---
title: "Whisper API का विकल्प: सटीकता, भाषाएँ और कीमत | BroadRouter"
description: "OpenAI Whisper API का होस्टेड विकल्प कब सही है: आपके ऑडियो पर word error rate, भाषाएँ, प्रति घंटा कीमत, सीमाएँ और प्राइवेसी, साथ में टेस्ट कोड।"
url: https://broadrouter.com/hi/blog/whisper-api-alternative/
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/whisper-api-alternative/) (2026-11-15 को अपडेट किया गया).

# Whisper API का विकल्प: कब बदलें, और उसे कैसे टेस्ट करें

BroadNet Inference टीम · 6 मिनट में पढ़ें · प्रकाशित 2026-11-14 · अपडेट किया गया 2026-11-15

OpenAI ने whisper-1 को डेप्रिकेटेड बताया है, जो 26 फ़रवरी 2027 को बंद होगा, इसलिए Whisper API के हर यूज़र को किसी दूसरे मॉडल पर जाना होगा। विकल्प चुनें हर भाषा में अपनी 30 से 50 क्लिप पर word error rate से, फिर कीमत से। BroadNet Transcribe वही OpenAI SDK कॉल लेता है और 14 भाषाओं में $0.002 प्रति मिनट है।

## मुख्य बातें

-   OpenAI, whisper-1 की कीमत USD 0.006 प्रति मिनट बताता है, कहता है कि यह 98 भाषाएँ सपोर्ट करता है पर सटीकता बदलती रहती है, और इसे डेप्रिकेटेड बताता है, जो 26 फ़रवरी 2027 को बंद होगा। उसका सुझाया गया विकल्प, gpt-transcribe, USD 0.0045 प्रति मिनट है (2026-11-15 को देखा गया)।
-   कई विकल्प वही /v1/audio/transcriptions कॉल रखते हैं, इसलिए बदलाव सिर्फ़ base URL और मॉडल का है।
-   बेंचमार्क एक फ़िल्टर है, फ़ैसला नहीं: एक ही मॉडल पढ़ी गई अरबी पर 3.8 WER और बोली वाली बातचीत पर 23.4 ला सकता है।
-   Whisper के ख़ास विकल्प, जैसे verbose\_json टाइमस्टैम्प, विकल्प वाले मॉडल पर शायद न हों। OpenAI वर्ड टाइमस्टैम्प सिर्फ़ whisper-1 के लिए डॉक्यूमेंट करता है, इसलिए माइग्रेट करने से पहले जाँचें, gpt-transcribe पर जाते समय भी।
-   BroadNet Transcribe की कीमत $0.12 प्रति ऑडियो घंटा है; BroadNet Transcribe Arabic की $0.25।

**इस पेज पर**

1.  क्या OpenAI Whisper API रिटायर हो रहा है?
2.  टीमें Whisper API का विकल्प क्यों ढूँढती हैं?
3.  Whisper API के कौन-से विकल्प हैं, और उनकी कीमत क्या है?
4.  सटीकता के आँकड़ों का असल मतलब क्या है?
5.  एक दोपहर में Whisper के विकल्प को कैसे टेस्ट करें
6.  Whisper को ख़ुद होस्ट करना कब बेहतर है?
7.  माइग्रेशन चेकलिस्ट
8.  BroadNet Transcribe कहाँ फ़िट होता है

कई टीमें OpenAI Whisper API से ही शुरुआत करती हैं: एक एंडपॉइंट, एक कीमत, दर्जनों भाषाएँ। **Whisper API का विकल्प** आप तब ढूँढते हैं जब इन चार में से कुछ होता है: आपके ऑडियो पर सटीकता काफ़ी नहीं है, वॉल्यूम के साथ बिल बढ़ता है, आपकी सिक्योरिटी टीम चाहती है कि कम डेटा रखा जाए, या जिस मॉडल को आप कॉल करते हैं वह रिटायर हो रहा है। यह पोस्ट बताती है कि फ़ैसला कैसे करें, और अपना कोड दोबारा लिखे बिना किसी विकल्प को कैसे टेस्ट करें।

## क्या OpenAI Whisper API रिटायर हो रहा है?

हाँ, OpenAI के मौजूदा शेड्यूल के अनुसार। 2026-11-15 को देखे गए उसके [डेप्रिकेशन पेज](https://developers.openai.com/api/docs/deprecations) पर `whisper-1`, `gpt-4o-transcribe`, `gpt-4o-mini-transcribe` और `gpt-4o-transcribe-diarize` डेप्रिकेटेड बताए गए हैं: सूचना 26 अगस्त 2026 को दी गई और बंद होने की तारीख़ 26 फ़रवरी 2027 है। सुझाया गया विकल्प फ़ाइलों के लिए `gpt-transcribe` (USD 0.0045 प्रति मिनट, यानी USD 0.27 प्रति घंटा) और लाइव ऑडियो के लिए `gpt-live-transcribe` है। उसका [प्राइसिंग पेज](https://developers.openai.com/api/docs/pricing) यही चार मॉडल डेप्रिकेटेड दिखाता है, और उसकी [स्पीच-टू-टेक्स्ट गाइड](https://developers.openai.com/api/docs/guides/speech-to-text) कहती है “Start with gpt-transcribe” (अनुवाद: gpt-transcribe से शुरू करें)। `/v1/audio/translations` एंडपॉइंट भी डेप्रिकेटेड है। यानी किसी भी हाल में आपको अपना ऑडियो एक नए मॉडल पर दोबारा टेस्ट करना होगा। इसलिए OpenAI के विकल्प की दूसरे प्रोवाइडर से उन्हीं क्लिप पर तुलना करने का यह अच्छा समय है।

पूरी तस्वीर के लिए हमारा ओपन [स्पीच-टू-टेक्स्ट API प्राइस इंडेक्स](https://broadrouter.com/data/speech-to-text-api-prices/) 20 से ज़्यादा प्रोडक्ट की बैच और स्ट्रीमिंग कीमतें, बिलिंग इंक्रीमेंट और अरबी सपोर्ट दिखाता है, हर एक प्रोवाइडर के अपने प्राइसिंग पेज से जाँचा हुआ (CSV और JSON)।

## टीमें Whisper API का विकल्प क्यों ढूँढती हैं?

| वजह | विकल्प में क्या जाँचें |
| --- | --- |
| किसी ख़ास भाषा या बोली पर सटीकता | किसी प्रासंगिक टेस्ट सेट पर प्रकाशित [word error rate](https://broadrouter.com/hi/glossary/word-error-rate/), फिर आपका अपना टेस्ट |
| ज़्यादा वॉल्यूम पर कीमत | प्रति ऑडियो घंटा कीमत और न्यूनतम बिलिंग |
| डेटा रिटेंशन | ऑडियो और ट्रांसक्रिप्ट सहेजे जाते हैं या नहीं, और कितने समय तक |
| सीमाएँ | फ़ाइल का आकार, फ़ॉर्मैट, रेट लिमिट |
| फ़ीचर | टाइमस्टैम्प, डायराइज़ेशन, प्रॉम्प्ट, स्ट्रीमिंग |

OpenAI की [स्पीच-टू-टेक्स्ट गाइड](https://developers.openai.com/api/docs/guides/speech-to-text) कहती है “Whisper supports 98 languages, but accuracy varies by language” (अनुवाद: Whisper 98 भाषाएँ सपोर्ट करता है, लेकिन सटीकता भाषा के हिसाब से बदलती है)। शुरुआत का ईमानदार बिंदु यही है: भाषाओं की सूची बताती है कि क्या संभव है, यह नहीं कि क्या अच्छा है।

## Whisper API के कौन-से विकल्प हैं, और उनकी कीमत क्या है?

| विकल्प | कीमत (लिस्ट, नवंबर 2026) | भाषाएँ | नोट |
| --- | --- | --- | --- |
| OpenAI Whisper API (`whisper-1`) | USD 0.006/मिनट | 98 (सटीकता बदलती है) | 25 MB फ़ाइलें; 224 टोकन तक प्रॉम्प्ट; 2027-02-26 को बंद |
| OpenAI `gpt-transcribe` | USD 0.0045/मिनट (USD 0.27/घंटा) | OpenAI की गाइड देखें | OpenAI का सुझाया गया विकल्प; OpenAI की गाइड वर्ड टाइमस्टैम्प सिर्फ़ `whisper-1` के लिए और स्पीकर लेबल सिर्फ़ डेप्रिकेटेड diarize मॉडल के लिए दिखाती है |
| Groq, Whisper Large v3 | USD 0.111/घंटा | बहुभाषी | Groq 10.3% WER बताता है; न्यूनतम बिलिंग 10 सेकंड |
| Groq, Whisper Large v3 Turbo | USD 0.04/घंटा | बहुभाषी | Groq 12% WER बताता है; अनुवाद के लिए ट्रेन नहीं किया गया |
| Soniox (async) | लगभग USD 0.10/घंटा, प्रति टोकन बिल | 60 से ज़्यादा, अरबी शामिल | अपना जॉब-आधारित API, OpenAI-कम्पैटिबल नहीं; रियल-टाइम लगभग USD 0.12/घंटा |
| सेल्फ़-होस्टेड Whisper | आपके GPU की लागत | Whisper जितनी | MIT लाइसेंस; चलाना और स्केल करना आपकी ज़िम्मेदारी |
| [BroadNet Transcribe](https://broadrouter.com/hi/models/cohere-transcribe/) | $0.002/मिनट | 14 | Whisper नहीं; Cohere Transcribe पर आधारित |
| [BroadNet Transcribe Arabic](https://broadrouter.com/hi/models/cohere-transcribe-arabic/) | $0.0042/मिनट | अरबी | BroadNet के अनुसार Open Universal Arabic ASR Leaderboard पर 37 में से #2 (यह सितंबर 2026 का आंकड़ा है; 15 नवंबर 2026 को लाइव लीडरबोर्ड पर यह 39 में से #4 था) |

कीमतें और Groq के आँकड़े 2026-11-14 को आधिकारिक पेजों पर जाँचे गए; OpenAI के आँकड़े 2026-11-15 को दोबारा जाँचे गए। OpenAI का `gpt-transcribe` प्रति घंटा दोनों BroadNet मॉडल से महँगा है। Groq का Turbo एंडपॉइंट और Soniox, दोनों प्रति घंटा BroadNet Transcribe ($0.12 प्रति घंटा) से सस्ते हैं; Soniox के लिए नया क्लाइंट कोड चाहिए, क्योंकि वह OpenAI का अनुरोध ढाँचा इस्तेमाल नहीं करता। Groq के WER आँकड़े उसके अपने प्रकाशित नंबर हैं, दूसरों के साथ किसी साझा सेट पर किया गया टेस्ट नहीं, इसलिए उनकी BroadNet के आँकड़ों से सीधी तुलना न करें। यह पेज बदलने के बारे में है; DeepSeek, AssemblyAI, Deepgram, Google, AWS और Speechmatics समेत, उनके ऐड-ऑन की कीमतों के साथ, पूरी प्राइस लिस्ट के लिए [स्पीच-टू-टेक्स्ट कीमतों की तुलना](https://broadrouter.com/hi/blog/speech-to-text-api-pricing-compared/) देखें, और [स्पीच-टू-टेक्स्ट कॉस्ट कैलकुलेटर](https://broadrouter.com/tools/speech-to-text-cost-calculator/) आपके हर महीने के घंटों की कीमत निकालता है।

## सटीकता के आँकड़ों का असल मतलब क्या है?

BroadNet अपने [मॉडल कैटलॉग](https://www.broadnet.ai/inference/models) में BroadNet Transcribe Arabic के लिए तीन WER आँकड़े प्रकाशित करता है:

| टेस्ट सेट | ऑडियो का प्रकार | WER |
| --- | --- | --- |
| FLEURS-ar | साफ़ पढ़े गए वाक्य | 3.8 |
| MASC-ar | असल दुनिया की मिली-जुली अरबी | 21.1 |
| BroadNet का बोली सेट | बोलियों में बातचीत | 23.4 |

उन्हीं MASC और बोली सेट पर BroadNet, Whisper large-v3 का WER 31.5 और 31.8 बताता है, जबकि अपने अरबी मॉडल का 21.1 और 23.4: यानी MASC पर लगभग एक-तिहाई और बोली सेट पर लगभग एक-चौथाई कम ग़लतियाँ। यह किसी प्रतिस्पर्धी पर BroadNet का अपना टेस्ट है, इसलिए इसे अपने ऑडियो पर जाँचें। सार्वजनिक [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) पर, जो हर एंट्री के लिए वही टेस्ट सेट इस्तेमाल करता है, 15 नवंबर 2026 को Whisper large-v3, 39 में से #19 था (औसत WER 36.86), और Cohere Transcribe Arabic 07-2026, जिसे BroadNet चलाता है, #4 पर था (24.19)।

सीख इसी अंतर में है। एक ही मॉडल पढ़ी गई आवाज़ पर लगभग परफ़ेक्ट है और बातचीत पर काफ़ी कमज़ोर। किसी भी प्रोवाइडर का मुख्य WER बताता है कि उसने किसी और के ऑडियो पर कैसा किया। बोलियों पर विस्तार से [अरबी बोलियों की स्पीच रिकग्निशन](https://broadrouter.com/hi/blog/arabic-dialect-speech-recognition/) में चर्चा है।

## एक दोपहर में Whisper के विकल्प को कैसे टेस्ट करें

1.  **हर भाषा में 30 से 50 क्लिप इकट्ठा करें**, असली ट्रैफ़िक से: कॉल, वॉइस नोट, मीटिंग। जो कुछ भी आप साझा नहीं कर सकते, उसे हटा दें।
2.  **हर भाषा में 10 क्लिप के रेफ़रंस ट्रांसक्रिप्ट** हाथ से लिखें।
3.  **दोनों API को उन्हीं क्लिप पर चलाएँ।** OpenAI-कम्पैटिबल प्रोवाइडर के साथ सिर्फ़ क्लाइंट और मॉडल बदलते हैं:

```python
import os
from openai import OpenAI

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

def run(client, model, path, lang):
    with open(path, "rb") as f:
        return client.audio.transcriptions.create(model=model, file=f, language=lang).text

hyp_a = run(whisper, "whisper-1", "clip01.wav", "ar")   # also try "gpt-transcribe", OpenAI's replacement
hyp_b = run(broadnet, "broadnet/cohere-transcribe-arabic", "clip01.wav", "ar")
```

4.  **दोनों के लिए एक जैसे नॉर्मलाइज़ेशन से स्कोर करें**, [jiwer](https://github.com/jitsi/jiwer) से:

```python
import re, jiwer

def norm(t):
    t = re.sub(r"[ً-ْ]", "", t)              # strip Arabic diacritics
    t = re.sub(r"[إأآ]", "ا", t).replace("ى", "ي")      # unify alef and yaa
    return re.sub(r"[^\w\s]", "", t).lower().strip()

print(jiwer.wer(norm(reference), norm(hyp_a)), jiwer.wer(norm(reference), norm(hyp_b)))
```

5.  **20 ट्रांसक्रिप्ट ख़ुद पढ़ें।** संख्याएँ, नाम और प्रोडक्ट के शब्द जाँचें। कोई मॉडल WER पर जीतकर भी अकाउंट नंबर ग़लत लिख सकता है।

## Whisper को ख़ुद होस्ट करना कब बेहतर है?

Whisper का कोड और वेट MIT लाइसेंस के तहत हैं, इसलिए इसे ख़ुद चलाना हमेशा एक विकल्प है। यह तब समझदारी है जब:

-   **ऑडियो आपके नेटवर्क से बाहर नहीं जा सकता**, क़ानूनी या कॉन्ट्रैक्ट की वजह से।
-   **आपका वॉल्यूम दिन के ज़्यादातर समय GPU को व्यस्त रखता है**, ताकि आप ख़ाली घंटों का भुगतान न करें।
-   **आपको फ़ाइन-ट्यून करना है**, अपनी शब्दावली या लहजे पर।

जब ट्रैफ़िक में अचानक उछाल आते हैं, जब कई मशीनों पर हाई अवेलेबिलिटी चाहिए, या जब टीम में कोई GPU ड्राइवर और अपग्रेड की ज़िम्मेदारी नहीं लेना चाहता, तब यह दिखने से ज़्यादा महँगा पड़ता है ([GPU ब्रेक-ईवन का हिसाब](https://broadrouter.com/hi/blog/self-hosting-llm-vs-api-cost/))। openai/whisper README यह भी बताता है कि turbo मॉडल अनुवाद के लिए ट्रेन नहीं किया गया। होस्टेड API इन समस्याओं को प्रति मिनट की एक कीमत में बदल देता है, इसीलिए ज़्यादातर टीमें वहीं से शुरू करती हैं और वॉल्यूम व ज़रूरतें साफ़ होने के बाद ही सेल्फ़-होस्ट करती हैं।

## माइग्रेशन चेकलिस्ट

[base URL](https://broadrouter.com/hi/glossary/base-url/) बदलना आसान हिस्सा है। ट्रैफ़िक बदलने से पहले:

-   **फ़ॉर्मैट।** OpenAI, flac, mp3, mp4, m4a, ogg, wav और webm स्वीकार करता है। BroadNet, WAV और MP3 स्वीकार करता है, इसलिए `.ogg` और `.m4a` को पहले ffmpeg से बदलें। ब्राउज़र रिकॉर्डिंग के लिए [ब्राउज़र में ऑडियो रिकॉर्ड करके स्पीच-टू-टेक्स्ट API को भेजें](https://broadrouter.com/hi/blog/record-browser-audio-transcription-api/) देखें।
-   **फ़ाइल का आकार।** OpenAI अपलोड की सीमा 25 MB रखता है; BroadNet 26,214,400 बाइट (25 MiB)।
-   **भाषा फ़ील्ड।** हमेशा भेजें। BroadNet पर `language=ar` के बिना अरबी लैटिन अक्षरों में लौट सकती है।
-   **वैकल्पिक पैरामीटर।** अगर आप `prompt`, `verbose_json` या वर्ड टाइमस्टैम्प पर निर्भर हैं, तो पक्का करें कि विकल्प उन्हें सपोर्ट करता है। BroadNet का डॉक्यूमेंटेशन `text` वाला JSON रिस्पॉन्स बताता है।
-   **रेट लिमिट।** BroadNet की उपयोग के अनुसार भुगतान वाली key प्रति मिनट 30 अनुरोध और एक साथ 4 अनुरोध की अनुमति देती है।

इस सूची का सामान्य रूप [OpenAI-कम्पैटिबल माइग्रेशन चेकलिस्ट](https://broadrouter.com/hi/blog/openai-compatible-api-migration-checklist/) में है।

## BroadNet Transcribe कहाँ फ़िट होता है

BroadNet चुनें जब अरबी की सटीकता मायने रखती हो, जब आप चाहते हों कि ऑडियो और ट्रांसक्रिप्ट रखे न जाएँ ([ज़ीरो डेटा रिटेंशन](https://broadrouter.com/hi/privacy/)), या जब 14 भाषाओं में $0.002 प्रति मिनट आपके मौजूदा बिल से कम हो। $5 का शुरुआती क्रेडिट लगभग 1,190 मिनट के अरबी ऑडियो को कवर करता है, जो ऊपर का टेस्ट चलाने के लिए काफ़ी है; [BroadNet Inference पर key लें](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-whisper-api-alternative&utm_content=body)। [अरबी स्पीच-टू-टेक्स्ट गाइड](https://broadrouter.com/hi/guides/arabic-speech-to-text-api/) में curl और Python के उदाहरण हैं।

OpenAI के विकल्प वाले मॉडल, या किसी दूसरे प्रोवाइडर, के साथ बने रहें अगर आपको उन कई भाषाओं में से कोई चाहिए जो BroadNet की सूची में नहीं हैं, या स्पीच ट्रांसलेशन, लाइव ट्रांसक्रिप्शन, या प्रॉम्प्ट और कीवर्ड हिंट चाहिए (OpenAI की गाइड इन्हें `gpt-transcribe` के लिए डॉक्यूमेंट करती है)। फ़ाइलों से अरबी रिकॉर्डिंग का अंग्रेज़ी में अनुवाद करने के लिए दो कदमों वाली पाइपलाइन भी काम करती है: [अरबी ऑडियो का अंग्रेज़ी में अनुवाद](https://broadrouter.com/hi/blog/translate-arabic-audio-to-english/) देखें। अंग्रेज़ी की सबसे कम कीमत के लिए होस्टेड Whisper Turbo एंडपॉइंट प्रति घंटा सस्ते पड़ते हैं।

इस विषय के मुफ़्त टूल (अंग्रेज़ी में)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[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।

[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।

[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।

[कॉन्करेंसी (concurrency)](https://broadrouter.com/hi/glossary/concurrency/)

कॉन्करेंसी, किसी क्लाइंट के एक ही समय पर चल रहे (in-flight) अनुरोधों की संख्या है। LLM API अक्सर इसकी सीमा हर key या प्लान पर, प्रति मिनट अनुरोधों से अलग रखते हैं, क्योंकि हर खुला अनुरोध जवाब पूरा होने तक GPU क्षमता घेरे रहता है।

[टाइमस्टैम्प (स्पीच-टू-टेक्स्ट, timestamps)](https://broadrouter.com/hi/glossary/timestamps-asr/)

स्पीच-टू-टेक्स्ट में टाइमस्टैम्प ट्रांसक्रिप्ट के हिस्सों से जुड़े शुरू और अंत के समय हैं, सेकंड में। सेगमेंट टाइमस्टैम्प किसी वाक्यांश या वाक्य को कवर करते हैं; वर्ड टाइमस्टैम्प हर शब्द को। सबटाइटल, रिकॉर्डिंग के अंदर सर्च और टेक्स्ट को स्पीकर से मिलाने के लिए ये ज़रूरी हैं।

[टोकन (token)](https://broadrouter.com/hi/glossary/token/)

टोकन टेक्स्ट की वह इकाई है जिसे लैंग्वेज मॉडल पढ़ता और लिखता है: कोई शब्द, शब्द का हिस्सा, विराम चिह्न या बाइट का क्रम, जो मॉडल का टोकनाइज़र बनाता है। LLM API इस्तेमाल को टोकन में गिनते हैं, उसी में लिमिट लगाते हैं और आम तौर पर बिल भी बनाते हैं।

[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।

## अक्सर पूछे जाने वाले सवाल

### OpenAI Whisper API का सबसे अच्छा विकल्प कौन-सा है?

वह, जिसका आपके अपने ऑडियो पर word error rate सबसे कम हो और कीमत आपको मंज़ूर हो। अरबी के लिए अरबी बोलियों के लिए बने मॉडल टेस्ट करें। सबसे कम कीमत पर अंग्रेज़ी के लिए होस्टेड Whisper Large v3 Turbo एंडपॉइंट को हराना मुश्किल है।

### क्या Whisper से सस्ता कोई API है?

हाँ। OpenAI, whisper-1 (डेप्रिकेटेड) की कीमत USD 0.006 प्रति मिनट और उसके विकल्प gpt-transcribe की USD 0.0045 बताता है। Groq, Whisper Large v3 की कीमत USD 0.111 प्रति घंटा और Large v3 Turbo की USD 0.04 प्रति घंटा बताता है, और BroadNet Transcribe $0.002 प्रति मिनट है।

### क्या Whisper के विकल्प के साथ OpenAI SDK इस्तेमाल करते रह सकते हैं?

OpenAI-कम्पैटिबल प्रोवाइडर के साथ, हाँ। base\_url, API key और मॉडल ID बदलें। जाँच लें कि प्रोवाइडर कौन-से वैकल्पिक पैरामीटर सपोर्ट करता है, जैसे prompt, response\_format और टाइमस्टैम्प।

### क्या Whisper अरबी के लिए अच्छा है?

Whisper आधुनिक मानक अरबी को बोलचाल की बोलियों से कहीं बेहतर सँभालता है। OpenAI ख़ुद कहता है कि सटीकता भाषा के हिसाब से बदलती है। फ़ैसला करने से पहले अपनी रिकॉर्डिंग पर हर बोली का word error rate मापें।

### क्या इसकी जगह Whisper को ख़ुद होस्ट करना चाहिए?

सेल्फ़-होस्टिंग तब ठीक है जब ऑडियो आपके नेटवर्क से बाहर नहीं जा सकता या आपका वॉल्यूम GPU को व्यस्त रखता है। Whisper का कोड और वेट MIT लाइसेंस के तहत हैं। वरना होस्टेड API आम तौर पर ख़ाली बैठे GPU से सस्ता पड़ता है।

## आगे पढ़ें

-   [25 MB से बड़ा लंबा ऑडियो ट्रांसक्राइब करें: बाँटें, भेजें, जोड़ें](https://broadrouter.com/hi/blog/transcribe-long-audio-files-api/)
-   [स्पीच-टू-टेक्स्ट API की कीमतों की तुलना: 2026 में प्रति मिनट कीमत](https://broadrouter.com/hi/blog/speech-to-text-api-pricing-compared/)
-   [अरबी speech-to-text API: 2026 में सही API कैसे चुनें](https://broadrouter.com/hi/blog/arabic-speech-to-text-api-buyers-guide/)
-   [अरबी बोलियों की speech recognition: खाड़ी, मिस्री, लेवेंटाइन, मग़रिबी](https://broadrouter.com/hi/blog/arabic-dialect-speech-recognition/)
-   [OpenAI-कम्पैटिबल API पर माइग्रेट करना: पूरी चेकलिस्ट](https://broadrouter.com/hi/blog/openai-compatible-api-migration-checklist/)
-   [ब्राउज़र में ऑडियो रिकॉर्ड करें और speech-to-text API को भेजें](https://broadrouter.com/hi/blog/record-browser-audio-transcription-api/)
-   [API से अरबी ऑडियो का अंग्रेज़ी में अनुवाद: टेस्ट की हुई पाइपलाइन](https://broadrouter.com/hi/blog/translate-arabic-audio-to-english/)
-   [Artificial Analysis के विकल्प: 2026 में LLM की तुलना कहाँ करें](https://broadrouter.com/hi/blog/artificial-analysis-alternatives/)
-   [LLM API SLA तुलना: Azure, Bedrock, Google और OpenAI क्या वादा करते हैं](https://broadrouter.com/hi/blog/llm-api-sla-uptime-compared/)
-   [गाइड: अरबी speech-to-text API, स्टेप बाय स्टेप](https://broadrouter.com/hi/guides/arabic-speech-to-text-api/)
-   [गाइड: BroadNet Inference के साथ OpenAI Python SDK इस्तेमाल करें](https://broadrouter.com/hi/guides/openai-python-sdk/)

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-whisper-api-alternative&utm_content=page-cta) ·

**स्रोत**

-   [BroadNet Transcribe Arabic मॉडल पेज: Whisper large-v3 और ElevenLabs Scribe v2 के मुक़ाबले WER (2026-11-15 को देखा गया) (अंग्रेज़ी में)](https://www.broadnet.ai/inference/models/cohere-transcribe-arabic)
-   [Open Universal Arabic ASR Leaderboard, लाइव टेबल (2026-11-15 को देखा गया)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [OpenAI, स्पीच-टू-टेक्स्ट गाइड (भाषाएँ, फ़ाइल सीमाएँ, सुझाया गया मॉडल; 2026-11-15 को देखा गया)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [OpenAI API की कीमतें, ट्रांसक्रिप्शन (2026-11-15 को देखा गया)](https://developers.openai.com/api/docs/pricing)
-   [OpenAI डेप्रिकेशन, स्पीच-टू-टेक्स्ट मॉडल (2026-11-15 को देखा गया)](https://developers.openai.com/api/docs/deprecations)
-   [GitHub पर openai/whisper (MIT लाइसेंस, मॉडल के आकार)](https://github.com/openai/whisper)
-   [Soniox की कीमतें और समर्थित भाषाएँ (2026-11-14 को देखा गया)](https://soniox.com/pricing)
-   [Groq स्पीच-टू-टेक्स्ट डॉक्यूमेंटेशन, Whisper की कीमतें और बताया गया WER (2026-11-14 को देखा गया)](https://console.groq.com/docs/speech-to-text)
-   [BroadNet मॉडल कैटलॉग, स्पीच-टू-टेक्स्ट (लैब माप) (अंग्रेज़ी में)](https://www.broadnet.ai/inference/models)
-   [jiwer, WER के लिए Python पैकेज](https://github.com/jitsi/jiwer)
