BroadRouter

Atas de reuniões em árabe a partir de gravações: um pipeline de API

Pela equipe da BroadNet Inference · 6 min de leitura · Publicado em

Para gerar atas de reuniões em árabe com uma API, transcreva a gravação com um modelo de fala para texto em árabe, divida transcrições longas em seções, peça a um LLM decisões, ações e questões em aberto em JSON e depois junte as seções. Faça o modelo citar a transcrição em cada ação e escreva a ata em árabe padrão moderno ou em inglês.

Uma ata de reunião parece uma tarefa só, mas são duas: transformar fala em texto e transformar texto em decisões e ações. Cada etapa falha de um jeito. Uma palavra dialetal mal transcrita vira uma ação errada; um modelo que resume bem ainda pode inventar um responsável. Este post monta o pipeline para reuniões em árabe e mostra onde colocar as verificações.

Como é o pipeline?

recording (.m4a, .mp4, .webm)
  → ffmpeg: 16 kHz mono, split at silences
  → speech to text, language=ar, one request per chunk
  → join the transcript, clean obvious noise
  → split the transcript into sections
  → LLM: summary, decisions, action items, open questions (JSON) per section
  → LLM: merge the sections into one set of minutes
  → human review → send

O resto do post segue passo a passo.

Passo 1: como transcrever uma reunião longa em árabe?

Uma reunião de uma hora gravada num notebook costuma ser muito maior que um limite de upload. A BroadNet Inference aceita WAV ou MP3 de até 26.214.400 bytes por arquivo, então converta antes para 16 kHz mono e divida nos silêncios. Transcrever áudios longos com mais de 25 MB tem o script completo, incluindo requisições em paralelo e a junção do texto na ordem certa.

Três configurações importam para reuniões em árabe:

  • Envie language="ar" em todos os chunks. A documentação da BroadNet avisa que, sem isso, o árabe pode voltar transliterado em letras latinas.
  • Use o modelo de árabe para reuniões conduzidas em árabe: broadnet/cohere-transcribe-arabic. Para reuniões principalmente em outro dos idiomas dele, o broadnet/cohere-transcribe custa $0.002 por minuto.
  • Guarde a transcrição bruta. Você vai precisar dela para a revisão e para as citações do passo 4.

Árabe e inglês misturados são normais em reuniões de negócios no Golfo. Teste uma gravação com a sua mistura habitual: nomes de produtos em inglês e números são onde os erros aparecem. Reconhecimento de fala em dialetos árabes explica no que prestar atenção.

Dá para obter os nomes dos falantes?

Não a partir de uma transcrição em texto puro. A resposta de transcrição da BroadNet é um JSON com um único campo text: sem falantes e sem timestamps. (Para o tempo das legendas a partir dos offsets dos chunks, veja legendas em árabe a partir de uma API só de texto.) Você tem três opções:

Situação O que fazer
Cada pessoa gravada numa faixa ou canal separado Transcreva cada faixa sozinha; a faixa diz quem fala
Gravação de chamada em dois canais Separe os canais com o ffmpeg, como no pipeline de call center
Uma única faixa mista, e você precisa dos falantes Use um provedor que devolva diarização; o guia de compra compara as opções

Com uma única faixa mista, o LLM ainda consegue achar responsáveis quando alguém diz um nome: “O Khalid vai mandar o orçamento até quinta-feira.” O que ele não pode fazer é adivinhar um responsável pelo contexto. O prompt abaixo proíbe isso.

Passo 2: por que dividir a transcrição antes de resumir?

Dois motivos. Primeiro, o contexto: uma hora de conversa pode ser longa demais para um modelo pequeno. O BroadNet Gemma 4 VL 26B tem contexto de 32.768 tokens, que uma reunião longa em árabe pode ultrapassar. Conte os seus com o contador de tokens para árabe; o árabe costuma precisar de mais tokens por palavra que o inglês, como mostra tokens por palavra em árabe e em inglês.

Segundo, a precisão. Uma pesquisa sobre entradas longas concluiu que o desempenho dos modelos “significantly degrades when models must access relevant information in the middle of long contexts” (tradução: piora significativamente quando os modelos precisam acessar informações relevantes no meio de contextos longos) (Liu et al.). Uma decisão tomada no minuto 35 de 70 é exatamente esse caso. Resumir seções de 10 a 15 minutos cada e depois juntá-las mantém cada parte perto do início de um prompt.

Divida nos mesmos pontos de silêncio que você usou para o áudio, assim uma seção nunca começa no meio de uma frase.

Passo 3: qual modelo deve escrever a ata?

Modelo Contexto Notas para atas Entrada / saída por 1M de tokens
Qwen3.8 27B 262.144 Testado pela BroadNet em árabe: escrita fluente, dialetos do Golfo e egípcio compreendidos; saída estruturada listada $0.175 / $2.17
GLM 5.3 1.048.576 Saída estruturada listada; só texto $0.78 / $3.46
DeepSeek V4.1 Flash 1.048.576 Também num plano de preço fixo a $60 por mês por sessão, uma requisição por vez $0.175 / $0.52

Comece pelo Qwen3.8 27B, porque é o modelo que a BroadNet testou em árabe. Compare-o com outro modelo em três reuniões reais e peça a um falante nativo que avalie. Como escolher um LLM para árabe tem uma planilha de avaliação.

Os três modelos raciocinam antes de responder, e o raciocínio conta em max_tokens. Atas são longas, então reserve alguns milhares de tokens, ou a resposta visível pode voltar vazia. Por que isso acontece.

Passo 4: qual prompt gera atas confiáveis?

Peça JSON e faça o modelo citar a transcrição em cada item. A citação é o que permite a um revisor conferir uma ação em segundos, em vez de reler a transcrição inteira.

import json, os
from openai import OpenAI

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

SYSTEM = """You write meeting minutes from an Arabic meeting transcript section.
Return JSON only, with these keys:
  "summary": 2-4 sentences in Modern Standard Arabic,
  "decisions": [{"text": ..., "quote": ...}],
  "actions": [{"task": ..., "owner": ..., "due": ..., "quote": ...}],
  "open_questions": [{"text": ..., "quote": ...}]
Rules:
- "quote" is the exact words from the transcript that support the item.
- "owner" is a name only if the transcript says who will do it. Otherwise null.
- "due" only if a date or day is said. Keep it as said, e.g. "الخميس". Otherwise null.
- Keep names, numbers and amounts exactly as in the transcript. Never guess."""

def minutes_for(section):
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=4000,
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": section}])
    return json.loads(r.choices[0].message.content)

Depois valide no código. Faça o parse do JSON, confira as chaves e verifique se cada quote aparece de fato na seção. Um item cuja citação não está na transcrição é invenção do modelo: descarte ou sinalize. Se o JSON não fizer parse, tente de novo uma vez passando a mensagem de erro. JSON mode vs json_schema mostra um loop de validação; a documentação da BroadNet lista saída estruturada para o GLM 5.3 e o Qwen3.8 27B sem nomear o parâmetro da requisição, então teste antes de depender disso.

Para uma ata em inglês, troque a linha do resumo para inglês e acrescente: “Keep each quote in the original Arabic.” O post sobre engenharia de prompt em árabe aprofunda registro, numerais e textos com alfabetos misturados.

Passo 5: como juntar as seções numa única ata?

Envie todos os resultados das seções numa requisição final e peça ao modelo para:

  1. Escrever um resumo único da reunião inteira.
  2. Juntar decisões e ações duplicadas. A mesma tarefa costuma ser mencionada duas vezes.
  3. Manter a citação de cada item.
  4. Marcar uma ação como alterada se uma seção posterior mudar o responsável ou a data.

A entrada da junção é pequena: o JSON de cada seção, não a transcrição. Uma junção em qualquer um dos três modelos acima fica bem dentro do contexto.

Quanto custa uma reunião?

Etapa O que você paga Preço
Transcrição Minutos de áudio $0.0042 por minuto, $0.25 por hora
Resumos das seções Tokens da transcrição na entrada, JSON na saída Qwen3.8 27B: $0.175 de entrada, $2.17 de saída por 1M
Junção Pouco JSON na entrada e na saída As mesmas tarifas

A transcrição costuma ser a parte fixa. A parte do LLM depende do tamanho da transcrição e de quanto o modelo raciocina. Leia prompt_tokens e completion_tokens das primeiras reuniões reais e depois multiplique na calculadora de custo de API de LLM. A calculadora de custo de fala para texto cuida do lado do áudio. O crédito inicial de $5 cobre os modelos de transcrição, o que dá cerca de 1,190 minutos de árabe; o Qwen3.8 27B exige uma recarga.

Quais erros evitar?

  • Resumir a reunião inteira num único prompt. Itens do meio se perdem.
  • Deixar o modelo preencher lacunas. Responsáveis e datas que nunca foram ditos são o erro mais comum em atas feitas por IA. Faça de null o padrão.
  • Traduzir cedo demais. Transcreva e extraia em árabe, depois traduza a ata. Traduzir a transcrição primeiro perde as citações exatas.
  • Pular a revisão. Uma ata é um registro. Uma pessoa que participou deve lê-la antes de ela ser enviada.
  • Guardar gravações para sempre. Apague o áudio quando a ata for aprovada, a menos que você seja obrigado a guardá-lo.

Quando um pipeline de API é a escolha errada?

Se você precisa de legendas ao vivo durante a reunião, rótulos de falante a partir de uma única faixa mista ou um app pronto que a sua equipe possa usar hoje, um produto dedicado a reuniões é o caminho mais rápido. Vários vendem notas de reunião em árabe; compare-os nas suas próprias gravações, já que as alegações de precisão nas páginas deles são deles. O caminho da API faz sentido quando você quer as atas dentro do seu próprio sistema, no seu formato e com as suas regras de retenção.

Onde entra a BroadNet Inference

A BroadNet coloca as duas metades numa única chave compatível com a OpenAI: o BroadNet Transcribe Arabic a $0.0042 por minuto e o Qwen3.8 27B, testado em árabe, para as atas. A declaração de privacidade diz que ela não guarda prompts, áudio, respostas nem transcrições depois de uma requisição, o que importa para reuniões internas. Ela não devolve rótulos de falante nem timestamps e não tem transcrição ao vivo, então use outro provedor se precisar disso. Comece pelo guia de fala para texto em árabe e depois acrescente a etapa de resumo acima.

Perguntas frequentes

Como gerar a ata de uma reunião a partir de uma gravação em árabe?

Transcreva o áudio com uma API de fala para texto em árabe, enviando language=ar. Depois envie a transcrição a um LLM com um prompt que peça, em JSON, um resumo curto, as decisões, as ações com responsáveis e prazos e as questões em aberto. Revise o resultado antes de enviar.

A ata pode ser em inglês se a reunião foi em árabe?

Sim. Transcreva em árabe e depois peça ao LLM que escreva a ata em inglês, mantendo nomes, números e citações exatamente como foram ditos. Guarde as citações em árabe para que um revisor bilíngue possa conferir a tradução.

Como lidar com dialeto na ata?

Deixe o dialeto na transcrição, porque foi o que foi dito. Peça ao LLM que escreva a ata em árabe padrão moderno e mantenha entre aspas as palavras dialetais quando o significado importar, como num compromisso ou numa recusa.

Uma API consegue dizer quem disse o quê?

Só se ela devolver rótulos de falante. A transcrição da BroadNet devolve texto puro. Se cada participante for gravado numa faixa ou canal separado, transcreva cada faixa sozinha e você saberá quem fala; caso contrário, use um provedor com diarização.

Qual modelo deve resumir uma reunião longa?

Escolha um modelo com contexto suficiente para a sua transcrição mais longa e um bom árabe. Na BroadNet, o Qwen3.8 27B é o modelo testado em árabe, com contexto de 262.144 tokens; o GLM 5.3 e o DeepSeek V4.1 Flash aceitam 1.048.576 tokens. Teste dois em três reuniões reais.

É seguro enviar reuniões internas para uma API?

Confira antes os termos de retenção do provedor. A BroadNet declara que não guarda prompts, áudio, respostas nem transcrições depois de uma requisição. Mesmo assim, remova tudo o que a ata não precisa, como telefones pessoais lidos em voz alta.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity