जवाब नहीं है, क्योंकि नतीजे बोली और रिकॉर्डिंग की क्वालिटी के हिसाब से बदलते हैं। दो-तीन API चुनें, हर एक से हर बोली के अपने 30 से 50 क्लिप ट्रांसक्राइब करें, और कुल औसत नहीं, हर बोली का word error rate मिलाएँ।

### 1,000 घंटे के अरबी ऑडियो को ट्रांसक्राइब करने में कितना ख़र्च आता है?

$0.0042 प्रति ऑडियो मिनट पर, BroadNet Transcribe Arabic के साथ 1,000 घंटे की लागत $252.00 है।

### क्या BroadNet का अरबी speech-to-text live streaming सपोर्ट करता है?

BroadNet, /v1/audio/transcriptions के ज़रिए 25 MiB तक की WAV या MP3 फ़ाइलों का batch ट्रांसक्रिप्शन document करता है। यह live streaming captions document नहीं करता। अगर आपको वे चाहिए, तो उदाहरण के लिए Soniox real-time ट्रांसक्रिप्शन बेचता है जिसकी भाषा सूची में अरबी है (14 नवंबर 2026 को जाँचा गया)।

### क्या यह WhatsApp वॉइस नोट ट्रांसक्राइब कर सकता है?

हाँ, ffmpeg से .ogg फ़ाइल को WAV या MP3 में बदलने के बाद। इस साइट की WhatsApp गाइड एक लाइन वाला conversion दिखाती है।

### क्या मेरा ऑडियो स्टोर होता है?

नहीं। BroadNet Inference अनुरोध के बाद ऑडियो या ट्रांसक्रिप्ट retain नहीं करता; यह सिर्फ़ बिना कंटेंट वाले रिकॉर्ड, जैसे timings और लागत, रखता है।

## आगे पढ़ें

-   [25 MB से बड़ा लंबा ऑडियो ट्रांसक्राइब करें: बाँटें, भेजें, जोड़ें](https://broadrouter.com/hi/blog/transcribe-long-audio-files-api/)
-   [अरबी ASR में word error rate (WER) क्या है, आसान भाषा में](https://broadrouter.com/hi/blog/arabic-asr-wer-explained/)
-   [अरबी बोलियों की speech recognition: खाड़ी, मिस्री, लेवेंटाइन, मग़रिबी](https://broadrouter.com/hi/blog/arabic-dialect-speech-recognition/)
-   [स्पीच-टू-टेक्स्ट API की कीमतों की तुलना: 2026 में प्रति मिनट कीमत](https://broadrouter.com/hi/blog/speech-to-text-api-pricing-compared/)
-   [Whisper API का विकल्प: कब बदलें, और उसे कैसे टेस्ट करें](https://broadrouter.com/hi/blog/whisper-api-alternative/)
-   [अरबी के लिए LLM API कैसे चुनें: क्या-क्या टेस्ट करें](https://broadrouter.com/hi/blog/choosing-an-llm-for-arabic/)
-   [LLM से अरबी टेक्स्ट में हरकतें (तश्कील) लगाना: प्रॉम्प्ट, जाँच, DER](https://broadrouter.com/hi/blog/arabic-diacritization-llm/)
-   [LLM से अरबी व्याकरण और वर्तनी सुधार: एक how-to](https://broadrouter.com/hi/blog/arabic-grammar-spelling-correction-llm/)
-   [गाइड: अरबी speech-to-text API, स्टेप बाय स्टेप](https://broadrouter.com/hi/guides/arabic-speech-to-text-api/)
-   [गाइड: API से WhatsApp वॉइस नोट को टेक्स्ट में बदलें](https://broadrouter.com/hi/guides/transcribe-whatsapp-voice-notes/)
-   [गाइड: BroadNet Inference के एरर कोड और रीट्राई कब करें](https://broadrouter.com/hi/guides/errors-and-retries/)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

[शुरू करें](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-arabic-speech-to-text-api-buyers-guide&utm_content=page-cta) ·

**स्रोत**

-   [BroadNet Transcribe Arabic मॉडल पेज: ElevenLabs Scribe v2 और Whisper large-v3 से आमने-सामने WER (2026-11-15 को देखा गया) (अंग्रेज़ी में)](https://www.broadnet.ai/inference/models/cohere-transcribe-arabic)
-   [BroadNet मॉडल कैटलॉग, speech to text: BroadNet के बताए WER और leaderboard रैंक (2026-11-14 को देखा गया) (अंग्रेज़ी में)](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard, Hugging Face Space (2026-11-15 को देखा गया)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [BroadNet Inference API रेफ़रंस: ट्रांसक्रिप्शन फ़ॉर्मैट, 26,214,400 बाइट की सीमा, 413, language फ़ील्ड (2026-11-14 को देखा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-arabic-speech-to-text-api-buyers-guide&utm_content=sources)
-   [BroadNet Inference की मशीन-पठनीय कीमतें, pricing.json (2026-11-14 को देखा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-arabic-speech-to-text-api-buyers-guide&utm_content=sources)
-   [Soniox pricing: async लगभग 0.10 USD/घंटा, real-time लगभग 0.12 USD/घंटा, बिल प्रति टोकन (2026-11-14 को जाँचा गया)](https://soniox.com/pricing)
-   [Soniox docs, समर्थित भाषाएँ: 60 में अरबी (ar) शामिल (2026-11-14 को जाँचा गया)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [jiwer, ASR error rates के लिए Python पैकेज (2026-11-14 को देखा गया)](https://github.com/jitsi/jiwer)
