BroadNet Transcribe Arabic の料金は音声 1 分あたり $0.0042 です。BroadNet は、このモデルが Open Universal Arabic ASR Leaderboard で 37 件中 2 位 (2026年9月時点の数値。2026年11月15日のライブのリーダーボードでは 39 件中 4 位)、ライセンス上 API での提供が認められているモデルの中では 1 位だと報告しています。ほかの言語には、14 言語に対応する BroadNet Transcribe を 1 分 $0.002 で使えます。BroadNet Transcribe Arabic のモデルページと BroadNet Transcribe のモデルページを参照してください。
ほかのプロバイダーのほうが安い場合もあります。2026-11-14 時点で、Soniox の料金ページにはファイル(非同期)の文字起こしが 1 時間あたり約 0.10 米ドル、リアルタイムが 1 時間あたり 0.12 米ドルと掲載されており、対応言語にはアラビア語が含まれています。これは BroadNet Transcribe Arabic の 1 時間 $0.25 より安いので、両方を自分の音声でテストしてください。
curl の場合
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
レスポンスは、文字起こしを入れた JSON です。
{"text": "مرحباً، لقد وصلت إلى البريد الصوتي، اترك رسالتك من فضلك"}
Python の場合
from openai import OpenAI
import os
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
with open("voice-note.wav", "rb") as audio:
result = client.audio.transcriptions.create(
model="broadnet/cohere-transcribe-arabic",
file=audio,
language="ar",
)
print(result.text)
language は必ず送る
language がないと、アラビア語がラテン文字に音写されて返ってくることがあります。アラビア語には language=ar を、英語には language=en を送ってください。
どのアラビア語方言に対応していますか?
BroadNet は、BroadNet Transcribe Arabic が方言を含むアラビア語に対応すると説明しており、3 つの単語誤り率を公開しています。いずれも BroadNet 自身のラボでの測定値で、モデルカタログに掲載されています。
| テストセット | 内容 | 単語誤り率 |
|---|---|---|
| FLEURS-ar | 明瞭な読み上げ文 | 3.8 |
| MASC-ar | さまざまな実環境のアラビア語音声 | 21.1 |
| BroadNet 方言セット | 方言の音声 | 23.4 |
BroadNet は方言別の内訳を公開していないので、湾岸の音声がエジプトやマグレブと比べてどうなのかは、BroadNet の外部からはわかりません。ほかのプロバイダーは対応範囲の示し方が異なります。Deepgram は Nova-3 のアラビア語を地域コードで示しており、ar-AE、ar-SA、ar-EG から ar-MA、ar-IQ まであります。Speechmatics は「Global Arabic」というパックを 1 つ販売しており、現代標準アラビア語、湾岸、エジプト、レバントの音声を挙げています。さらに、英語が混じるアラビア語向けの ar_en パックがあります。Soniox はアラビア語(ar)を掲載していますが、方言の詳細はありません。
掲載されている言語コードは、測定された精度ではありません。選ぶ前に、自分の音声クリップを方言ごとに分け、候補ごとにスコアを出してください。
- 湾岸(ハリージー): サウジ、UAE、クウェート、カタールの音声。英語の製品名がよく混じります。
- エジプト: メディアで最も広く通じる方言です。
- レバント: シリア、レバノン、ヨルダン、パレスチナの音声。
- イラクとマグレブ: モロッコ、アルジェリア、チュニジアの音声は、通常最も難しいケースです。
- 現代標準アラビア語: ニュースや改まった話し言葉で、易しい基準になります。
方言でスコアが下がる理由はアラビア語方言の音声認識ガイドで、スコアの出し方は単語誤り率の解説で説明しています。
アラビア語の音声認識 API の料金は?
以下のプロバイダーはいずれもアラビア語を掲載しています。安い順で、注記がない限り録音済みファイルの料金です。2026-11-14 に確認しました。
| プロバイダーとモデル | 1 分あたり | 1 時間あたり | 掲載されているアラビア語の対応範囲 |
|---|---|---|---|
| Soniox、非同期(ファイル) | 約 0.0017 米ドル | 約 0.10 米ドル | アラビア語(ar) |
| Soniox、リアルタイム | 約 0.002 米ドル | 約 0.12 米ドル | アラビア語(ar) |
| BroadNet Transcribe(14 言語) | $0.002 | $0.12 | 14 言語のひとつとしてアラビア語 |
| BroadNet Transcribe Arabic | $0.0042 | $0.25 | 方言を含むアラビア語(BroadNet による) |
| Deepgram、Nova-3 単一言語 | 0.0043 米ドル | 0.258 米ドル | ar と地域コード |
| Speechmatics、Standard | 0.0075 米ドル | 0.45 米ドル | Global Arabic、ar_en |
| Speechmatics、Enhanced | 0.0125 米ドル | 0.75 米ドル | Global Arabic、ar_en |
出典:Soniox の料金(トークン単位の課金で、1 時間あたりの数字は Soniox による概算)、Deepgram の料金、Speechmatics の料金。Soniox は BroadNet の両モデルより安く、BroadNet はリアルタイムのストリーミングをドキュメントに記載していません。BroadNet の強みは、アラビア語専用のモデル、報告されているリーダーボードの順位、ゼロデータ保持です。ほかのプロバイダーについては、公開している音声認識 API の価格インデックスを参照してください。20 以上の製品について、バッチとストリーミングの料金、アラビア語への対応を、価格ごとの出典と日付付きで掲載しています(CSV と JSON)。追加費用については音声認識 API の料金比較を、自分の利用量の見積もりには音声認識のコスト計算ツールを使ってください。
上限
- WAV または MP3、1 ファイル 26,214,400 バイト(25 MiB)まで。それより大きいファイルは 413 になるので、先に分割してください。
- 従量課金のキーは毎分 30 リクエスト、同時 4 リクエストまでです。
- 2 つの文字起こしモデルはどちらも $5 の無料の初回クレジットで使えるので、支払う前に自分の録音でテストできます。
トラブルシューティング
- アラビア文字ではなくラテン文字になる。
language=arを追加してください。 - 400 または 422。 フィールド名(
model、language、file)と、ファイルが本当に WAV か MP3 であるかを確認してください。拡張子を変えただけの.oggは失敗します。ffmpeg で変換してください。 - 413。 ファイルが 26,214,400 バイトを超えています。16 kHz モノラルの WAV か MP3 に変換するか、短く分割してください。
- 有料アカウントで 401。 キーと従量課金の利用枠を確認してください。BroadNet のエラーコードとリトライを参照してください。
- 方言や雑音の多い通話で精度が低い。 BroadNet 自身の方言テストセットは、明瞭な読み上げ音声よりスコアが下がります(FAQ を参照)。実際の音声のサンプルでテストし、単語誤り率を測ってください。
WhatsApp のボイスメッセージは .ogg で届きます。WhatsApp のボイスメッセージを一度に変換して文字起こしするガイドを参照してください。雑音の多い音声で数字、日付、名前が必要な場合、BroadNet は要相談でファインチューニングしたアラビア語モデルを提供しています。
