---
title: "Alternatif API Whisper: ketepatan, bahasa, harga | BroadRouter"
description: "Bilakah alternatif berhos kepada API Whisper OpenAI masuk akal: kadar ralat perkataan pada audio anda, bahasa, harga sejam, had dan privasi, dengan kod ujian."
url: https://broadrouter.com/ms/blog/whisper-api-alternative/
lang: ms
updated: 2026-11-14
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/whisper-api-alternative/) (dikemas kini 2026-11-15).

# Alternatif API Whisper: bila perlu bertukar, dan cara mengujinya

Oleh pasukan BroadNet Inference · 6 minit bacaan · Diterbitkan 2026-11-14 · Dikemas kini 2026-11-15

OpenAI menyenaraikan whisper-1 sebagai ditamatkan, dengan penutupan pada 26 Februari 2027, jadi setiap pengguna API Whisper akan berpindah ke model lain. Pilih pengganti berdasarkan kadar ralat perkataan pada 30 hingga 50 klip anda sendiri bagi setiap bahasa, kemudian harga. BroadNet Transcribe menerima panggilan SDK OpenAI yang sama dan berharga $0.002 seminit dalam 14 bahasa.

## Perkara utama

-   OpenAI menyenaraikan whisper-1 pada USD 0.006 seminit, menyatakan ia menyokong 98 bahasa dengan ketepatan yang berbeza-beza, dan menyenaraikannya sebagai ditamatkan, ditutup pada 26 Februari 2027. Pengganti yang disyorkannya, gpt-transcribe, berharga USD 0.0045 seminit (disemak 2026-11-15).
-   Banyak alternatif mengekalkan panggilan /v1/audio/transcriptions yang sama, jadi bertukar hanya memerlukan perubahan base URL dan model.
-   Penanda aras ialah penapis, bukan keputusan muktamad: model yang sama boleh mendapat WER 3.8 pada bahasa Arab yang dibaca dan 23.4 pada pertuturan dialek.
-   Pilihan khusus Whisper seperti cap masa verbose\_json mungkin tiada pada alternatif. OpenAI mendokumenkan cap masa perkataan hanya untuk whisper-1, jadi semak sebelum berpindah, walaupun ke gpt-transcribe.
-   BroadNet Transcribe berharga $0.12 sejam audio; BroadNet Transcribe Arabic berharga $0.25.

**Dalam halaman ini**

1.  Adakah API Whisper OpenAI akan ditamatkan?
2.  Mengapakah pasukan mencari alternatif API Whisper?
3.  Apakah alternatif API Whisper yang ada, dan berapakah kosnya?
4.  Apakah maksud sebenar angka ketepatan?
5.  Cara menguji alternatif Whisper dalam satu petang
6.  Bilakah anda patut hos Whisper sendiri?
7.  Senarai semak migrasi
8.  Di manakah BroadNet Transcribe sesuai

API Whisper OpenAI ialah pilihan lalai yang dimulakan oleh banyak pasukan: satu endpoint, satu harga, berpuluh-puluh bahasa. Anda mencari **alternatif API Whisper** apabila salah satu daripada empat perkara ini berlaku: ketepatan pada audio anda tidak cukup baik, bil meningkat dengan volum, pasukan keselamatan anda mahu kurang data disimpan, atau model yang anda panggil akan ditamatkan. Artikel ini menunjukkan cara membuat keputusan, dan cara menguji alternatif tanpa menulis semula kod anda.

## Adakah API Whisper OpenAI akan ditamatkan?

Ya, mengikut jadual semasa OpenAI. [Halaman penamatannya](https://developers.openai.com/api/docs/deprecations), disemak 2026-11-15, menyenaraikan `whisper-1`, `gpt-4o-transcribe`, `gpt-4o-mini-transcribe` dan `gpt-4o-transcribe-diarize` sebagai ditamatkan, dengan notis diberi pada 26 Ogos 2026 dan penutupan pada 26 Februari 2027. Pengganti yang disyorkan ialah `gpt-transcribe` (USD 0.0045 seminit, atau USD 0.27 sejam) untuk fail, atau `gpt-live-transcribe` untuk audio langsung. [Halaman harganya](https://developers.openai.com/api/docs/pricing) menandakan empat model yang sama sebagai ditamatkan, dan [panduan speech to text](https://developers.openai.com/api/docs/guides/speech-to-text) menyatakan “Start with gpt-transcribe” (Terjemahan: Mulakan dengan gpt-transcribe). Endpoint `/v1/audio/translations` juga ditamatkan. Jadi anda akan menguji semula audio anda pada model baharu walau apa pun. Itulah sebabnya sekarang masa yang baik untuk membandingkan pengganti OpenAI dengan penyedia lain pada klip yang sama.

Untuk gambaran penuh, [indeks harga API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/) terbuka kami menyenaraikan harga batch dan penstriman, kenaikan pengebilan dan sokongan bahasa Arab untuk lebih daripada 20 produk, setiap satu disemak terhadap halaman harga penyedia sendiri (CSV dan JSON).

## Mengapakah pasukan mencari alternatif API Whisper?

| Sebab | Apa yang perlu disemak pada alternatif |
| --- | --- |
| Ketepatan pada bahasa atau dialek tertentu | [Kadar ralat perkataan](https://broadrouter.com/ms/glossary/word-error-rate/) yang diterbitkan pada set ujian yang berkaitan, kemudian ujian anda sendiri |
| Harga pada volum tinggi | Harga sejam audio dan minimum pengebilan |
| Pengekalan data | Sama ada audio dan transkrip disimpan, dan untuk berapa lama |
| Had | Saiz fail, format, had kadar |
| Ciri | Cap masa, diarisasi, prompt, penstriman |

[Panduan speech to text](https://developers.openai.com/api/docs/guides/speech-to-text) OpenAI menyatakan “Whisper supports 98 languages, but accuracy varies by language” (Terjemahan: Whisper menyokong 98 bahasa, tetapi ketepatan berbeza mengikut bahasa). Itulah titik permulaan yang jujur: senarai bahasa memberitahu apa yang mungkin, bukan apa yang bagus.

## Apakah alternatif API Whisper yang ada, dan berapakah kosnya?

| Pilihan | Harga (senarai, Nov 2026) | Bahasa | Nota |
| --- | --- | --- | --- |
| API Whisper OpenAI (`whisper-1`) | USD 0.006/min | 98 (ketepatan berbeza-beza) | Fail 25 MB; prompt sehingga 224 token; ditutup 2027-02-26 |
| OpenAI `gpt-transcribe` | USD 0.0045/min (USD 0.27/jam) | Lihat panduan OpenAI | Pengganti yang disyorkan OpenAI; panduan OpenAI menunjukkan cap masa perkataan hanya untuk `whisper-1` dan label penutur hanya untuk model diarize yang ditamatkan |
| Groq, Whisper Large v3 | USD 0.111/jam | Pelbagai bahasa | Groq menyatakan WER 10.3%; minimum pengebilan 10 saat |
| Groq, Whisper Large v3 Turbo | USD 0.04/jam | Pelbagai bahasa | Groq menyatakan WER 12%; tidak dilatih untuk terjemahan |
| Soniox (tak segerak) | kira-kira USD 0.10/jam, dibilkan setiap token | Lebih daripada 60, termasuk bahasa Arab | API berasaskan kerja sendiri, tidak serasi OpenAI; masa nyata kira-kira USD 0.12/jam |
| Whisper hos sendiri | Kos GPU anda | Sama seperti Whisper | Lesen MIT; anda yang menjalankan dan menskalakannya |
| [BroadNet Transcribe](https://broadrouter.com/ms/models/cohere-transcribe/) | $0.002/min | 14 | Bukan Whisper; berasaskan Cohere Transcribe |
| [BroadNet Transcribe Arabic](https://broadrouter.com/ms/models/cohere-transcribe-arabic/) | $0.0042/min | Arab | BroadNet melaporkan #2 daripada 37 (angka September 2026; papan kedudukan langsung menyenaraikannya di #4 daripada 39 pada 15 November 2026) di Open Universal Arabic ASR Leaderboard |

Harga dan angka Groq disemak pada halaman rasmi pada 2026-11-14; angka OpenAI disemak semula pada 2026-11-15. `gpt-transcribe` OpenAI lebih mahal sejam berbanding kedua-dua model BroadNet. Endpoint Turbo Groq dan Soniox kedua-duanya lebih murah sejam berbanding BroadNet Transcribe ($0.12 sejam); Soniox memerlukan kod klien baharu kerana ia tidak menggunakan bentuk permintaan OpenAI. Angka WER Groq ialah angka terbitannya sendiri, bukan ujian pada set yang sama dengan yang lain, jadi jangan bandingkannya secara langsung dengan angka BroadNet. Halaman ini tentang bertukar; untuk senarai harga penuh, termasuk DeepSeek, AssemblyAI, Deepgram, Google, AWS dan Speechmatics berserta harga tambahan mereka, lihat [perbandingan harga speech-to-text](https://broadrouter.com/ms/blog/speech-to-text-api-pricing-compared/), dan [kalkulator kos speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/) mengira harga jam bulanan anda sendiri.

## Apakah maksud sebenar angka ketepatan?

BroadNet menerbitkan tiga angka WER untuk BroadNet Transcribe Arabic dalam [katalog modelnya](https://www.broadnet.ai/inference/models):

| Set ujian | Jenis audio | WER |
| --- | --- | --- |
| FLEURS-ar | Ayat bacaan yang bersih | 3.8 |
| MASC-ar | Bahasa Arab dunia sebenar yang bercampur | 21.1 |
| Set dialek BroadNet | Pertuturan dialek | 23.4 |

Pada set MASC dan dialek yang sama, BroadNet melaporkan Whisper large-v3 pada 31.5 dan 31.8, berbanding 21.1 dan 23.4 untuk model Arabnya: kira-kira sepertiga lebih sedikit ralat pada MASC dan kira-kira suku lebih sedikit pada set dialek. Itu ujian BroadNet sendiri terhadap pesaing, jadi semaknya pada audio anda. Di [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) awam, yang menggunakan set ujian yang sama untuk setiap penyertaan, Whisper large-v3 berada di #19 daripada 39 pada 15 November 2026 (purata WER 36.86), dan Cohere Transcribe Arabic 07-2026, model yang disajikan oleh BroadNet, berada di #4 (24.19).

Julat itulah pengajarannya. Model yang sama hampir sempurna pada pertuturan bacaan dan jauh lebih lemah pada perbualan. WER utama mana-mana penyedia hanya memberitahu prestasinya pada audio orang lain. Dialek dibincangkan dengan mendalam dalam [pengecaman pertuturan dialek Arab](https://broadrouter.com/ms/blog/arabic-dialect-speech-recognition/).

## Cara menguji alternatif Whisper dalam satu petang

1.  **Kumpul 30 hingga 50 klip bagi setiap bahasa**, daripada trafik sebenar: panggilan, nota suara, mesyuarat. Buang apa-apa yang tidak boleh anda kongsi.
2.  **Tulis transkrip rujukan untuk 10 klip bagi setiap bahasa** secara manual.
3.  **Jalankan kedua-dua API pada klip yang sama.** Dengan penyedia serasi OpenAI, hanya klien dan model yang berubah:

```python
import os
from openai import OpenAI

whisper = OpenAI()  # uses OPENAI_API_KEY
broadnet = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

def run(client, model, path, lang):
    with open(path, "rb") as f:
        return client.audio.transcriptions.create(model=model, file=f, language=lang).text

hyp_a = run(whisper, "whisper-1", "clip01.wav", "ar")   # also try "gpt-transcribe", OpenAI's replacement
hyp_b = run(broadnet, "broadnet/cohere-transcribe-arabic", "clip01.wav", "ar")
```

4.  **Skor dengan penormalan yang sama** untuk kedua-duanya, menggunakan [jiwer](https://github.com/jitsi/jiwer):

```python
import re, jiwer

def norm(t):
    t = re.sub(r"[ً-ْ]", "", t)              # strip Arabic diacritics
    t = re.sub(r"[إأآ]", "ا", t).replace("ى", "ي")      # unify alef and yaa
    return re.sub(r"[^\w\s]", "", t).lower().strip()

print(jiwer.wer(norm(reference), norm(hyp_a)), jiwer.wer(norm(reference), norm(hyp_b)))
```

5.  **Baca sendiri 20 transkrip.** Semak nombor, nama dan istilah produk. Model boleh menang dari segi WER tetapi masih salah nombor akaun.

## Bilakah anda patut hos Whisper sendiri?

Kod dan pemberat Whisper berlesen MIT, jadi menjalankannya sendiri sentiasa menjadi pilihan. Ia masuk akal apabila:

-   **Audio tidak boleh keluar dari rangkaian anda**, atas sebab undang-undang atau kontrak.
-   **Volum anda memastikan GPU sibuk** hampir sepanjang hari, jadi anda tidak membayar untuk jam terbiar.
-   **Anda perlu memperhalusi** model pada perbendaharaan kata atau loghat anda sendiri.

Ia lebih mahal daripada yang disangka apabila trafik tidak menentu, apabila anda memerlukan ketersediaan tinggi merentas beberapa mesin, atau apabila tiada sesiapa dalam pasukan mahu menguruskan pemacu GPU dan naik taraf ([pengiraan titik pulang modal GPU](https://broadrouter.com/ms/blog/self-hosting-llm-vs-api-cost/)). README openai/whisper juga menyatakan bahawa model turbo tidak dilatih untuk terjemahan. API berhos menukar masalah tersebut kepada harga seminit, sebab itulah kebanyakan pasukan bermula di situ dan hanya hos sendiri setelah volum dan keperluan jelas.

## Senarai semak migrasi

Menukar [base URL](https://broadrouter.com/ms/glossary/base-url/) ialah bahagian yang mudah. Sebelum anda memindahkan trafik:

-   **Format.** OpenAI menerima flac, mp3, mp4, m4a, ogg, wav dan webm. BroadNet menerima WAV dan MP3, jadi tukar `.ogg` dan `.m4a` dengan ffmpeg dahulu. Untuk rakaman pelayar, lihat [rakam audio dalam pelayar dan hantar ke API speech-to-text](https://broadrouter.com/ms/blog/record-browser-audio-transcription-api/).
-   **Saiz fail.** OpenAI mengehadkan muat naik pada 25 MB; BroadNet pada 26,214,400 bait (25 MiB).
-   **Medan bahasa.** Sentiasa hantarnya. Di BroadNet, bahasa Arab tanpa `language=ar` boleh dipulangkan dalam huruf Rumi.
-   **Parameter pilihan.** Jika anda bergantung pada `prompt`, `verbose_json` atau cap masa perkataan, sahkan alternatif menyokongnya. Dokumentasi BroadNet menerangkan respons JSON dengan `text`.
-   **Had kadar.** Kunci bayar ikut guna BroadNet membenarkan 30 permintaan seminit dan 4 serentak.

Versi umum senarai ini ada dalam [senarai semak migrasi serasi OpenAI](https://broadrouter.com/ms/blog/openai-compatible-api-migration-checklist/).

## Di manakah BroadNet Transcribe sesuai

Pilih BroadNet apabila ketepatan bahasa Arab penting, apabila anda mahu audio dan transkrip tidak disimpan ([pengekalan data sifar](https://broadrouter.com/ms/privacy/)), atau apabila $0.002 seminit merentas 14 bahasa lebih rendah daripada bil semasa anda. Kredit permulaan $5 meliputi kira-kira 1,190 minit audio bahasa Arab, cukup untuk menjalankan ujian di atas; [dapatkan kunci di BroadNet Inference](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-whisper-api-alternative&utm_content=body). [Panduan speech-to-text bahasa Arab](https://broadrouter.com/ms/guides/arabic-speech-to-text-api/) ada contoh curl dan Python.

Kekal dengan model pengganti OpenAI, atau penyedia lain, jika anda memerlukan salah satu daripada banyak bahasa yang tidak disenaraikan oleh BroadNet, terjemahan pertuturan, transkripsi langsung, atau prompt dan petunjuk kata kunci (panduan OpenAI mendokumenkannya untuk `gpt-transcribe`). Untuk menterjemah rakaman bahasa Arab ke bahasa Inggeris daripada fail, pipeline dua langkah juga berfungsi: lihat [terjemah audio bahasa Arab ke bahasa Inggeris](https://broadrouter.com/ms/blog/translate-arabic-audio-to-english/). Untuk harga bahasa Inggeris yang paling rendah, endpoint Whisper Turbo berhos lebih murah sejam.

Alat percuma untuk topik ini (Bahasa Inggeris)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

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

## Istilah dalam artikel ini

[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.

[Kadar ralat perkataan (word error rate, WER)](https://broadrouter.com/ms/glossary/word-error-rate/)

Kadar ralat perkataan (WER) ialah ukuran ketepatan standard untuk pengecaman pertuturan: bilangan penggantian, pemadaman dan penyisipan perkataan yang diperlukan untuk menukar transkrip kepada rujukan yang betul, dibahagi dengan bilangan perkataan dalam rujukan. Lebih rendah lebih baik.

[Bayar ikut guna (pay-as-you-go)](https://broadrouter.com/ms/glossary/pay-as-you-go/)

Bayar ikut guna ialah model harga di mana anda hanya membayar apa yang anda guna, dimeter mengikut unit seperti token, permintaan atau minit audio, tanpa langganan atau komitmen minimum. Kebanyakan API LLM mengebil dengan cara ini, daripada baki prabayar atau invois berkala.

[Cap masa (timestamps) dalam speech-to-text](https://broadrouter.com/ms/glossary/timestamps-asr/)

Cap masa dalam speech-to-text ialah masa mula dan tamat, dalam saat, yang dilampirkan pada bahagian transkrip. Cap masa segmen meliputi satu frasa atau ayat; cap masa perkataan meliputi setiap perkataan. Ia diperlukan untuk sari kata, carian dalam rakaman dan menyelaraskan teks dengan penutur.

[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.

[Keserentakan (concurrency)](https://broadrouter.com/ms/glossary/concurrency/)

Keserentakan ialah bilangan permintaan yang sedang berjalan serentak daripada satu klien. API LLM sering mengehadkannya bagi setiap kunci atau pelan, berasingan daripada permintaan seminit, kerana setiap permintaan yang terbuka memegang kapasiti GPU sehingga responsnya selesai.

[Token](https://broadrouter.com/ms/glossary/token/)

Token ialah unit teks yang dibaca dan ditulis oleh model bahasa: satu perkataan, sebahagian perkataan, tanda baca atau jujukan bait yang dihasilkan oleh tokenizer model itu. API LLM mengira, mengehadkan dan biasanya mengebil penggunaan dalam token.

[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.

## Soalan lazim

### Apakah alternatif terbaik kepada API Whisper OpenAI?

Yang mempunyai kadar ralat perkataan terendah pada audio anda sendiri pada harga yang anda terima. Untuk bahasa Arab, uji model yang dibina untuk dialek Arab. Untuk bahasa Inggeris pada harga terendah, endpoint Whisper Large v3 Turbo berhos sukar ditandingi.

### Adakah API Whisper yang lebih murah?

Ya. OpenAI menyenaraikan whisper-1 pada USD 0.006 seminit (ditamatkan) dan penggantinya gpt-transcribe pada USD 0.0045. Groq menyenaraikan Whisper Large v3 pada USD 0.111 sejam dan Large v3 Turbo pada USD 0.04 sejam, dan BroadNet Transcribe berharga $0.002 seminit.

### Bolehkah saya terus menggunakan SDK OpenAI dengan alternatif Whisper?

Dengan penyedia serasi OpenAI, boleh. Tukar base\_url, kunci API dan ID model. Semak parameter pilihan mana, seperti prompt, response\_format dan cap masa, yang disokong oleh penyedia.

### Adakah Whisper bagus untuk bahasa Arab?

Whisper mengendalikan Bahasa Arab Standard Moden jauh lebih baik daripada dialek perbualan. OpenAI menyatakan ketepatan berbeza mengikut bahasa. Ukur kadar ralat perkataan bagi setiap dialek pada rakaman anda sendiri sebelum membuat keputusan.

### Patutkah saya hos Whisper sendiri sahaja?

Hos sendiri masuk akal apabila audio tidak boleh keluar dari rangkaian anda atau volum anda memastikan GPU sentiasa sibuk. Kod dan pemberat Whisper berlesen MIT. Jika tidak, API berhos biasanya lebih murah daripada GPU yang terbiar.

## Teruskan membaca

-   [Transkripsi audio panjang melebihi 25 MB: pecah, hantar, cantum](https://broadrouter.com/ms/blog/transcribe-long-audio-files-api/)
-   [Harga API speech-to-text dibandingkan: harga seminit pada 2026](https://broadrouter.com/ms/blog/speech-to-text-api-pricing-compared/)
-   [API speech-to-text bahasa Arab: cara memilih pada 2026](https://broadrouter.com/ms/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Pengecaman pertuturan dialek Arab: Teluk, Mesir, Levant, Maghreb](https://broadrouter.com/ms/blog/arabic-dialect-speech-recognition/)
-   [Beralih ke API serasi OpenAI: senarai semak migrasi](https://broadrouter.com/ms/blog/openai-compatible-api-migration-checklist/)
-   [Rakam audio dalam pelayar dan hantar ke API speech-to-text](https://broadrouter.com/ms/blog/record-browser-audio-transcription-api/)
-   [Terjemah audio bahasa Arab ke teks Inggeris dengan API: saluran diuji](https://broadrouter.com/ms/blog/translate-arabic-audio-to-english/)
-   [Alternatif Artificial Analysis: tempat membandingkan LLM pada 2026](https://broadrouter.com/ms/blog/artificial-analysis-alternatives/)
-   [Perbandingan SLA API LLM: janji Azure, Bedrock, Google dan OpenAI](https://broadrouter.com/ms/blog/llm-api-sla-uptime-compared/)
-   [Panduan: API speech-to-text bahasa Arab, langkah demi langkah](https://broadrouter.com/ms/guides/arabic-speech-to-text-api/)
-   [Panduan: Cara guna OpenAI Python SDK dengan BroadNet Inference](https://broadrouter.com/ms/guides/openai-python-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-whisper-api-alternative&utm_content=page-cta) ·

**Sumber**

-   [Halaman model BroadNet Transcribe Arabic: WER berbanding Whisper large-v3 dan ElevenLabs Scribe v2 (disemak 2026-11-15) (Bahasa Inggeris)](https://www.broadnet.ai/inference/models/cohere-transcribe-arabic)
-   [Open Universal Arabic ASR Leaderboard, jadual langsung (disemak 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [OpenAI, panduan speech to text (bahasa, had fail, model disyorkan; disemak 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Harga API OpenAI, transkripsi (disemak 2026-11-15)](https://developers.openai.com/api/docs/pricing)
-   [Penamatan OpenAI, model speech-to-text (disemak 2026-11-15)](https://developers.openai.com/api/docs/deprecations)
-   [openai/whisper di GitHub (lesen MIT, saiz model)](https://github.com/openai/whisper)
-   [Harga dan bahasa yang disokong Soniox (disemak 2026-11-14)](https://soniox.com/pricing)
-   [Dokumentasi speech-to-text Groq, harga Whisper dan WER yang dinyatakan (disemak 2026-11-14)](https://console.groq.com/docs/speech-to-text)
-   [Katalog model BroadNet, speech to text (ukuran makmal) (Bahasa Inggeris)](https://www.broadnet.ai/inference/models)
-   [jiwer, pakej Python untuk WER](https://github.com/jitsi/jiwer)
