BroadRouter

アラビア語の音声認識 API を使う手順

更新日

WAV か MP3 のファイルを、model に broadnet/cohere-transcribe-arabic、language=ar を指定して https://inference.broadnet.ai/v1/audio/transcriptions に送ります。レスポンスは JSON で、文字起こしは text に入ります。WhatsApp の .ogg など他の形式は先に WAV に変換してください。料金は音声 1 分単位で、BroadNet によると音声も文字起こしも保持されません。

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。

よくある質問

アラビア語の方言も認識できますか?

BroadNet は、自社の方言テストセットで単語誤り率 23.4、FLEURS-ar で 3.8、MASC-ar で 21.1 と報告しています。低いほど良い値です。BroadNet は方言ごとのスコアを公開していないので、頼る前に湾岸、エジプト、レバント、マグレブの録音を個別にテストしてください。

アラビア語の音声認識 API で一番安いのはどれですか?

2026-11-14 に確認したプロバイダーのうち、最も安い料金を掲載しているのは Soniox で、ファイルの文字起こしが 1 時間あたり約 0.10 米ドルです。BroadNet Transcribe Arabic は 1 時間 $0.25 です。Deepgram Nova-3 と Speechmatics はそれより高くなります。1 時間あたりの料金よりも、自分の方言の音声での単語誤り率のほうが重要です。

どの音声形式に対応していますか?

WAV(audio/wav)と MP3(audio/mpeg)です。.ogg や .m4a など他の形式は、先に ffmpeg で変換してください。

アラビア語の文字起こしがラテン文字になるのはなぜですか?

リクエストに language フィールドが含まれていなかったためです。指定がないと、アラビア語の音声がラテン文字に音写されることがあります。アラビア語のリクエストには毎回 language=ar を送ってください。

アラビア語の文字起こしを無料で試せますか?

はい。BroadNet の 2 つの文字起こしモデルはどちらも新規アカウントの無料の初回クレジットで使えるので、チャージする前に自分の録音でテストできます。

アラビア語には BroadNet Transcribe Arabic と BroadNet Transcribe のどちらを使うべきですか?

どちらも language=ar を受け付けます。BroadNet Transcribe Arabic はアラビア語専用のモデルで、BroadNet がアラビア語のリーダーボードで成績を報告しているのもこちらです。BroadNet Transcribe は 1 分あたりの料金が安く、14 言語に対応しています。両方を自分の音声でテストしてください。

Markdown で読むChatGPT に聞くClaude に聞くPerplexity に聞く