---
title: "Rakam audio pelayar dan hantar ke API speech-to-text"
description: "Rakam mikrofon dengan MediaRecorder, tukar WebM atau MP4 Safari kepada WAV 16 kHz, dan hantar ke API transkripsi melalui pelayan kecil yang menyimpan kunci."
url: https://broadrouter.com/ms/blog/record-browser-audio-transcription-api/
lang: ms
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/blog/record-browser-audio-transcription-api/) (dikemas kini 2026-11-15).

# Rakam audio dalam pelayar dan hantar ke API speech-to-text

Oleh pasukan BroadNet Inference · 6 minit bacaan · Diterbitkan 2026-11-15

Rakam dengan getUserMedia dan MediaRecorder, pilih format dengan isTypeSupported, dan buang cebisan kosong. Jika API hanya menerima WAV atau MP3, nyahkod rakaman dalam pelayar dan kodkan WAV mono 16 kHz, atau muat naik dan tukar dengan ffmpeg di pelayan anda. Walau apa pun, hantar melalui backend anda sendiri supaya kunci API tidak sampai ke pelayar.

## Perkara utama

-   Pelayar merakam format termampat: Chrome memberi WebM dengan Opus, dan WebKit mendokumenkan MP4 dengan AAC untuk Safari. OpenAI menerima kedua-duanya; API yang hanya menerima WAV atau MP3, seperti BroadNet, memerlukan langkah penukaran.
-   getUserMedia hanya berfungsi dalam konteks selamat (HTTPS atau localhost). Di tempat lain navigator.mediaDevices ialah undefined, jadi semak kewujudannya sebelum memanggilnya.
-   WAV mono 16 kHz 16-bit ialah 32,000 bait sesaat. Had 26,214,400 bait BroadNet memuatkan kira-kira 13 minit 39 saat; pecahkan apa-apa yang lebih panjang.
-   decodeAudioData memerlukan keseluruhan fail dan mensampel semula kepada kadar konteksnya, jadi OfflineAudioContext pada 16,000 Hz melakukan pensampelan semula untuk anda.
-   Jangan sekali-kali memanggil API transkripsi dari halaman. Hantar audio ke pelayan anda, semak saiz dan jenisnya di sana, dan tambah kunci di pelayan.

**Dalam halaman ini**

1.  Format apakah yang dirakam oleh pelayar?
2.  Bagaimanakah merakam daripada mikrofon?
3.  Bagaimanakah menukar rakaman kepada WAV dalam pelayar?
4.  Bagaimanakah menukar di pelayan pula?
5.  Bagaimanakah menjauhkan kunci API daripada pelayar?
6.  Bagaimanakah kami mengujinya?
7.  Berapakah kosnya?
8.  Di mana BroadNet Inference sesuai

Merakam mesej suara dalam aplikasi web memerlukan kira-kira tiga puluh baris JavaScript. Masalahnya bermula apabila anda menghantar fail itu: pelayar merakam WebM atau MP4, API mahukan format lain, iPhone memulangkan “Thank you” untuk klip senyap, dan tutorial yang anda salin meletakkan kunci API dalam halaman. Catatan ini membina keseluruhan laluan dan menguji setiap bahagian: rakam, tukar kepada WAV, semak saiz dan majukan melalui pelayan kecil.

Contoh-contoh ini menyasarkan API yang hanya menerima WAV atau MP3. BroadNet Inference ialah salah satu: dokumentasinya menyenaraikan WAV (`audio/wav`) atau MP3 (`audio/mpeg`) sehingga 26,214,400 bait setiap fail. Jika API anda menerima WebM, langkau penukaran dan kekalkan yang lain. Panduan speech-to-text OpenAI menyenaraikan flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav dan webm, sehingga 25 MB.

## Format apakah yang dirakam oleh pelayar?

`MediaRecorder` merakam format termampat yang dipilih pelayar, melainkan anda meminta format yang disokongnya. Tanya dengan `MediaRecorder.isTypeSupported()` dan ambil padanan pertama:

| Rentetan jenis | Pelayar biasa |
| --- | --- |
| `audio/webm;codecs=opus` | Chrome, Edge, Firefox |
| `audio/mp4` | Safari ([WebKit mendokumenkan MP4 dengan AAC](https://webkit.org/blog/11353/mediarecorder-api/)); Chromium juga melaporkannya dalam ujian kami |
| `audio/ogg;codecs=opus` | Firefox |

Dalam Chromium headless pada 2026-11-15, `isTypeSupported` memulangkan true untuk WebM/Opus dan MP4 serta false untuk Ogg/Opus. Anggap jadual ini sebagai titik permulaan, bukan janji. MDN menyatakan bahawa `true` bermaksud pelayar boleh merakam jenis itu secara prinsip; rakaman masih boleh gagal jika sumber tidak mencukupi. Sentiasa baca `recorder.mimeType` selepas menciptanya, dan labelkan muat naik dengan nilai itu, bukan dengan apa yang anda minta.

## Bagaimanakah merakam daripada mikrofon?

Dua peraturan pelayar membentuk kod ini. Pertama, `getUserMedia` hanya wujud dalam [konteks selamat](https://developer.mozilla.org/en-US/docs/Web/API/MediaDevices/getUserMedia): HTTPS, `localhost` atau URL `file:`. Pada HTTP biasa dari hos lain, `navigator.mediaDevices` ialah `undefined`, jadi memanggilnya mencetuskan `TypeError` dan bukannya meminta kebenaran. Kedua, pengguna mesti memberi akses, dan penolakan mencetuskan `NotAllowedError`. Kendalikan kedua-duanya dengan mesej yang boleh diambil tindakan oleh pengguna.

```js
// record.js: record from the microphone, return a 16 kHz mono WAV Blob.
const TYPES = ["audio/webm;codecs=opus", "audio/mp4", "audio/ogg;codecs=opus"];

export async function startRecording() {
  if (!navigator.mediaDevices?.getUserMedia) {
    throw new Error("Microphone access needs HTTPS (or localhost).");
  }
  const stream = await navigator.mediaDevices.getUserMedia({ audio: true });
  const mimeType = TYPES.find((t) => MediaRecorder.isTypeSupported(t));
  const rec = new MediaRecorder(stream, mimeType ? { mimeType } : {});
  const chunks = [];
  rec.ondataavailable = (e) => { if (e.data.size > 0) chunks.push(e.data); };
  rec.start(1000); // a chunk every second, so a crash loses at most one second
  return () => new Promise((resolve) => {
    rec.onstop = () => {
      stream.getTracks().forEach((t) => t.stop()); // turn the mic indicator off
      resolve(new Blob(chunks, { type: rec.mimeType }));
    };
    rec.stop();
  });
}
```

Tiga butiran di dalamnya datang daripada laporan pepijat sebenar:

-   **Buang cebisan kosong.** Dalam satu bebenang forum OpenAI tentang MediaRecorder pada iPhone, seorang pembangun mendapati `dataavailable` dicetuskan dengan data kosong pada iOS, dan menapis cebisan itu menyelesaikannya. Seorang lagi menyelesaikan gejala yang sama dengan bermula menggunakan timeslice, `start(1000)`.
-   **Hentikan trek.** Menghentikan perakam tidak melepaskan mikrofon. Tanpa `getTracks().forEach(t => t.stop())` pelayar terus menunjukkan penunjuk rakaman.
-   **Jangan ukur tempoh rakaman dengan mengira cebisan.** MDN memberi amaran bahawa selang timeslice tidak tepat dan boleh memanjang apabila Safari menjeda mikrofon atau Chrome Android mengunci skrin. Gunakan pemasa sendiri jika anda memaparkan tempoh atau menguatkuasakan had.

## Bagaimanakah menukar rakaman kepada WAV dalam pelayar?

Web Audio API boleh menyahkod apa sahaja yang dirakam oleh pelayar. Dua fakta daripada MDN memendekkan langkah ini: `decodeAudioData` hanya berfungsi pada fail lengkap, bukan serpihan, jadi nyahkod selepas `stop()`; dan ia mensampel semula audio yang dinyahkod kepada kadar sampel konteksnya. Oleh itu, `OfflineAudioContext` yang dicipta pada 16,000 Hz memulangkan sampel 16 kHz tanpa kod pensampelan semula tambahan. Pembinanya menerima sebarang kadar dari 3,000 hingga 768,000 Hz.

```js
export async function toWav16k(blob) {
  // decodeAudioData needs the whole file and resamples to the context's rate.
  const ctx = new OfflineAudioContext(1, 1, 16000);
  const audio = await ctx.decodeAudioData(await blob.arrayBuffer());
  return encodeWav(mixDown(audio), 16000);
}

export function mixDown(audio) {
  const out = new Float32Array(audio.length);
  for (let c = 0; c < audio.numberOfChannels; c++) {
    const ch = audio.getChannelData(c);
    for (let i = 0; i < out.length; i++) out[i] += ch[i] / audio.numberOfChannels;
  }
  return out;
}

export function encodeWav(samples, rate) {
  const buf = new ArrayBuffer(44 + samples.length * 2);
  const v = new DataView(buf);
  const str = (o, s) => [...s].forEach((ch, i) => v.setUint8(o + i, ch.charCodeAt(0)));
  str(0, "RIFF"); v.setUint32(4, 36 + samples.length * 2, true); str(8, "WAVE");
  str(12, "fmt "); v.setUint32(16, 16, true); v.setUint16(20, 1, true); // PCM
  v.setUint16(22, 1, true); v.setUint32(24, rate, true);                // mono
  v.setUint32(28, rate * 2, true); v.setUint16(32, 2, true); v.setUint16(34, 16, true);
  str(36, "data"); v.setUint32(40, samples.length * 2, true);
  for (let i = 0; i < samples.length; i++) {
    const s = Math.max(-1, Math.min(1, samples[i]));
    v.setInt16(44 + i * 2, s < 0 ? s * 0x8000 : s * 0x7fff, true);
  }
  return new Blob([buf], { type: "audio/wav" });
}
```

Mengapa mono 16 kHz: ia tetapan yang digunakan oleh contoh ffmpeg BroadNet sendiri (`-ar 16000 -ac 1`), ia mengekalkan jalur pertuturan, dan saiznya satu pertiga daripada 48 kHz. Stereo menggandakan saiz tanpa faedah untuk satu suara. Lihat [kadar sampel](https://broadrouter.com/ms/glossary/sample-rate/) untuk pertukarannya.

Pengiraan saiz penting, kerana WAV tidak dimampatkan. 16,000 sampel sesaat pada 2 bait setiap satu ialah 32,000 bait sesaat. Dengan pengepala 44 bait, had 26,214,400 bait BroadNet memuatkan 819 saat: kira-kira 13 minit 39 saat. Untuk apa-apa yang lebih panjang, hentikan rakaman pada satu had, atau pecahkan di pelayan seperti dalam [mentranskripsi fail audio panjang](https://broadrouter.com/ms/blog/transcribe-long-audio-files-api/). [Pemecah audio](https://broadrouter.com/tools/audio-splitter-ffmpeg/) menulis arahan ffmpeg untuk anda.

Penukaran dalam pelayar menggunakan CPU dan memori pengguna, dan keseluruhan klip yang dinyahkod berada dalam memori sebagai float 32-bit. Itu tidak mengapa untuk mesej suara beberapa minit. Untuk rakaman panjang, muat naik fail termampat dan tukar di pelayan.

## Bagaimanakah menukar di pelayan pula?

Hantar rakaman termampat seadanya dan biarkan ffmpeg melakukan kerja. Kurang kod dalam halaman, muat naik lebih kecil, dan hasil yang sama:

```bash
ffmpeg -i in.webm -ar 16000 -ac 1 out.wav
```

Tulis muat naik ke fail sementara dan bukannya menyalurkannya (pipe) ke ffmpeg. Fail MP4 boleh menyimpan indeksnya di hujung, dan ffmpeg tidak selalu dapat membacanya daripada pipe. [Panduan nota suara WhatsApp](https://broadrouter.com/ms/guides/transcribe-whatsapp-voice-notes/) menggunakan arahan yang sama untuk fail `.ogg`.

## Bagaimanakah menjauhkan kunci API daripada pelayar?

Letakkan endpoint kecil di antara halaman dan API. Ia menerima rakaman, menukarnya jika perlu, menyemak saiz, menambah kunci daripada pembolehubah persekitaran dan memajukannya. Node 18 dan ke atas mempunyai `fetch`, `FormData` dan `Blob` terbina dalam, jadi tiada pakej diperlukan:

```js
// server.mjs: POST /transcribe with the recording as the body. The key stays here.
import http from "node:http";
import { execFile } from "node:child_process";
import { mkdtemp, writeFile, readFile, rm } from "node:fs/promises";
import { tmpdir } from "node:os";
import { join } from "node:path";
import { promisify } from "node:util";

const API = process.env.BROADNET_BASE_URL ?? "https://inference.broadnet.ai/v1";
const KEY = process.env.BROADNET_API_KEY;
const FFMPEG = process.env.FFMPEG ?? "ffmpeg";
const MAX = 26_214_400; // BroadNet's per-file cap in bytes
const run = promisify(execFile);

async function readBody(req, limit) {
  const parts = []; let n = 0;
  for await (const c of req) { n += c.length; if (n > limit) throw Object.assign(new Error("too large"), { code: 413 }); parts.push(c); }
  return Buffer.concat(parts);
}

async function toWav(bytes) {
  // Temp files, not pipes: an MP4 from Safari can keep its index at the end.
  const dir = await mkdtemp(join(tmpdir(), "rec-"));
  try {
    await writeFile(join(dir, "in"), bytes);
    await run(FFMPEG, ["-v", "error", "-i", join(dir, "in"), "-ar", "16000", "-ac", "1", join(dir, "out.wav")]);
    return await readFile(join(dir, "out.wav"));
  } finally { await rm(dir, { recursive: true, force: true }); }
}

http.createServer(async (req, res) => {
  const reply = (code, obj) => { res.writeHead(code, { "content-type": "application/json" }); res.end(JSON.stringify(obj)); };
  if (req.method !== "POST" || req.url !== "/transcribe") return reply(404, { error: "not found" });
  try {
    const type = (req.headers["content-type"] ?? "").split(";")[0];
    let body = await readBody(req, 4 * MAX);
    if (type !== "audio/wav" && type !== "audio/mpeg") {
      try { body = await toWav(body); }
      catch { return reply(400, { error: "Could not read the recording." }); }
    }
    if (body.length > MAX) return reply(413, { error: "Recording too long; split it first." });
    const form = new FormData();
    form.append("model", "broadnet/cohere-transcribe-arabic");
    form.append("language", "ar");
    form.append("file", new Blob([body], { type: type === "audio/mpeg" ? "audio/mpeg" : "audio/wav" }),
      type === "audio/mpeg" ? "audio.mp3" : "audio.wav");
    const r = await fetch(`${API}/audio/transcriptions`, {
      method: "POST", headers: { Authorization: `Bearer ${KEY}` }, body: form,
    });
    const data = await r.json();
    return r.ok ? reply(200, { text: data.text }) : reply(r.status, { error: data });
  } catch (e) {
    return reply(e.code === 413 ? 413 : 500, { error: String(e.message ?? e) });
  }
}).listen(process.env.PORT ?? 8787);
```

Halaman kemudian menghantar sama ada WAV atau rakaman mentah:

```js
const stop = await startRecording();
// ...later, when the user taps Stop:
const raw = await stop();
const wav = await toWav16k(raw);          // or send `raw` and let the server convert
const r = await fetch("/transcribe", { method: "POST", headers: { "content-type": wav.type }, body: wav });
const { text } = await r.json();
```

Perkara yang patut dikekalkan apabila anda menyesuaikannya:

-   **Sentiasa hantar `language`.** Dokumentasi BroadNet menyatakan bahasa Arab boleh kembali dalam transliterasi huruf Rumi tanpanya. Gunakan `ar` dengan model bahasa Arab, atau tukar kepada `broadnet/cohere-transcribe` dan kod yang betul untuk salah satu daripada 14 bahasanya.
-   **Pulangkan ralat umum.** Versi pertama proksi ujian kami memaparkan semula ralat ffmpeg, yang termasuk laluan fail pelayan. Kod di atas memulangkan “Could not read the recording.” sebagai gantinya.
-   **Tambah pengesahan dan had kadar** sebelum anda melancarkannya. Jika tidak, sesiapa yang menemui `/transcribe` akan menghabiskan baki anda. [Keselamatan kunci API LLM](https://broadrouter.com/ms/blog/llm-api-key-security/) merangkumi selebihnya, dan kunci BroadNet boleh dihadkan dengan [senarai benar IP](https://broadrouter.com/ms/guides/api-keys-ip-allow-lists/).
-   **Tolak klip yang hampir senyap.** Laporan forum tentang transkrip rekaan “Thank you” atau “Bye” melibatkan rakaman senyap atau rosak. Semak tempoh (bait WAV ÷ 32,000) dan, jika boleh, aras isyarat sebelum anda membayarnya.

## Bagaimanakah kami mengujinya?

Tiada kunci BroadNet digunakan. Pada 2026-11-15 kami menjalankan kod di atas terhadap olokan (mock) tempatan `/v1/audio/transcriptions`:

1.  **Pengekod dalam Node.** `encodeWav` pada satu saat nada 440 Hz dengan dua sampel terpotong menghasilkan 32,044 bait. Modul `wave` Python membacanya sebagai 1 saluran, 16,000 Hz, sampel 2 bait, 16,000 bingkai, dan ffmpeg sebagai `pcm_s16le, 16000 Hz, mono`. Sampel terpotong keluar sebagai 32767 dan −32768.
2.  **Laluan pelayar dalam Chromium.** Playwright melancarkan Chromium headless dengan mikrofon palsu. `startRecording` merakam 3 saat sebagai `audio/webm;codecs=opus` (40,563 bait), dan `toWav16k` menukarnya kepada WAV 96,044 bait: 3.0 saat, 16 kHz, mono.
3.  **Proksi.** WAV dan WebM mentah kedua-duanya memulangkan 200. Olokan itu menerima pengesahan `Bearer`, ID model bahasa Arab, `language=ar` dan fail `audio/wav` mono 16 kHz setiap kali; ffmpeg menukar WebM di pelayan. WAV 26,214,401 bait mendapat 413 tanpa panggilan huluan. Badan yang bukan audio mendapat 400.
4.  **Asal tidak selamat.** Apabila dimuatkan dari alamat LAN mesin melalui HTTP biasa, halaman melaporkan `isSecureContext` false dan `startRecording` mencetuskan mesej HTTPS kami, bukan `TypeError`.

Kami tidak menguji Safari atau Firefox, atau transkripsi sebenar. Cuba pada iPhone sebenar sebelum anda melancarkannya.

## Berapakah kosnya?

BroadNet mengebil transkripsi bagi setiap minit audio: $0.0042 untuk Transcribe Arabic dan $0.002 untuk model pelbagai bahasa. Sejam mesej suara bahasa Arab berkos $0.25. Kedua-duanya berjalan pada kredit permulaan $5, yang meliputi kira-kira 1,190 minit bahasa Arab. Untuk jumlah anda sendiri, gunakan [kalkulator kos speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/). [Panduan pembeli speech-to-text bahasa Arab](https://broadrouter.com/ms/blog/arabic-speech-to-text-api-buyers-guide/) membandingkan penyedia.

## Di mana BroadNet Inference sesuai

BroadRouter ialah laman web BroadNet sendiri. BroadNet Inference mentranskripsi fail yang dimuat naik: WAV atau MP3, satu permintaan setiap fail, dengan respons JSON yang mengandungi teks. Ia tidak mendokumenkan transkripsi langsung atau penstriman, cap masa atau label penutur. Jika aplikasi anda memerlukan perkataan muncul semasa pengguna bercakap, gunakan penyedia yang mempunyai API pertuturan penstriman. Untuk mesej suara, nota dan borang, di mana pengguna merakam dan kemudian menghantar, aliran muat naik di atas sudah mencukupi. Persediaan ada dalam [panduan API speech-to-text bahasa Arab](https://broadrouter.com/ms/guides/arabic-speech-to-text-api/), dan [rujukan API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-record-browser-audio-transcription-api&utm_content=body) menyenaraikan medannya. Pernyataan privasinya menyatakan audio dan transkrip tidak disimpan.

Alat percuma untuk topik ini (Bahasa Inggeris)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[Alatan percuma (Bahasa Inggeris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[WAV](https://broadrouter.com/ms/glossary/wav/)

WAV (Waveform Audio File Format, atau WAVE) ialah bekas audio yang dibina di atas format RIFF Microsoft dan IBM. Ia biasanya memuatkan sampel PCM linear tanpa mampatan, jadi saiznya boleh diramal: kadar sampel darab bait setiap sampel darab bilangan saluran, bagi setiap saat.

[Speech-to-text (pertuturan kepada teks)](https://broadrouter.com/ms/glossary/speech-to-text/)

Speech-to-text, juga dipanggil pengecaman pertuturan automatik (ASR), ialah teknologi yang menukar audio pertuturan kepada teks bertulis. API speech-to-text menerima fail atau strim audio dan memulangkan transkrip, biasanya berharga setiap minit audio. Ketepatan diukur dengan kadar ralat perkataan dan berbeza mengikut loghat, dialek dan kualiti rakaman.

[Kunci API (API key)](https://broadrouter.com/ms/glossary/api-key/)

Kunci API ialah rentetan rahsia yang mengenal pasti dan membenarkan klien yang memanggil sesuatu API. API LLM biasanya menjangkakannya dalam pengepala Authorization: Bearer, dan sesiapa yang memegang kunci itu boleh membuat permintaan yang dibilkan kepada akaun pemiliknya.

[Ogg Opus](https://broadrouter.com/ms/glossary/ogg-opus/)

Ogg Opus ialah audio yang dikodkan dengan codec Opus (RFC 6716) dan disimpan dalam bekas Ogg (RFC 7845). Ia dibina untuk pertuturan dan audio interaktif pada kadar bit rendah, dan merupakan format yang digunakan WhatsApp untuk nota suara, biasanya sebagai fail .ogg atau .opus.

[Tool calling (panggilan alatan)](https://broadrouter.com/ms/glossary/tool-calling/)

Tool calling, juga dipanggil function calling, ialah ciri API LLM di mana model memulangkan permintaan berstruktur untuk menjalankan fungsi yang ditakrifkan oleh pembangun, bersama argumen JSON. Aplikasi menjalankan fungsi itu dan menghantar hasilnya kembali; model sendiri tidak pernah menjalankan kod.

[Baris Arab (tashkeel, Arabic diacritics)](https://broadrouter.com/ms/glossary/arabic-diacritics/)

Baris Arab, atau tashkeel, ialah tanda kecil yang ditulis di atas atau di bawah huruf untuk menunjukkan vokal pendek, konsonan berganda dan ketiadaan vokal. Ia pilihan: kebanyakan teks Arab, termasuk berita, meninggalkannya, jadi pembaca dan perisian meneka vokal daripada konteks.

[Diarisasi penutur (speaker diarization)](https://broadrouter.com/ms/glossary/diarization/)

Diarisasi penutur ialah tugas membahagikan rakaman audio kepada segmen mengikut penutur, menjawab soalan "siapa bercakap dan bila". Ia melabelkan setiap bahagian pertuturan dengan ID penutur tanpa nama seperti SPEAKER\_00, dan biasanya digabungkan dengan transkrip untuk menunjukkan siapa yang menyebut setiap baris.

[Tetingkap konteks (context window)](https://broadrouter.com/ms/glossary/context-window/)

Tetingkap konteks ialah bilangan maksimum token yang boleh dikendalikan oleh model bahasa dalam satu permintaan. Ia meliputi prompt, sejarah perbualan, definisi alatan, imej dan output yang dijana, termasuk token penaakulan. Apa-apa yang tidak muat mesti dipotong, diringkaskan atau dipecahkan kepada beberapa permintaan.

## Soalan lazim

### Bolehkah saya menghantar fail WebM MediaRecorder terus ke API speech-to-text?

Hanya jika API menerima WebM. Endpoint transkripsi OpenAI menyenaraikan webm dan mp4 antara formatnya. BroadNet hanya menerima WAV dan MP3, jadi tukar dahulu: dalam pelayar dengan Web Audio API, atau di pelayan anda dengan ffmpeg -i in.webm -ar 16000 -ac 1 out.wav.

### Mengapakah getUserMedia mengatakan navigator.mediaDevices ialah undefined?

Halaman itu bukan konteks selamat. Menurut MDN, getUserMedia hanya berfungsi melalui HTTPS, pada localhost atau daripada URL fail. Pada HTTP biasa dari hos lain, navigator.mediaDevices tidak wujud. Sajikan halaman melalui HTTPS; localhost tidak mengapa untuk pembangunan.

### Berapa panjang rakaman yang muat dalam muat naik 25 MB sebagai WAV?

WAV mono 16 kHz 16-bit ialah 32,000 bait sesaat ditambah pengepala 44 bait. Had 26,214,400 bait BroadNet memuatkan kira-kira 819 saat, atau 13 minit 39 saat. MP3 atau kadar sampel yang lebih rendah memuatkan lebih banyak; untuk audio lebih panjang, pecahkan kepada beberapa bahagian.

### Mengapakah saya mendapat "Thank you" atau "Bye" daripada rakaman kosong pada iPhone?

Pembangun di forum OpenAI melaporkan frasa pendek rekaan daripada rakaman senyap atau rosak, dan menjejak kes iOS kepada cebisan dataavailable yang kosong; menapis cebisan bersaiz 0 dan memulakan perakam dengan timeslice menyelesaikannya bagi mereka. Semak tempoh sebelum memuat naik.

### Patutkah pelayar memanggil API transkripsi secara terus?

Tidak. Apa-apa dalam kod frontend, termasuk kunci API, boleh dibaca oleh pengguna. Hantar audio ke endpoint anda sendiri, yang menyemak saiz dan jenis, menambah kunci daripada pembolehubah persekitaran, dan memajukannya.

## Teruskan membaca

-   [Transkripsi audio panjang melebihi 25 MB: pecah, hantar, cantum](https://broadrouter.com/ms/blog/transcribe-long-audio-files-api/)
-   [Alternatif API Whisper: bila perlu bertukar, dan cara mengujinya](https://broadrouter.com/ms/blog/whisper-api-alternative/)
-   [API speech-to-text berbilang bahasa: 14 bahasa, satu endpoint](https://broadrouter.com/ms/blog/multilingual-speech-to-text-api/)
-   [Keselamatan kunci API LLM: penyimpanan, putaran dan senarai IP](https://broadrouter.com/ms/blog/llm-api-key-security/)
-   [API speech-to-text bahasa Arab: cara memilih pada 2026](https://broadrouter.com/ms/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Nota suara ke teks untuk perniagaan: WhatsApp dan Telegram ke tiket](https://broadrouter.com/ms/blog/voice-notes-to-text-for-business/)
-   [Perkakasan GPU dan pendekatan penyajian BroadNet, menurut BroadNet](https://broadrouter.com/ms/blog/broadnet-gpu-fleet-and-serving/)
-   [Cache respons API LLM untuk jimat kos: cache padanan tepat Python](https://broadrouter.com/ms/blog/cache-llm-responses-cut-cost/)
-   [Panduan: Cara tukar nota suara WhatsApp kepada teks dengan API](https://broadrouter.com/ms/guides/transcribe-whatsapp-voice-notes/)
-   [Panduan: API speech-to-text bahasa Arab, langkah demi langkah](https://broadrouter.com/ms/guides/arabic-speech-to-text-api/)
-   [Panduan: Cara guna OpenAI Node.js SDK dengan BroadNet Inference](https://broadrouter.com/ms/guides/openai-node-sdk/)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

[Mulakan](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-record-browser-audio-transcription-api&utm_content=page-cta) ·

**Sumber**

-   [Rujukan API BroadNet Inference: WAV (audio/wav) atau MP3 (audio/mpeg) sehingga 26,214,400 bait, sentiasa hantar language, respons JSON dengan text (disemak 2026-11-15) (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-record-browser-audio-transcription-api&utm_content=sources)
-   [MDN, MediaDevices.getUserMedia(): konteks selamat sahaja, kebenaran pengguna, NotAllowedError (disemak 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/API/MediaDevices/getUserMedia)
-   [MDN, MediaRecorder.isTypeSupported(): true tidak menjamin rakaman berjaya (disemak 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/API/MediaRecorder/isTypeSupported_static)
-   [MDN, peristiwa dataavailable MediaRecorder: timeslice, stop() dan selang yang tidak tepat (disemak 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/API/MediaRecorder/dataavailable_event)
-   [MDN, BaseAudioContext.decodeAudioData(): mensampel semula kepada kadar konteks, fail lengkap sahaja (disemak 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/API/BaseAudioContext/decodeAudioData)
-   [MDN, pembina OfflineAudioContext(): sampleRate dari 3,000 hingga 768,000 Hz (disemak 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/API/OfflineAudioContext/OfflineAudioContext)
-   [Blog WebKit, MediaRecorder API: Safari merakam MP4 dengan video H.264 dan audio AAC, format boleh dikesan semasa larian (disemak 2026-11-15)](https://webkit.org/blog/11353/mediarecorder-api/)
-   [Panduan speech to text OpenAI: flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav dan webm, fail sehingga 25 MB (disemak 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [OpenAI Developer Community, "MediaRecorder API w/ Whisper not working on mobile browsers", Julai hingga Disember 2024 (disemak 2026-11-15)](https://community.openai.com/t/mediarecorder-api-w-whisper-not-working-on-mobile-browsers/866019)
