BroadNet は BroadNet Inference 用の無料のブラウザ用プレイグラウンドを提供しています。共有キーで本番の API を呼び出すので、アカウントを作る前に、アラビア語の文字起こしモデルを自分の声で試したり、書類を読み取らせたりできます。BroadNet によると、リクエストとレスポンスの内容は保持されません。
何を試せますか?
プレイグラウンドには 4 つのモードがあります。
| モード | 入力するもの | 返ってくるもの |
|---|---|---|
| テキスト | アラビア語または英語の質問 | Gemma 4 からのストリーミング回答 |
| ビジョン | メニュー、フォーム、手書きメモなどの画像 1 枚と質問 | 画像についての回答 |
| 音声 | 最長 60 秒の録音またはアップロード(アラビア語または英語) | 文字起こし、続いて要約 |
| 書類 | 請求書、身分証、チラシなどの書類の画像 1 枚 | JSON 形式の項目 |
音声モードは 4 MB までの WAV か 1.44 MB までの WebM を受け付けます。これはプレイグラウンドの制限で、API は 1 ファイルあたり 25 MiB までの WAV または MP3 を受け付けます。
アラビア語の音声認識はどう試しますか?
- 音声モードを開きます。
- アラビア語なら العربية、英語なら English を選びます。
- 最長 1 分まで録音するか、短いボイスメッセージをアップロードします。
- デモを実行し、文字起こしと要約を確認します。
実際に送る予定の音声で試してください。屋外で録った WhatsApp のボイスメッセージ、通話、対象にしたい方言などです。はっきり読み上げた 1 文ではほとんど何もわかりません。BroadNet 自身の数値でも、同じモデルの単語誤り率は明瞭な読み上げ音声で 3.8、方言の音声で 23.4 です。アラビア語の WER の意味を参照してください。
書類の読み取りはどう試しますか?
書類モードを開き、書類の種類を選んで画像を 1 枚アップロードし、実行します。数値は原本と照らし合わせてください。合計金額、日付、ID 番号、電話番号は抽出で間違いが起きやすい箇所です。同じ処理を API で行う方法は、ビジョンモデルでアラビア語の請求書を読み取るを参照してください。
同じテストを API に移すには?
プレイグラウンドは最初の確認用です。本格的なテストには自分のキーが必要です。
- inference.broadnet.ai でアカウントを作成します。新規アカウントにはカードなしで $5 のクレジットが付与されます。
- アカウントで API キーを作成します。
- curl か任意の OpenAI SDK で同じリクエストを送ります。ボイスメッセージの場合は次のとおりです。
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
language は必ず送ってください。省略すると、アラビア語がラテン文字で返ってくることがあります。API が受け付けるのは WAV と MP3 だけなので、.ogg や .m4a のボイスメッセージは先に WAV に変換します。
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
チャットと画像については、curl クイックスタートに各エンドポイントの最初のリクエスト例があります。
プレイグラウンドでのテストの限界は?
- 一度に 1 ファイルだけ。 わかるのは品質であり、スループットではありません。従量課金キーでは 1 分あたり 30 リクエスト、同時に 4 件まで処理できます。
- 短いクリップだけ。 60 秒では、長い通話をモデルがどう処理するかはわかりません。API で完全な録音をいくつか試してください。
- 設定項目なし。 temperature、プロンプト、レスポンス形式は設定できません。API では通常の OpenAI パラメーターが使えます。
- 共有キー。 これはデモであり、サービスではありません。これを土台にアプリを作らないでください。
