BroadNet, BroadNet Inference के लिए एक मुफ़्त ब्राउज़र प्लेग्राउंड चलाता है। यह एक साझा key से लाइव API को कॉल करता है, इसलिए अकाउंट बनाने से पहले ही आप अरबी ट्रांसक्रिप्शन मॉडल को अपनी आवाज़ पर सुन सकते हैं या कोई डॉक्यूमेंट टेस्ट कर सकते हैं। BroadNet कहता है कि अनुरोध और जवाब का कंटेंट रखा नहीं जाता।
आप क्या आज़मा सकते हैं?
प्लेग्राउंड में चार मोड हैं:
| मोड | आप क्या देते हैं | क्या वापस आता है |
|---|---|---|
| टेक्स्ट | अरबी या अंग्रेज़ी में एक सवाल | Gemma 4 का स्ट्रीम किया हुआ जवाब |
| विज़न | एक इमेज, जैसे मेन्यू, फ़ॉर्म या हाथ से लिखा नोट, और एक सवाल | इमेज के बारे में जवाब |
| आवाज़ | 60 सेकंड तक की रिकॉर्डिंग या अपलोड, अरबी या अंग्रेज़ी | एक ट्रांसक्रिप्ट, फिर सारांश |
| डॉक्यूमेंट | इनवॉइस, ID कार्ड, फ़्लायर या किसी दूसरे डॉक्यूमेंट की एक इमेज | फ़ील्ड, JSON के रूप में |
आवाज़ मोड 4 MB तक की WAV या 1.44 MB तक की WebM लेता है। यह प्लेग्राउंड की सीमा है; API हर फ़ाइल के लिए 25 MiB तक की WAV या MP3 लेता है।
अरबी स्पीच-टू-टेक्स्ट कैसे टेस्ट करें?
- वॉइस मोड खोलें।
- अरबी के लिए العربية चुनें, या English।
- एक मिनट तक रिकॉर्ड करें, या कोई छोटा वॉइस नोट अपलोड करें।
- डेमो चलाएँ और ट्रांसक्रिप्ट व सारांश पढ़ें।
वही ऑडियो आज़माएँ जो आप असल में भेजेंगे: बाहर रिकॉर्ड किया गया WhatsApp नोट, फ़ोन कॉल, वह बोली जो आपके लिए मायने रखती है। साफ़ पढ़ा गया वाक्य कम बताता है; BroadNet के अपने आँकड़ों में यही मॉडल साफ़ पढ़ी गई स्पीच पर 3.8 वर्ड एरर रेट और बोली वाली स्पीच पर 23.4 दिखाता है। देखें अरबी WER का मतलब क्या है।
डॉक्यूमेंट रीडिंग कैसे टेस्ट करें?
डॉक्यूमेंट मोड खोलें, डॉक्यूमेंट का प्रकार चुनें, एक इमेज अपलोड करें और चलाएँ। संख्याओं को मूल से मिलाएँ: टोटल, तारीख़ें, ID नंबर और फ़ोन नंबर वहीं हैं जहाँ एक्सट्रैक्शन गड़बड़ाता है। यही काम API से करने के लिए देखें विज़न मॉडल से अरबी इनवॉइस पढ़ना।
वही टेस्ट API पर कैसे ले जाएँ?
प्लेग्राउंड पहली झलक के लिए है। असली टेस्ट के लिए आपको अपनी key चाहिए:
- inference.broadnet.ai पर अकाउंट बनाएँ। नए अकाउंट को बिना कार्ड के $5 का क्रेडिट मिलता है।
- अपने अकाउंट में एक API key बनाएँ।
- वही अनुरोध curl या किसी भी OpenAI SDK से भेजें। वॉइस नोट के लिए:
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
language हमेशा भेजें; इसके बिना अरबी लैटिन अक्षरों में लौट सकती है। .ogg या .m4a वॉइस नोट को पहले WAV में बदलें, क्योंकि API सिर्फ़ WAV और MP3 लेता है:
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
चैट और इमेज के लिए, curl क्विकस्टार्ट में हर एंडपॉइंट का पहला अनुरोध है।
प्लेग्राउंड टेस्ट की सीमाएँ क्या हैं?
- एक बार में एक फ़ाइल। यह क्वालिटी दिखाता है, थ्रूपुट नहीं। उपयोग के अनुसार भुगतान वाली key एक मिनट में 30 अनुरोध और एक साथ 4 अनुरोध चलाने देती हैं।
- सिर्फ़ छोटी क्लिप। साठ सेकंड से यह पता नहीं चलेगा कि मॉडल लंबी कॉल को कैसे संभालता है। API पर कुछ पूरी रिकॉर्डिंग टेस्ट करें।
- कोई सेटिंग नहीं। आप temperature, प्रॉम्प्ट या रिस्पॉन्स फ़ॉर्मैट सेट नहीं कर सकते। API सामान्य OpenAI पैरामीटर देता है।
- एक साझा key। यह डेमो है, सेवा नहीं। इस पर कुछ न बनाएँ।
