---
title: "API speech-to-text multibahasa untuk 14 bahasa | BroadRouter"
description: "Transkripsikan Inggris, Spanyol, Prancis, Mandarin, Arab, dan 9 bahasa lain lewat satu endpoint kompatibel OpenAI berharga per menit, dan kapan memakai model Arab."
url: https://broadrouter.com/id/blog/multilingual-speech-to-text-api/
lang: id
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/blog/multilingual-speech-to-text-api/) (diperbarui 2026-11-16).

# API speech-to-text multibahasa: 14 bahasa, satu endpoint

Oleh tim BroadNet Inference · 6 menit baca · Dipublikasikan 2026-11-14 · Diperbarui 2026-11-16

BroadNet Transcribe adalah model speech-to-text untuk 14 bahasa, termasuk Inggris, Spanyol, Prancis, Jerman, Mandarin, Jepang, dan Arab, yang disajikan di endpoint /v1/audio/transcriptions yang kompatibel dengan OpenAI. Biayanya $0.002 per menit audio ($0.12 per jam). Untuk audio yang sebagian besar berbahasa Arab, pilihan khususnya adalah BroadNet Transcribe Arabic seharga $0.0042 per menit.

## Poin penting

-   BroadNet Transcribe mencakup 14 bahasa: en, es, fr, de, it, pt, el, nl, pl, zh, ja, ko, vi, dan ar.
-   Harga: $0.002 per menit audio, $0.12 per jam audio.
-   Kirim kode bahasa di setiap permintaan; jangan mengandalkan deteksi otomatis.
-   Pilih BroadNet Transcribe Arabic ($0.25 per jam) jika audio berbahasa Arab adalah beban kerja utama Anda; BroadNet menerbitkan angka akurasi bahasa Arab untuk model itu.
-   Batas yang sama untuk keduanya: WAV atau MP3, hingga 26.214.400 byte per file, audio dan transkrip tidak disimpan.

**Di halaman ini**

1.  Bahasa apa saja yang dicakup BroadNet Transcribe?
2.  Berapa biaya transkripsi multibahasa?
3.  Bagaimana memanggil endpoint transkripsi?
4.  Mengapa bahasa harus selalu dikirim?
5.  Apa batas dan format yang berlaku?
6.  Kapan sebaiknya memilih model khusus bahasa Arab?
7.  Bagaimana menguji akurasi di setiap bahasa?
8.  Beban kerja apa yang cocok?
9.  Apa yang terjadi setelah transkripsi?
10.  Bagaimana bermigrasi dari API transkripsi lain?

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

Sebagian besar produk yang menangani audio berurusan dengan lebih dari satu bahasa: layanan dukungan global, rekaman rapat dari berbagai kantor, kotak masuk pesan suara di kota multibahasa. Menjalankan satu vendor speech-to-text per bahasa berarti biaya pemeliharaan. BroadNet Transcribe menempatkan 14 bahasa di balik satu endpoint yang kompatibel dengan OpenAI, berharga per menit audio, dengan model khusus bahasa Arab di sebelahnya untuk beban kerja yang didominasi bahasa Arab.

## Bahasa apa saja yang dicakup BroadNet Transcribe?

Daftar bahasa berasal dari [pricing.json](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-multilingual-speech-to-text-api&utm_content=body) yang diterbitkan BroadNet, dalam bentuk kode ISO 639-1:

| Kode | Bahasa | Kode | Bahasa |
| --- | --- | --- | --- |
| en | Inggris | nl | Belanda |
| es | Spanyol | pl | Polandia |
| fr | Prancis | zh | Mandarin |
| de | Jerman | ja | Jepang |
| it | Italia | ko | Korea |
| pt | Portugis | vi | Vietnam |
| el | Yunani | ar | Arab |

[BroadNet Transcribe](https://broadrouter.com/id/models/cohere-transcribe/) berbasis Cohere Transcribe dan disajikan oleh BroadNet. ID modelnya adalah `broadnet/cohere-transcribe`.

Untuk gambaran lengkap, [indeks harga API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/) terbuka kami mencantumkan harga batch dan streaming, kelipatan penagihan, dan dukungan bahasa Arab untuk lebih dari 20 produk, masing-masing dicek terhadap halaman harga penyedianya sendiri (CSV dan JSON).

## Berapa biaya transkripsi multibahasa?

| Model | Per menit | Per jam | Bahasa |
| --- | --- | --- | --- |
| [BroadNet Transcribe](https://broadrouter.com/id/models/cohere-transcribe/) | $0.002 | $0.12 | 14 |
| [BroadNet Transcribe Arabic](https://broadrouter.com/id/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | Arab |

Penagihan dihitung per menit audio, bukan per permintaan atau per token. Kedua model bisa dipakai dengan kredit awal gratis $5, jadi Anda bisa menguji rekaman sendiri sebelum top up. Lihat semua harga di [halaman harga](https://broadrouter.com/id/pricing/), hitung jam bulanan Anda di [kalkulator biaya speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/), atau bandingkan penyedia lain di [perbandingan harga API speech-to-text](https://broadrouter.com/id/blog/speech-to-text-api-pricing-compared/).

## Bagaimana memanggil endpoint transkripsi?

Endpoint ini mengikuti bentuk transkripsi audio OpenAI, jadi SDK resmi bisa dipakai dengan mengganti base URL:

```python
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)
```

Atau dengan curl:

```bash
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
```

Respons berupa JSON dengan transkrip di `text`. Respons yang didokumentasikan BroadNet adalah teksnya saja; jika Anda membutuhkan timestamp per kata atau label pembicara, periksa [referensi API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-multilingual-speech-to-text-api&utm_content=body) untuk melihat apa yang saat ini didukung sebelum mendesain sistem berdasarkan fitur itu.

## Mengapa bahasa harus selalu dikirim?

Dokumentasi BroadNet tegas: kirim `language` di setiap permintaan transkripsi. Tanpanya, bahasa Arab bisa kembali dalam bentuk transliterasi huruf Latin, dan risiko yang sama berlaku untuk bahasa apa pun yang mungkin tertukar oleh model. Jika Anda tidak tahu bahasanya sebelumnya:

1.  **Gunakan metadata lebih dulu.** Negara penelepon, bahasa aplikasi pengguna, atau prefiks nomor telepon biasanya tepat.
2.  **Tanyakan kepada pengguna** di produk suara (“tekan 1 untuk bahasa Inggris, 2 untuk bahasa Arab”).
3.  **Coba sampel pendek.** Transkripsikan 30 detik pertama dengan tebakan terbaik Anda; jika teksnya tampak salah (aksara salah, kacau), ulangi dengan kandidat berikutnya.

## Apa batas dan format yang berlaku?

-   **Format:** WAV (`audio/wav`) atau MP3 (`audio/mpeg`). Konversikan file .ogg, .m4a, .webm, dan video dengan ffmpeg lebih dulu. [Panduan pesan suara WhatsApp](https://broadrouter.com/id/guides/transcribe-whatsapp-voice-notes/) memuat perintah satu barisnya.
-   **Ukuran:** hingga 26.214.400 byte (25 MiB) per file; file yang lebih besar mengembalikan 413. Itu sekitar 13 menit WAV mono 16 kHz atau sekitar 54 menit MP3 64 kbit/s. Pecah audio yang lebih panjang dengan `ffmpeg -f segment -segment_time 600`.
-   **Laju:** kunci bayar sesuai pemakaian mengizinkan 30 permintaan per menit dan 4 sekaligus. Ulangi 429 dengan backoff; lihat [error dan retry](https://broadrouter.com/id/guides/errors-and-retries/).
-   **Privasi:** audio dan transkrip diproses untuk permintaan itu dan tidak disimpan. Lihat [zero data retention](https://broadrouter.com/id/privacy/).

Untuk pipeline batch produksi dengan chunking dan worker pool, lihat [transkripsi call center berbahasa Arab dalam skala besar](https://broadrouter.com/id/blog/transcribe-call-center-recordings/); desain yang sama berlaku untuk ke-14 bahasa.

## Kapan sebaiknya memilih model khusus bahasa Arab?

BroadNet menawarkan dua model karena bahasa Arab lebih sulit daripada sebagian besar bahasa untuk pengenalan ucapan: banyak dialek di bawah satu standar tulisan, sering terjadi code-switching dengan bahasa Inggris dan Prancis, dan banyak audio berkualitas telepon. BroadNet Transcribe Arabic adalah pilihan khususnya, dan BroadNet hanya menerbitkan akurasi bahasa Arab untuk model itu:

-   BroadNet melaporkan model itu berada di #2 dari 37 (angka September 2026; papan peringkat langsung mencantumkannya di #4 dari 39 pada 15 November 2026) di [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard), dan #1 di antara model yang lisensinya mengizinkan penyajian lewat API.
-   Word error rate dari lab BroadNet: 3,8 di FLEURS-ar, 21,1 di MASC-ar, dan 23,4 di set dialeknya sendiri (makin rendah makin baik). [Apa arti angka-angka itu](https://broadrouter.com/id/blog/arabic-asr-wer-explained/).

BroadNet tidak menerbitkan angka bahasa Arab untuk model 14 bahasa, tetapi leaderboard publik menerbitkannya: pada 15 November 2026, leaderboard itu menempatkan Cohere Transcribe 03-2026, model di balik BroadNet Transcribe, di #8 dari 39 dengan rata-rata WER 30,67, dibandingkan 24,19 untuk model Arab di #4 dari 39. Untuk bahasa lain, BroadNet melaporkan word error rate 5,5 di FLEURS Inggris dan 3,2 di FLEURS Spanyol untuk BroadNet Transcribe, serta sekitar 113 kali realtime pada satu stream (217 kali saat batch) untuk audio berbahasa Inggris, menurut [halaman modelnya](https://www.broadnet.ai/inference/models/cohere-transcribe). Aturan sederhananya:

| Audio Anda | Pilih |
| --- | --- |
| Sebagian besar bahasa Arab, dialek apa pun | BroadNet Transcribe Arabic |
| File bahasa Arab minoritas, akurasi tidak kritis | BroadNet Transcribe untuk semuanya, atau uji keduanya |
| Portofolio campuran dengan bahasa per file yang diketahui | Arahkan file bahasa Arab ke model Arab, sisanya ke BroadNet Transcribe |
| Salah satu dari 13 bahasa lainnya | BroadNet Transcribe |

Routing berdasarkan bahasa hanya butuh perubahan satu baris, karena kedua model berbagi endpoint dan bentuk permintaan yang sama:

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

Model Arab sekitar dua kali lebih mahal per menit. Pada volume besar, uji keduanya pada beberapa jam audio bahasa Arab nyata Anda dan bandingkan word error rate per dialek; [panduan pembeli speech-to-text bahasa Arab](https://broadrouter.com/id/blog/arabic-speech-to-text-api-buyers-guide/) memuat rencana uji satu jam. Jika masalahnya ada pada angka, tanggal, dan nama dalam audio Arab yang bising, BroadNet juga mencantumkan model bahasa Arab hasil fine-tune yang tersedia atas permintaan di [halaman model](https://broadrouter.com/id/models/).

## Bagaimana menguji akurasi di setiap bahasa?

Satu angka akurasi dari vendor menyembunyikan perbedaan besar antarbahasa, aksen, dan kondisi rekaman. Sebelum menyerahkan sebuah beban kerja, jalankan uji kecil per bahasa:

1.  **Kumpulkan 20 sampai 50 klip nyata per bahasa,** dari saluran yang benar-benar akan Anda transkripsikan: panggilan telepon, rekaman rapat, pesan suara, atau video. Sertakan aksen tersulit Anda.
2.  **Tulis transkrip referensi** untuk sebagian klip secara manual, dengan aturan ejaan yang disepakati untuk angka, nama, dan kata serapan bahasa Inggris.
3.  **Transkripsikan dengan kode `language` yang benar** dan hitung [word error rate](https://broadrouter.com/id/glossary/word-error-rate/) per bahasa. Untuk Mandarin dan Jepang, yang ditulis tanpa spasi antarkata, gunakan character error rate.
4.  **Baca kesalahannya.** Nama produk, jumlah uang, dan alamat lebih penting daripada kata pengisi.
5.  **Ulangi untuk bahasa Arab dengan kedua model** jika bahasa Arab termasuk dalam campuran Anda, lalu bandingkan per dialek.

Kredit awal $5 cukup untuk uji seperti ini di beberapa bahasa pada BroadNet Transcribe, karena harga per menitnya rendah.

## Beban kerja apa yang cocok?

| Beban kerja | Catatan |
| --- | --- |
| Layanan dukungan multibahasa | Arahkan berdasarkan pilihan bahasa di IVR; kirim kode `language` yang sesuai |
| Notulen rapat untuk tim terdistribusi | Transkripsikan per rekaman, lalu ringkas dengan LLM |
| Kotak masuk pesan suara | Konversikan .ogg ke WAV dulu; lihat panduan WhatsApp |
| Arsip media dan podcast | Pecah file panjang di bawah 25 MiB; proses batch di malam hari |
| Aplikasi belajar bahasa | Transkripsikan ucapan pelajar, lalu beri umpan balik dengan LLM |

Dalam setiap kasus, biaya hanya bertambah sesuai menit audio: $0.12 per jam audio di BroadNet Transcribe, apa pun bahasanya.

## Apa yang terjadi setelah transkripsi?

Transkrip jarang menjadi produk akhir. Langkah lanjutan yang umum dengan kunci API yang sama:

-   **Ringkasan dan daftar tindak lanjut** rapat dengan [DeepSeek V4.1 Flash](https://broadrouter.com/id/models/deepseek-v4.1-flash/), yang konteks 1.048.576 tokennya muat untuk transkrip yang sangat panjang.
-   **Terjemahan** transkrip ke satu bahasa kerja; lihat [terjemahan Arab–Inggris dengan LLM](https://broadrouter.com/id/blog/arabic-english-translation-llm/).
-   **Penilaian QA** panggilan dukungan dengan output JSON terstruktur.

## Bagaimana bermigrasi dari API transkripsi lain?

Jika Anda sudah memanggil endpoint transkripsi bergaya OpenAI, termasuk Whisper API yang menurut OpenAI akan dihentikan pada 26 Februari 2027 ([apa yang perlu diuji sebelum beralih](https://broadrouter.com/id/blog/whisper-api-alternative/)), migrasi biasanya hanya tiga perubahan: base URL, kunci API, dan ID model, ditambah memastikan Anda mengirim `language`. Periksa field respons yang dibaca kode Anda selain `text`. [Checklist migrasi API kompatibel OpenAI](https://broadrouter.com/id/blog/openai-compatible-api-migration-checklist/) membahas sisanya.

Alat gratis untuk topik ini (bahasa Inggris)

-   [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.

[Alat gratis (bahasa Inggris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Speech-to-text (ucapan ke teks)](https://broadrouter.com/id/glossary/speech-to-text/)

Speech-to-text, juga disebut automatic speech recognition (ASR), adalah teknologi yang mengubah audio ucapan menjadi teks tertulis. API speech-to-text menerima file atau stream audio dan mengembalikan transkrip, biasanya dihargai per menit audio. Akurasinya diukur dengan word error rate dan bervariasi menurut aksen, dialek, dan kualitas rekaman.

[Word error rate (WER)](https://broadrouter.com/id/glossary/word-error-rate/)

Word error rate (WER) adalah ukuran akurasi standar untuk pengenalan ucapan: jumlah substitusi, penghapusan, dan penyisipan kata yang dibutuhkan untuk mengubah transkrip menjadi referensi yang benar, dibagi jumlah kata dalam referensi. Makin rendah makin baik.

[Base URL](https://broadrouter.com/id/glossary/base-url/)

Base URL adalah alamat root tetap sebuah API, seperti https://api.example.com/v1, yang ditempatkan client di depan setiap path endpoint, seperti /chat/completions. Di SDK yang kompatibel dengan OpenAI, mengganti base URL bersama kunci API dan ID model akan mengarahkan kode yang sama ke penyedia lain.

[Bayar sesuai pemakaian (pay-as-you-go)](https://broadrouter.com/id/glossary/pay-as-you-go/)

Bayar sesuai pemakaian (pay-as-you-go) adalah model harga di mana Anda hanya membayar yang Anda pakai, dihitung per satuan seperti token, permintaan, atau menit audio, tanpa langganan atau komitmen minimum. Sebagian besar API LLM menagih dengan cara ini, dari saldo prabayar atau tagihan berkala.

[WAV](https://broadrouter.com/id/glossary/wav/)

WAV (Waveform Audio File Format, atau WAVE) adalah container audio yang dibangun di atas format RIFF milik Microsoft dan IBM. Biasanya berisi sampel PCM linear tanpa kompresi, sehingga ukurannya mudah diprediksi: sample rate dikali byte per sampel dikali jumlah kanal, per detik.

[Alih kode (code-switching)](https://broadrouter.com/id/glossary/code-switching/)

Alih kode (code-switching) adalah penggunaan dua bahasa atau lebih, atau beberapa varian dari satu bahasa, dalam percakapan atau kalimat yang sama, baik lisan maupun tulisan. Contohnya penutur bahasa Arab yang mencampur kata bahasa Inggris ke dalam dialek, atau berpindah antara Arab Standar Modern dan dialek mereka.

[API kompatibel OpenAI](https://broadrouter.com/id/glossary/openai-compatible-api/)

API kompatibel OpenAI adalah API HTTP yang menerima format permintaan dan respons yang sama dengan API OpenAI, seperti POST /v1/chat/completions, sehingga SDK dan tool OpenAI bisa memakainya hanya dengan mengganti base URL, kunci API, dan nama model.

[Konkurensi (concurrency)](https://broadrouter.com/id/glossary/concurrency/)

Konkurensi (concurrency) adalah jumlah permintaan yang sedang berjalan dari sebuah client pada saat yang sama. API LLM sering membatasinya per kunci atau per paket, terpisah dari batas permintaan per menit, karena setiap permintaan yang terbuka menahan kapasitas GPU sampai responsnya selesai.

## Pertanyaan umum

### Bahasa apa saja yang didukung BroadNet Transcribe?

Empat belas - Inggris, Spanyol, Prancis, Jerman, Italia, Portugis, Yunani, Belanda, Polandia, Mandarin, Jepang, Korea, Vietnam, dan Arab. Daftarnya diterbitkan di pricing.json sebagai kode ISO 639-1.

### Bisakah satu file berisi dua bahasa?

Setiap permintaan menerima satu kode bahasa. Untuk audio yang berganti bahasa, transkripsikan dengan bahasa utamanya dan periksa hasil bahasa lainnya, atau pisahkan audio per pembicara atau segmen jika pergantiannya panjang.

### Apakah model multibahasa cukup baik untuk bahasa Arab?

Model ini menerima bahasa Arab dan lebih murah per menit. BroadNet hanya menerbitkan angka akurasi bahasa Arab untuk BroadNet Transcribe Arabic, jadi jika bahasa Arab merupakan porsi besar audio Anda, uji keduanya pada rekaman Anda dan bandingkan word error rate-nya.

### Apakah bisa dipakai dengan OpenAI SDK?

Bisa. Arahkan SDK ke base URL BroadNet dan panggil audio.transcriptions.create dengan ID model, file, dan bahasa.

## Baca juga

-   [Transkripsi audio panjang di atas 25 MB: pecah, kirim, gabungkan](https://broadrouter.com/id/blog/transcribe-long-audio-files-api/)
-   [API speech-to-text bahasa Arab: cara memilihnya di 2026](https://broadrouter.com/id/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Word error rate (WER) ASR bahasa Arab: penjelasan lengkap](https://broadrouter.com/id/blog/arabic-asr-wer-explained/)
-   [Cara transkripsi rekaman call center: pipeline siap bahasa Arab](https://broadrouter.com/id/blog/transcribe-call-center-recordings/)
-   [Pindah ke API kompatibel OpenAI: checklist migrasi](https://broadrouter.com/id/blog/openai-compatible-api-migration-checklist/)
-   [Menambahkan harakat ke teks Arab dengan LLM: prompt, cek, DER](https://broadrouter.com/id/blog/arabic-diacritization-llm/)
-   [Koreksi tata bahasa dan ejaan Arab dengan LLM: panduan praktis](https://broadrouter.com/id/blog/arabic-grammar-spelling-correction-llm/)
-   [Panduan: API speech-to-text bahasa Arab, langkah demi langkah](https://broadrouter.com/id/guides/arabic-speech-to-text-api/)
-   [Panduan: Transkripsi voice note WhatsApp ke teks dengan API](https://broadrouter.com/id/guides/transcribe-whatsapp-voice-notes/)
-   [Panduan: Kode error BroadNet Inference dan kapan harus mencoba ulang](https://broadrouter.com/id/guides/errors-and-retries/)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

[Mulai](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-multilingual-speech-to-text-api&utm_content=page-cta) ·

**Sumber**

-   [Halaman model BroadNet Transcribe: WER FLEURS Inggris dan Spanyol, throughput (diakses 2026-11-15) (bahasa Inggris)](https://www.broadnet.ai/inference/models/cohere-transcribe)
-   [Open Universal Arabic ASR Leaderboard, tabel live (diakses 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Referensi API BroadNet Inference, transkripsi (dicek 2026-11-16) (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-multilingual-speech-to-text-api&utm_content=sources)
-   [Harga dan daftar bahasa BroadNet Inference yang dapat dibaca mesin (pricing.json, dicek 2026-11-16) (bahasa Inggris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-multilingual-speech-to-text-api&utm_content=sources)
-   [Katalog model BroadNet, speech to text (dicek 2026-11-16) (bahasa Inggris)](https://www.broadnet.ai/inference/models)
-   [Kode bahasa ISO 639 (Library of Congress, dicek 2026-11-16)](https://www.loc.gov/standards/iso639-2/php/code_list.php)
