BroadRouter

Verbali di riunioni in arabo dalle registrazioni: una pipeline API

A cura del team di BroadNet Inference · 6 min di lettura · Pubblicato

Per creare verbali di riunioni in arabo con un’API, trascrivi la registrazione con un modello speech-to-text per l’arabo, dividi le trascrizioni lunghe in sezioni, chiedi a un LLM decisioni, azioni e domande aperte in JSON, poi unisci le sezioni. Fai citare al modello la trascrizione per ogni azione e scrivi il verbale in arabo standard moderno o in inglese.

Il verbale di una riunione sembra un solo compito, ma sono due: trasformare il parlato in testo e trasformare il testo in decisioni e azioni. Ogni passaggio sbaglia a modo suo. Una parola dialettale trascritta male diventa un’azione sbagliata; un modello che riassume bene può comunque inventarsi un responsabile. Questo articolo costruisce la pipeline per le riunioni in arabo e mostra dove mettere i controlli.

Com’è fatta la pipeline?

recording (.m4a, .mp4, .webm)
  → ffmpeg: 16 kHz mono, split at silences
  → speech to text, language=ar, one request per chunk
  → join the transcript, clean obvious noise
  → split the transcript into sections
  → LLM: summary, decisions, action items, open questions (JSON) per section
  → LLM: merge the sections into one set of minutes
  → human review → send

Il resto dell’articolo procede passo per passo.

Passo 1: come si trascrive una lunga riunione in arabo?

Una riunione di un’ora registrata con un portatile di solito supera di molto un limite di upload. BroadNet Inference accetta WAV o MP3 fino a 26.214.400 byte per file, quindi converti prima in 16 kHz mono e dividi in corrispondenza dei silenzi. Trascrivere audio lunghi oltre 25 MB contiene lo script completo, comprese le richieste in parallelo e l’unione del testo nell’ordine giusto.

Per le riunioni in arabo contano tre impostazioni:

  • Invia language="ar" su ogni chunk. La documentazione di BroadNet avverte che altrimenti l’arabo può tornare traslitterato in lettere latine.
  • Usa il modello arabo per le riunioni prevalentemente in arabo: broadnet/cohere-transcribe-arabic. Per riunioni soprattutto in un’altra delle sue lingue, broadnet/cohere-transcribe costa $0.002 al minuto.
  • Conserva la trascrizione grezza. Ti serve per la revisione e per le citazioni del passo 4.

Arabo e inglese mescolati sono normali nelle riunioni di lavoro del Golfo. Prova una registrazione con il tuo mix abituale: nomi di prodotti in inglese e numeri sono i punti in cui compaiono gli errori. Riconoscimento vocale dei dialetti arabi spiega a cosa fare attenzione.

Si possono ottenere i nomi dei parlanti?

Non da una trascrizione in testo semplice. La risposta di trascrizione di BroadNet è un JSON con un solo campo text: niente parlanti e niente timestamp. (Per la temporizzazione dei sottotitoli a partire dagli offset dei chunk, leggi sottotitoli in arabo da un’API solo testo.) Hai tre opzioni:

Situazione Cosa fare
Ogni persona registrata su una traccia o un canale separato Trascrivi ogni traccia per conto suo; la traccia ti dice chi parla
Registrazione di una chiamata su due canali Separa i canali con ffmpeg, come nella pipeline per call center
Un’unica traccia mista, e ti servono i parlanti Usa un provider che restituisca la diarization; la guida all’acquisto li confronta

Con un’unica traccia mista, l’LLM può comunque trovare i responsabili quando qualcuno pronuncia un nome: «Khalid manderà il preventivo entro giovedì». Quello che non deve fare è indovinare un responsabile dal contesto. Il prompt qui sotto lo vieta.

Passo 2: perché dividere la trascrizione prima di riassumere?

Due motivi. Il primo è il contesto: un’ora di conversazione può essere troppo lunga per un modello piccolo. BroadNet Gemma 4 VL 26B ha un contesto di 32.768 token, che una lunga riunione in arabo può superare. Conta i tuoi con il contatore di token per l’arabo; l’arabo di solito richiede più token per parola dell’inglese, come mostra token per parola in arabo e in inglese.

Il secondo è la precisione. Una ricerca sugli input lunghi ha rilevato che le prestazioni dei modelli “significantly degrades when models must access relevant information in the middle of long contexts” (traduzione: peggiorano in modo significativo quando i modelli devono accedere a informazioni rilevanti nel mezzo di contesti lunghi) (Liu et al.). Una decisione presa al minuto 35 di 70 è esattamente questo caso. Riassumere sezioni da 10 a 15 minuti ciascuna e poi unirle mantiene ogni parte vicino all’inizio di un prompt.

Dividi negli stessi punti di silenzio che hai usato per l’audio, così una sezione non inizia mai a metà frase.

Passo 3: quale modello dovrebbe scrivere il verbale?

Modello Contesto Note per i verbali Input / output per 1M di token
Qwen3.8 27B 262.144 Testato da BroadNet in arabo: scrittura fluente, dialetti del Golfo ed egiziano compresi; output strutturato indicato $0.175 / $2.17
GLM 5.3 1.048.576 Output strutturato indicato; solo testo $0.78 / $3.46
DeepSeek V4.1 Flash 1.048.576 Disponibile anche con un piano flat a $60 al mese per sessione, una richiesta alla volta $0.175 / $0.52

Parti da Qwen3.8 27B, perché è il modello che BroadNet ha testato in arabo. Confrontalo con un altro modello su tre riunioni reali e fai valutare i risultati da un madrelingua. Scegliere un LLM per l’arabo contiene una scheda di valutazione.

Tutti e tre i modelli ragionano prima di rispondere, e il ragionamento conta in max_tokens. I verbali sono lunghi, quindi concedi diverse migliaia di token, altrimenti la risposta visibile può tornare vuota. Perché succede.

Passo 4: quale prompt dà verbali affidabili?

Chiedi un JSON e fai citare al modello la trascrizione per ogni voce. La citazione è ciò che permette a un revisore di controllare un’azione in pochi secondi invece di rileggere tutta la trascrizione.

import json, os
from openai import OpenAI

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

SYSTEM = """You write meeting minutes from an Arabic meeting transcript section.
Return JSON only, with these keys:
  "summary": 2-4 sentences in Modern Standard Arabic,
  "decisions": [{"text": ..., "quote": ...}],
  "actions": [{"task": ..., "owner": ..., "due": ..., "quote": ...}],
  "open_questions": [{"text": ..., "quote": ...}]
Rules:
- "quote" is the exact words from the transcript that support the item.
- "owner" is a name only if the transcript says who will do it. Otherwise null.
- "due" only if a date or day is said. Keep it as said, e.g. "الخميس". Otherwise null.
- Keep names, numbers and amounts exactly as in the transcript. Never guess."""

def minutes_for(section):
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=4000,
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": section}])
    return json.loads(r.choices[0].message.content)

Poi valida nel codice. Fai il parse del JSON, controlla le chiavi e verifica che ogni quote compaia davvero nella sezione. Una voce la cui citazione non è nella trascrizione è un’invenzione del modello: scartala o segnalala. Se il JSON non si riesce a interpretare, riprova una volta passando il messaggio di errore. JSON mode vs json_schema mostra un ciclo di validazione; la documentazione di BroadNet indica l’output strutturato per GLM 5.3 e Qwen3.8 27B senza nominare il parametro della richiesta, quindi testalo prima di farci affidamento.

Per un verbale in inglese, cambia in inglese la riga del riassunto e aggiungi: “Keep each quote in the original Arabic.” L’articolo sul prompt engineering in arabo approfondisce registro, numerali e testo con alfabeti misti.

Passo 5: come si uniscono le sezioni in un unico verbale?

Invia tutti i risultati delle sezioni in un’ultima richiesta e chiedi al modello di:

  1. Scrivere un unico riassunto dell’intera riunione.
  2. Unire decisioni e azioni duplicate. Lo stesso compito viene spesso nominato due volte.
  3. Mantenere la citazione di ogni voce.
  4. Segnare un’azione come modificata se una sezione successiva ne cambia il responsabile o la data.

L’input dell’unione è piccolo: il JSON di ogni sezione, non la trascrizione. Un’unione su uno qualsiasi dei tre modelli qui sopra resta ben dentro il suo contesto.

Quanto costa una riunione?

Passaggio Che cosa paghi Prezzo
Trascrizione Minuti di audio $0.0042 al minuto, $0.25 all’ora
Riassunti delle sezioni Token della trascrizione in input, JSON in output Qwen3.8 27B: $0.175 in input, $2.17 in output per 1M
Unione Poco JSON in input e in output Stesse tariffe

La trascrizione di solito è la parte fissa. La parte LLM dipende dalla lunghezza della trascrizione e da quanto ragiona il modello. Leggi prompt_tokens e completion_tokens dalle prime riunioni reali, poi moltiplica nel calcolatore dei costi delle API LLM. Il calcolatore dei costi speech-to-text si occupa della parte audio. Il credito iniziale di $5 copre i modelli di trascrizione, cioè circa 1,190 minuti di arabo; Qwen3.8 27B richiede una ricarica.

Quali errori evitare?

  • Riassumere l’intera riunione in un solo prompt. Le voci della parte centrale si perdono.
  • Lasciare che il modello riempia i vuoti. Responsabili e date mai pronunciati sono l’errore più comune nei verbali generati dall’AI. Fai di null il valore predefinito.
  • Tradurre troppo presto. Trascrivi ed estrai in arabo, poi traduci il verbale. Tradurre prima la trascrizione fa perdere le citazioni esatte.
  • Saltare la revisione. Un verbale è un documento ufficiale. Una persona che ha partecipato dovrebbe leggerlo prima che venga inviato.
  • Conservare le registrazioni per sempre. Cancella l’audio una volta approvato il verbale, a meno che tu non sia obbligato a conservarlo.

Quando una pipeline via API è la scelta sbagliata?

Se ti servono sottotitoli dal vivo durante la riunione, etichette dei parlanti da un’unica traccia mista o un’app pronta che il tuo team possa usare oggi, un prodotto dedicato alle riunioni è la strada più rapida. Diversi prodotti vendono note di riunione in arabo; confrontali sulle tue registrazioni, perché le dichiarazioni di accuratezza sulle loro pagine sono loro. La strada dell’API ha senso quando vuoi i verbali dentro il tuo sistema, nel tuo formato e con le tue regole di conservazione.

Dove si colloca BroadNet Inference

BroadNet mette entrambe le metà su un’unica chiave compatibile con OpenAI: BroadNet Transcribe Arabic a $0.0042 al minuto e Qwen3.8 27B, testato in arabo, per i verbali. La sua informativa privacy dice che non conserva prompt, audio, risposte o trascrizioni dopo una richiesta, il che conta per le riunioni interne. Non restituisce etichette dei parlanti né timestamp e non offre trascrizione dal vivo, quindi usa un altro provider se ti servono. Parti dalla guida allo speech-to-text in arabo, poi aggiungi il passaggio di riassunto descritto sopra.

Domande frequenti

Come ottengo il verbale di una riunione da una registrazione in arabo?

Trascrivi l’audio con un’API speech-to-text per l’arabo, inviando language=ar. Poi manda la trascrizione a un LLM con un prompt che chieda in JSON un breve riassunto, le decisioni, le azioni con responsabili e scadenze, e le domande aperte. Rivedi il risultato prima di inviarlo.

Il verbale può essere in inglese se la riunione era in arabo?

Sì. Trascrivi in arabo, poi chiedi all’LLM di scrivere il verbale in inglese mantenendo nomi, cifre e citazioni esattamente come sono stati detti. Conserva le citazioni in arabo, così un revisore bilingue può controllare la traduzione.

Come gestisco il dialetto nei verbali?

Lascia il dialetto nella trascrizione, perché è quello che è stato detto. Chiedi all’LLM di scrivere il verbale in arabo standard moderno e di mantenere tra virgolette le parole dialettali quando il significato conta, come per un impegno o un rifiuto.

Un’API può dire chi ha detto cosa?

Solo se restituisce le etichette dei parlanti. La trascrizione di BroadNet restituisce testo semplice. Se ogni partecipante è registrato su una traccia o un canale separato, trascrivi ogni traccia per conto suo e sai chi parla; altrimenti usa un provider con diarization.

Quale modello dovrebbe riassumere una riunione lunga?

Scegli un modello con contesto sufficiente per la tua trascrizione più lunga e un buon arabo. Su BroadNet, Qwen3.8 27B è il modello testato in arabo, con un contesto di 262.144 token; GLM 5.3 e DeepSeek V4.1 Flash accettano 1.048.576 token. Provane due su tre riunioni reali.

È sicuro inviare riunioni interne a un’API?

Controlla prima le condizioni di conservazione del provider. BroadNet dichiara di non conservare prompt, audio, risposte o trascrizioni dopo una richiesta. Rimuovi comunque tutto ciò che non serve al verbale, come numeri di telefono personali letti ad alta voce.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity