---
title: "Transkripsi audio di atas 25 MB lewat API: pecah dan gabung"
description: "Cara mentranskripsi rekaman yang melebihi batas file API speech-to-text: perkecil file, pecah di jeda hening dengan ffmpeg, kirim paralel, lalu gabungkan teksnya."
url: https://broadrouter.com/id/blog/transcribe-long-audio-files-api/
lang: id
updated: 2026-11-15
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/transcribe-long-audio-files-api/) (diperbarui 2026-11-15).

# Transkripsi audio panjang di atas 25 MB: pecah, kirim, gabungkan

Oleh tim BroadNet Inference · 6 menit baca · Dipublikasikan 2026-11-15

Sebagian besar API transkripsi menolak satu file di atas sekitar 25 MB. Konversikan rekaman ke 16 kHz mono lebih dulu: itu saja sudah memuat sekitar 13 menit WAV atau 54 menit MP3 64 kbit/s ke dalam batas 26.214.400 byte BroadNet. Untuk audio yang lebih panjang, pecah di jeda hening dengan ffmpeg, transkripsikan potongannya secara paralel, dan gabungkan teksnya sesuai urutan.

## Poin penting

-   Batasnya dalam byte, bukan menit. WAV mono 16 kHz berukuran 32.000 byte per detik, jadi 26.214.400 byte setara sekitar 13,6 menit; MP3 64 kbit/s sekitar 54 menit.
-   Pecah berdasarkan waktu di jeda hening, jangan pernah di offset byte. Potongan byte merusak frame audio, dan potongan di tengah kata menghilangkan kata.
-   Jaga potongan jauh di bawah batas, misalnya 10 menit WAV, agar satu file yang bising tidak pernah mengembalikan 413.
-   Kirim potongan secara paralel hingga batas kunci: 4 permintaan yang sedang berjalan dan 30 per menit pada kunci bayar sesuai pemakaian BroadNet.
-   Memecah file tidak mengubah durasi audio yang Anda bayar. Satu jam audio bahasa Arab berbiaya $0.25 di BroadNet Transcribe Arabic.

**Di halaman ini**

1.  Mengapa rekaman panjang gagal?
2.  Langkah 1: bagaimana memperkecil file?
3.  Langkah 2: bagaimana memecah audio tanpa memotong kata?
4.  Seperti apa skrip lengkapnya?
5.  Berapa banyak potongan yang bisa dikirim sekaligus?
6.  Apakah perlu tumpang tindih antarpotongan?
7.  Bisakah potongan berikutnya memakai teks potongan sebelumnya sebagai konteks?
8.  Berapa biaya file yang panjang?
9.  Kesalahan apa yang harus dihindari?
10.  Kapan chunking bukan alat yang tepat?
11.  Di mana posisi BroadNet Inference?

Sebagian besar API speech-to-text menerima satu file berukuran sekitar 25 MB per permintaan. BroadNet Inference menerima WAV atau MP3 hingga 26.214.400 byte. Rapat, kuliah, atau podcast yang panjang dengan mudah melewati batas itu, dan permintaannya gagal dengan 413. Solusinya terdiri dari empat langkah: perkecil file, pecah di jeda hening, kirim potongannya secara paralel, lalu gabungkan kembali teksnya.

## Mengapa rekaman panjang gagal?

Batasnya dihitung dalam byte, bukan menit. Berapa menit yang muat bergantung pada formatnya:

| Format | Byte per detik | Muat dalam 26.214.400 byte |
| --- | --- | --- |
| WAV, 44,1 kHz stereo, 16-bit | 176.400 | Sekitar 2,5 menit |
| WAV, 16 kHz mono, 16-bit | 32.000 | Sekitar 13,6 menit |
| MP3, 64 kbit/s | 8.000 | Sekitar 54 menit |
| MP3, 32 kbit/s | 4.000 | Sekitar 109 menit |

Ini hitungan sederhana: byte per detik dikali detik. Rekaman ponsel atau laptop sering berformat stereo 44,1 atau 48 kHz, yang memenuhi batas dalam beberapa menit. Ucapan tidak membutuhkan itu. Mengonversi ke 16 kHz mono lebih dulu adalah penghematan tunggal terbesar.

Jika file masih terlalu besar, API langsung menolaknya. Di BroadNet responsnya 413, “the request exceeds the endpoint byte or text limit” (Terjemahan BroadRouter: permintaan melebihi batas byte atau teks endpoint), dan tidak ada yang ditranskripsi. Lihat [panduan kode error](https://broadrouter.com/id/guides/errors-and-retries/).

## Langkah 1: bagaimana memperkecil file?

Konversikan ke 16 kHz mono sebelum melakukan hal lain. Satu perintah ffmpeg sudah cukup:

```bash
ffmpeg -i meeting.m4a -ac 1 -ar 16000 meeting.wav
```

Untuk BroadNet, output harus berupa WAV (`audio/wav`) atau MP3 (`audio/mpeg`). Format seperti `.m4a`, `.ogg`, dan `.webm` memang perlu dikonversi, jadi lakukan resampling di langkah yang sama.

Pilih WAV atau MP3? WAV bersifat lossless, jadi tidak ada yang hilang, tetapi memenuhi batas dalam sekitar 13 menit. MP3 64 kbit/s memuat audio empat kali lebih banyak per permintaan, tetapi bersifat lossy. Jika memakai MP3, lakukan uji singkat: transkripsikan lima menit yang sama sebagai WAV dan sebagai MP3, lalu bandingkan teksnya. Entri [sample rate](https://broadrouter.com/id/glossary/sample-rate/) menjelaskan mengapa 16 kHz sudah cukup untuk ucapan.

## Langkah 2: bagaimana memecah audio tanpa memotong kata?

Pecah berdasarkan waktu, jangan pernah berdasarkan byte. Potongan di offset byte bisa jatuh di tengah frame audio, dan file tidak bisa didekode. Potongan di waktu tetap bisa jatuh di tengah kata. Panduan OpenAI sendiri memperingatkan agar tidak memotong di tengah kalimat karena hal itu “can remove context and reduce accuracy” (Terjemahan BroadRouter: dapat menghilangkan konteks dan mengurangi akurasi).

Metode yang andal adalah memotong di dalam jeda hening yang dekat dengan panjang target Anda. Untuk mendapatkan perintah siap pakai sesuai ukuran dan durasi file Anda, gunakan [pembuat perintah pemecah audio](https://broadrouter.com/tools/audio-splitter-ffmpeg/) gratis. Secara manual, caranya begini:

1.  Jalankan filter [silencedetect](https://ffmpeg.org/ffmpeg-filters.html) dari ffmpeg untuk mendaftar jeda hening.
2.  Telusuri rekaman. Saat sebuah potongan mencapai sekitar 10 menit, potong di jeda hening berikutnya.
3.  Potong setiap bagian dengan ffmpeg, dari satu titik potong ke titik berikutnya.

Sepuluh menit WAV mono 16 kHz berukuran 19,2 MB, yang menyisakan ruang di bawah batas. Jika seorang pembicara berbicara lama tanpa jeda, skrip di bawah akan memotong di batas maksimum keras.

[Segment muxer](https://ffmpeg.org/ffmpeg-formats.html) dari ffmpeg juga bisa memecah file menjadi potongan “of nearly fixed duration” (Terjemahan BroadRouter: dengan durasi yang hampir tetap) dengan satu perintah. Cara ini cepat, tetapi tidak mencari jeda hening, jadi gunakan hanya jika kehilangan satu kata di setiap batas bisa diterima, atau tambahkan tumpang tindih (lihat di bawah).

## Seperti apa skrip lengkapnya?

Skrip Python ini mengonversi, memecah di jeda hening, mengirim hingga empat potongan sekaligus, dan menggabungkan teksnya. Skrip memakai OpenAI SDK yang diarahkan ke BroadNet Inference.

```python
# pip install openai
import os, re, subprocess, tempfile
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
TARGET, HARD_MAX = 600, 750   # seconds: aim for 10 min, never above 12.5 min

def run(*args):
    return subprocess.run(args, capture_output=True, text=True, check=True)

def silences(path):
    """Midpoints (in seconds) of silent gaps of 0.5 s or more."""
    out = run("ffmpeg", "-i", path, "-af", "silencedetect=noise=-35dB:d=0.5",
              "-f", "null", "-").stderr
    starts = [float(x) for x in re.findall(r"silence_start: ([\d.]+)", out)]
    ends = [float(x) for x in re.findall(r"silence_end: ([\d.]+)", out)]
    return [(s + e) / 2 for s, e in zip(starts, ends)]

def duration(path):
    return float(run("ffprobe", "-v", "error", "-show_entries", "format=duration",
                     "-of", "csv=p=0", path).stdout)

def cut_points(path):
    total, gaps, cuts, last = duration(path), silences(path), [0.0], 0.0
    while total - last > HARD_MAX:
        ok = [g for g in gaps if last + TARGET <= g <= last + HARD_MAX]
        last = ok[0] if ok else last + HARD_MAX   # no silence: hard cut
        cuts.append(last)
    return cuts + [total]

def transcribe(chunk):
    with open(chunk, "rb") as f:
        return client.audio.transcriptions.create(
            model="broadnet/cohere-transcribe-arabic", file=f, language="ar").text

def transcribe_long(src):
    with tempfile.TemporaryDirectory() as tmp:
        wav = os.path.join(tmp, "full.wav")
        run("ffmpeg", "-y", "-i", src, "-ac", "1", "-ar", "16000", wav)
        cuts, chunks = cut_points(wav), []
        for i, (a, b) in enumerate(zip(cuts, cuts[1:])):
            out = os.path.join(tmp, f"part{i:03d}.wav")
            run("ffmpeg", "-y", "-i", wav, "-ss", str(a), "-to", str(b), out)
            chunks.append(out)
        with ThreadPoolExecutor(max_workers=4) as pool:   # map() keeps order
            return "\n".join(pool.map(transcribe, chunks))

print(transcribe_long("meeting.m4a"))
```

Catatan tentang skrip:

-   **Bahasa.** Dokumentasi BroadNet meminta Anda selalu mengirim `language`; tanpanya, bahasa Arab “can otherwise be transliterated into Latin letters” (Terjemahan BroadRouter: bisa ditransliterasikan ke huruf Latin). Gunakan `broadnet/cohere-transcribe` dengan kode bahasa yang tepat untuk bahasa Inggris, Prancis, atau [bahasa lain yang didukungnya](https://broadrouter.com/id/blog/multilingual-speech-to-text-api/).
-   **Ambang batas.** `-35dB` dan `0.5` detik cocok untuk ruangan yang tenang. Ruangan bising membutuhkan nilai noise yang lebih tinggi, misalnya `-30dB`. Cetak titik potongnya sekali dan periksa.
-   **Urutan.** `pool.map` mengembalikan hasil sesuai urutan input, jadi teks tergabung dalam urutan yang benar meskipun potongan selesai pada waktu berbeda.

## Berapa banyak potongan yang bisa dikirim sekaligus?

Sebanyak yang diizinkan kunci Anda. Kunci bayar sesuai pemakaian BroadNet mengizinkan 4 permintaan yang sedang berjalan dan 30 permintaan per menit, itulah sebabnya skrip memakai empat worker. Permintaan kelima pada saat yang sama mendapat 429. Ulangi respons 429 dan 5xx dengan exponential backoff; jangan ulangi 413, karena file yang sama akan gagal lagi. [Cara menangani error 429](https://broadrouter.com/id/blog/handle-llm-api-429-rate-limits/) memuat helper retry yang bisa Anda bungkuskan di sekitar `transcribe()`.

Dengan empat worker, rekaman dua jam dalam potongan 10 menit menjadi 12 permintaan dalam tiga gelombang. Total waktunya kira-kira tiga kali bolak-balik potongan, bukan dua belas.

## Apakah perlu tumpang tindih antarpotongan?

Tidak, jika Anda memotong di dalam jeda hening: tidak ada ucapan di batas yang bisa hilang. Tumpang tindih diperlukan untuk potongan berwaktu tetap. Mulai setiap potongan satu atau dua detik sebelum potongan sebelumnya berakhir, lalu hapus kata yang berulang saat menggabungkan teks. Cara yang umum adalah membandingkan beberapa kata terakhir satu potongan dengan beberapa kata pertama potongan berikutnya, lalu membuang yang cocok.

Tumpang tindih sedikit menambah biaya. Dua detik per potongan 10 menit menambah sekitar 0,3% audio yang Anda bayar.

## Bisakah potongan berikutnya memakai teks potongan sebelumnya sebagai konteks?

Beberapa API mengizinkannya. OpenAI menyebut “carrying context from a previous chunk of a longer recording” (Terjemahan BroadRouter: membawa konteks dari potongan sebelumnya dari rekaman yang lebih panjang) sebagai salah satu kegunaan parameter `prompt`\-nya. Referensi API BroadNet hanya mencantumkan `model`, `language`, dan `file` untuk transkripsi, dan mengembalikan JSON dengan field `text`. Jadi di BroadNet, perlakukan setiap potongan sebagai independen, dan perbaiki nama serta istilah sesudahnya. Salah satu perbaikan murah adalah mengirim transkrip gabungan ke model chat bersama daftar ejaan yang benar untuk orang, produk, dan tempat.

## Berapa biaya file yang panjang?

Speech to text ditagih per menit audio, jadi memecah file tidak mengubah totalnya. Dengan tarif BroadNet yang diterbitkan:

| Audio | BroadNet Transcribe Arabic | BroadNet Transcribe (14 bahasa) |
| --- | --- | --- |
| Harga per menit | $0.0042 | $0.002 |
| Satu jam | $0.25 | $0.12 |
| 1.000 jam | $252.00 | $120.00 |

Halaman harga mencantumkan harga per menit audio dan tidak menyebut apa pun tentang minimum per file atau pembulatan. Periksa halaman pemakaian setelah batch pertama untuk memastikan totalnya sesuai durasi audio. Kedua model transkripsi tersedia dengan kredit awal gratis $5, yang mencakup sekitar 1,190 menit audio bahasa Arab. Untuk menghitung harga volume Anda sendiri, gunakan [kalkulator biaya speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/); untuk membandingkan penyedia, lihat [dataset harga API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/).

## Kesalahan apa yang harus dihindari?

-   **Mengirim file asli.** WAV stereo 48 kHz enam kali lebih besar dari yang diperlukan.
-   **Memotong di offset byte.** Potongan tidak bisa didekode, atau detik pertamanya berisi noise.
-   **Potongan tepat di batas.** Potongan 25,9 MB lolos hari ini dan gagal ketika rekaman sedikit lebih keras. Sisakan ruang.
-   **Paralelisme tanpa batas.** Mengirim 50 potongan sekaligus membuat sebagian besar mendapat 429. Batasi jumlah worker sesuai batas permintaan berjalan kunci Anda.
-   **Lupa bahasa.** Setiap potongan adalah permintaan terpisah, jadi masing-masing membutuhkan `language`.

## Kapan chunking bukan alat yang tepat?

Jika Anda membutuhkan label pembicara atau timestamp per kata, chunking pada API teks biasa tidak akan memberikannya. Respons transkripsi BroadNet hanya berupa teks. Penyedia yang mengembalikan [diarization](https://broadrouter.com/id/glossary/diarization/) dan [timestamp](https://broadrouter.com/id/glossary/timestamps-asr/) juga menangani file panjang secara lebih langsung; [panduan pembeli speech-to-text bahasa Arab](https://broadrouter.com/id/blog/arabic-speech-to-text-api-buyers-guide/) membandingkannya. Untuk rekaman panggilan stereo, pecah berdasarkan kanal, bukan waktu: [pipeline call center](https://broadrouter.com/id/blog/transcribe-call-center-recordings/) menunjukkan caranya.

## Di mana posisi BroadNet Inference?

BroadNet Transcribe Arabic dihargai $0.0042 per menit, dan BroadNet melaporkan model ini 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). Audio dan transkrip tidak disimpan setelah permintaan. Model ini cocok untuk transkripsi batch rekaman bahasa Arab yang panjang setelah Anda memecahnya seperti di atas. Model ini tidak cocok jika Anda membutuhkan timestamp, label pembicara, atau streaming live di API yang sama. [Panduan speech-to-text bahasa Arab](https://broadrouter.com/id/guides/arabic-speech-to-text-api/) membahas permintaan pertama; artikel ini membahas file yang terlalu besar untuk satu permintaan.

Alat gratis untuk topik ini (bahasa Inggris)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[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.

[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.

[Rate limit (batas laju)](https://broadrouter.com/id/glossary/rate-limit/)

Rate limit adalah batas yang diterapkan API pada seberapa banyak client boleh memakainya dalam rentang waktu tertentu, misalnya permintaan per menit atau token per menit. Permintaan yang melebihi batas ditolak, biasanya dengan HTTP 429 Too Many Requests, sampai pemakaian kembali di bawah batas.

[Timestamp (speech-to-text)](https://broadrouter.com/id/glossary/timestamps-asr/)

Timestamp dalam speech-to-text adalah waktu mulai dan selesai, dalam detik, yang dilekatkan pada bagian-bagian transkrip. Timestamp segmen mencakup satu frasa atau kalimat; timestamp kata mencakup setiap kata. Timestamp dibutuhkan untuk subtitle, pencarian di dalam rekaman, dan menyelaraskan teks dengan pembicara.

[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.

[Chunking (RAG)](https://broadrouter.com/id/glossary/chunking/)

Chunking adalah langkah dalam pipeline retrieval yang memecah dokumen menjadi potongan lebih kecil, disebut chunk, sebelum di-embed dan diindeks. Chunk size menentukan berapa banyak teks di setiap potongan, dan chunk overlap mengulang sebagian teks di antara chunk yang berdekatan agar gagasan yang terpotong di batas tidak hilang.

[Exponential backoff](https://broadrouter.com/id/glossary/exponential-backoff/)

Exponential backoff adalah strategi percobaan ulang di mana client menunggu makin lama setelah setiap percobaan yang gagal, biasanya menggandakan jedanya sampai batas tertentu, sebelum mencoba lagi. Menambahkan jitter acak pada setiap jeda menyebarkan percobaan ulang dari banyak client agar tidak menghantam server pada saat yang sama.

[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

### Bagaimana cara mentranskripsi file audio yang lebih besar dari 25 MB?

Pertama, konversikan ke 16 kHz mono, yang sering kali sudah membuatnya di bawah batas. Jika masih terlalu besar, pecah menjadi potongan sekitar 10 menit di titik hening dengan ffmpeg, transkripsikan setiap potongan dengan pengaturan bahasa yang sama, lalu gabungkan teksnya sesuai urutan.

### Berapa menit audio yang muat dalam 25 MB?

Tergantung formatnya. WAV mono 16 kHz 16-bit memakai 32.000 byte per detik, jadi 26.214.400 byte memuat sekitar 13,6 menit. MP3 64 kbit/s memuat sekitar 54 menit. WAV stereo atau 44,1 kHz memuat jauh lebih sedikit.

### Apa yang terjadi jika saya mengunggah file di atas batas?

Permintaan ditolak. BroadNet Inference mengembalikan 413, yang menurut dokumentasinya berarti permintaan melebihi batas byte atau teks endpoint. Tidak ada yang ditranskripsi, jadi pecah lalu kirim ulang.

### Apakah saya kehilangan kata di batas potongan?

Bisa, jika Anda memotong di waktu tetap di tengah ucapan. Potonglah di dalam jeda hening. Jika terpaksa memotong di waktu tetap, buat potongan saling tumpang tindih satu atau dua detik dan hapus kata yang berulang saat menggabungkannya.

### Apakah memecah file membuat biaya lebih mahal?

Anda membayar per menit audio, jadi total durasinya sama. Halaman harga BroadNet mencantumkan harga per menit audio dan tidak menyebut minimum per file atau pembulatan; periksa halaman pemakaian setelah batch pertama untuk memastikannya.

### Bisakah saya mengirim teks potongan sebelumnya sebagai konteks?

Beberapa API menerima prompt untuk itu; OpenAI menyebut membawa konteks dari potongan sebelumnya sebagai salah satu kegunaan parameter prompt-nya. Dokumentasi BroadNet hanya mencantumkan model, language, dan file, jadi jangan mengandalkan prompt di sana.

## Baca juga

-   [Cara transkripsi rekaman call center: pipeline siap bahasa Arab](https://broadrouter.com/id/blog/transcribe-call-center-recordings/)
-   [API speech-to-text multibahasa: 14 bahasa, satu endpoint](https://broadrouter.com/id/blog/multilingual-speech-to-text-api/)
-   [API speech-to-text bahasa Arab: cara memilihnya di 2026](https://broadrouter.com/id/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Alternatif API Whisper: kapan beralih dan cara mengujinya](https://broadrouter.com/id/blog/whisper-api-alternative/)
-   [Perbandingan harga API speech-to-text: harga per menit di 2026](https://broadrouter.com/id/blog/speech-to-text-api-pricing-compared/)
-   [Subtitle bahasa Arab (SRT) dari API speech-to-text: yang Anda butuhkan](https://broadrouter.com/id/blog/arabic-subtitles-srt-api/)
-   [Merekam audio di browser dan mengirimnya ke API speech-to-text](https://broadrouter.com/id/blog/record-browser-audio-transcription-api/)
-   [Terjemahkan audio bahasa Arab ke teks Inggris via API: pipeline teruji](https://broadrouter.com/id/blog/translate-arabic-audio-to-english/)
-   [Hardware GPU dan pendekatan serving BroadNet, menurut BroadNet](https://broadrouter.com/id/blog/broadnet-gpu-fleet-and-serving/)
-   [Cache respons API LLM untuk memangkas biaya: exact cache di Python](https://broadrouter.com/id/blog/cache-llm-responses-cut-cost/)
-   [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-transcribe-long-audio-files-api&utm_content=page-cta) ·

**Sumber**

-   [Referensi API BroadNet Inference: WAV atau MP3 hingga 26.214.400 byte, field language, error 413 dan 429, batas bayar sesuai pemakaian (dicek 2026-11-15) (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-transcribe-long-audio-files-api&utm_content=sources)
-   [Halaman harga BroadNet Inference, harga transkripsi per menit audio (dicek 2026-11-15) (bahasa Inggris)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-transcribe-long-audio-files-api&utm_content=sources)
-   [Panduan speech to text OpenAI: batas file 25 MB, pecah menjadi potongan, hindari memotong di tengah kalimat (dicek 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Dokumentasi format FFmpeg, segment muxer (dicek 2026-11-15)](https://ffmpeg.org/ffmpeg-formats.html)
-   [Open Universal Arabic ASR Leaderboard di Hugging Face (peringkat yang dilaporkan BroadNet; dicek BroadRouter 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Dokumentasi filter FFmpeg, silencedetect (dicek 2026-11-15)](https://ffmpeg.org/ffmpeg-filters.html)
