アラビア語の文字起こし
更新日
アラビア語の音声には BroadNet Transcribe Arabic(broadnet/cohere-transcribe-arabic)を使います。1 分 US$0.0042 です。BroadNet Transcribe(broadnet/cohere-transcribe)はアラビア語を含む 14 言語に対応し、US$0.002 です。どちらも /v1/audio/transcriptions で最大 26,214,400 バイトの WAV か MP3 を受け付けます。language=ar を送ってください。

アラビア語モデルか、多言語モデルか?
| モデル | 言語 | 1 分あたり | 1 時間あたり | 初回クレジット |
|---|---|---|---|---|
BroadNet Transcribe Arabicbroadnet/cohere-transcribe-arabic | アラビア語 | US$0.0042 | US$0.252 | 使える(約 1,190 分) |
BroadNet Transcribebroadnet/cohere-transcribe | 14 言語(アラビア語を含む) | US$0.002 | US$0.12 | 使える(約 2,500 分) |
BroadNet Transcribe Arabic
BroadNet のアラビア語モデルです。BroadNet によると、湾岸、エジプト、レバント、マグレブの各方言と現代標準アラビア語に対応し、アラビア語の音声に推奨されています。出力はアラビア文字です。モデルページと BroadNet が公表した結果。
BroadNet Transcribe
1 つのモデルで 14 言語に対応し、1 分あたりの単価はより低くなります。ファイルによって言語が異なる場合に向いています。まず自分の録音でアラビア語の出力をテストしてください。モデルページ。
対応する言語と形式は?
- 01Voice notePhones and messaging apps often save .ogg or .m4a
.ogg.m4a - 02ConvertWAV or MP3, up to 26,214,400 bytes per file
.wav.mp3ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav - 03TranscribeArabic model, language set to Arabic
POST /v1/audio/transcriptionsmodel=broadnet/cohere-transcribe-arabiclanguage=ar - 04TextRead the text field of the response
text
Phone voice notes usually arrive as .ogg or .m4a. Convert them to WAV or MP3 of up to 26,214,400 bytes, send the file to the transcription endpoint with language set to ar, and read the text from the response.
- エンドポイント
POST /v1/audio/transcriptions(multipart フォーム)- 形式
- WAV(
audio/wav)または MP3(audio/mpeg) - ファイルサイズ
- 1 ファイル最大 26,214,400 バイト(25 MiB)。超えると 413 が返ります。分割または圧縮してください。
- 言語フィールド
- アラビア語は
language=ar。必ず送ってください。送らないと、アラビア語がラテン文字で返ることがあります。 - レスポンス
- JSON。文字起こしテキストは
textに入ります - BroadNet Transcribe の対応言語
- 英語、スペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語、ギリシャ語、オランダ語、ポーランド語、中国語(標準語)、日本語、韓国語、ベトナム語、アラビア語
WhatsApp の .ogg やスマートフォンの .m4a は、先に変換が必要です:ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
音声のコストはいくら?
コスト = 音声の分数 × モデルの 1 分あたりの単価です。月間の分数を入力すると、両モデルを比較できます。
組み込み方は?
OpenAI SDK の文字起こし呼び出しか、通常の multipart リクエストを使います。キーはサーバー上の BROADNET_API_KEY に保存してください。
transcribe.py
import os
from openai import OpenAI
client = OpenAI(
base_url="https://inference.broadnet.ai/v1",
api_key=os.environ["BROADNET_API_KEY"],
)
with open("recording.wav", "rb") as audio:
result = client.audio.transcriptions.create(
model="broadnet/cohere-transcribe-arabic",
file=audio,
language="ar",
)
print(result.text)transcribe.sh
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説明用の例
{"text": "مرحباً، لقد وصلت إلى البريد الصوتي، اترك رسالتك من فضلك"}BroadNet のリファレンスにあるレスポンスの形を、合成した留守番電話メッセージで示したものです。実際の記録や精度ベンチマークではありません。
アラビア語の音声についてのガイドと記事(英語)
アラビア語の文字起こしについての質問
アラビア語の音声にはどのモデルを使えばいいですか?
まずは BroadNet のアラビア語モデル BroadNet Transcribe Arabic(broadnet/cohere-transcribe-arabic)を使ってください。1 分 US$0.0042 です。BroadNet Transcribe も 14 言語の 1 つとしてアラビア語を受け付け、1 分 US$0.002 です。BroadNet はアラビア語の音声にはアラビア語モデルを推奨しています。自分の録音で両方をテストしてください。
言語を指定する必要はありますか?
はい。アラビア語の音声には language=ar を送ってください。指定しないと、アラビア語がラテン文字に音写されて返ることがあります。
対応する音声形式とサイズは?
WAV(audio/wav)または MP3(audio/mpeg)で、1 ファイル最大 26,214,400 バイト(25 MiB)です。WhatsApp の .ogg やスマートフォンの .m4a は、先に ffmpeg で WAV に変換してください。
初回クレジットを文字起こしに使えますか?
はい。新規アカウントの US$5 の初回クレジットは、両方の文字起こしモデルに使えます。
音声は保存されますか?
推論の内容は保持されません。アカウント、請求、セキュリティに必要なメタデータは、BroadNet の推論プライバシー声明の記載どおり保持されます。同声明の「保持しない内容」には音声と文字起こしテキストが含まれています。