A maioria dos produtos que lidam com áudio trabalha com mais de um idioma: uma central de atendimento global, gravações de reuniões de escritórios diferentes, uma caixa de mensagens de voz em uma cidade multilíngue. Manter um fornecedor de fala para texto por idioma é custo de manutenção. O BroadNet Transcribe coloca 14 idiomas atrás de um único endpoint compatível com a OpenAI, cobrado por minuto de áudio, com um modelo árabe especializado ao lado para cargas com muito árabe.
Quais idiomas o BroadNet Transcribe cobre?
A lista de idiomas vem do pricing.json publicado pela BroadNet, como códigos ISO 639-1:
| Código | Idioma | Código | Idioma |
|---|---|---|---|
| en | Inglês | nl | Holandês |
| es | Espanhol | pl | Polonês |
| fr | Francês | zh | Chinês |
| de | Alemão | ja | Japonês |
| it | Italiano | ko | Coreano |
| pt | Português | vi | Vietnamita |
| el | Grego | ar | Árabe |
O BroadNet Transcribe é baseado no Cohere Transcribe e servido pela BroadNet. O ID do modelo é broadnet/cohere-transcribe.
Para o quadro completo, nosso índice aberto de preços de APIs de fala para texto lista preços em lote e em streaming, unidades de cobrança e suporte a árabe de mais de 20 produtos, cada um conferido na página de preços do próprio provedor (CSV e JSON).
Quanto custa a transcrição multilíngue?
| Modelo | Por minuto | Por hora | Idiomas |
|---|---|---|---|
| BroadNet Transcribe | $0.002 | $0.12 | 14 |
| BroadNet Transcribe Arabic | $0.0042 | $0.25 | Árabe |
A cobrança é por minuto de áudio, não por requisição nem por token. Os dois modelos funcionam com o crédito inicial gratuito de $5, então você pode testar suas gravações antes de recarregar. Veja todos os preços na página de preços, calcule suas horas mensais na calculadora de custo de fala para texto ou compare outros provedores em preços de APIs de fala para texto comparados.
Como chamar o endpoint de transcrição?
O endpoint segue o formato de transcrição de áudio da OpenAI, então os SDKs oficiais funcionam trocando a base URL:
import os
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
with open("meeting-fr.mp3", "rb") as audio:
result = client.audio.transcriptions.create(
model="broadnet/cohere-transcribe",
file=audio,
language="fr",
)
print(result.text)
Ou com curl:
curl https://inference.broadnet.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $BROADNET_API_KEY" \
-F model=broadnet/cohere-transcribe \
-F language=es \
-F file=@llamada.wav
A resposta é um JSON com a transcrição em text. A resposta documentada pela BroadNet é o próprio texto; se você precisa de timestamps por palavra ou rótulos de falante, confira na referência da API o que é suportado hoje antes de projetar em cima disso.
Por que sempre enviar o idioma?
A documentação da BroadNet é explícita: envie language em toda requisição de transcrição. Sem ele, o árabe pode voltar transliterado em letras latinas, e o mesmo risco vale para qualquer idioma que o modelo possa confundir. Se você não sabe o idioma de antemão:
- Use primeiro os metadados. O país de quem liga, o idioma do app do usuário ou o prefixo do telefone costumam acertar.
- Pergunte ao usuário em produtos de voz (“tecle 1 para inglês, 2 para árabe”).
- Teste uma amostra curta. Transcreva os primeiros 30 segundos com seu melhor palpite; se o texto parecer errado (alfabeto errado, texto sem sentido), tente de novo com o próximo candidato.
Quais são os limites e formatos?
- Formatos: WAV (
audio/wav) ou MP3 (audio/mpeg). Converta antes com o ffmpeg arquivos .ogg, .m4a, .webm e vídeos. O guia de mensagens de voz do WhatsApp tem o comando pronto. - Tamanho: até 26.214.400 bytes (25 MiB) por arquivo; arquivos maiores retornam 413. Isso dá cerca de 13 minutos de WAV mono a 16 kHz ou cerca de 54 minutos de MP3 a 64 kbit/s. Divida áudios mais longos com
ffmpeg -f segment -segment_time 600. - Taxa: uma chave de pagamento por uso permite 30 requisições por minuto e 4 ao mesmo tempo. Repita as 429 com backoff; veja erros e novas tentativas.
- Privacidade: áudio e transcrições são processados para a requisição e não são retidos. Veja retenção zero de dados.
Para um pipeline de produção em lote, com divisão em partes e um pool de workers, veja transcrição de call center em árabe em escala; o mesmo desenho funciona para qualquer um dos 14 idiomas.
Quando escolher o modelo específico para árabe?
A BroadNet oferece dois modelos porque o árabe é mais difícil que a maioria dos idiomas para reconhecimento de fala: muitos dialetos sob um único padrão escrito, troca frequente com inglês e francês e muito áudio com qualidade de telefone. O BroadNet Transcribe Arabic é a opção especializada, e a BroadNet só publica precisão em árabe para ele:
- A BroadNet informa que ele está em #2 de 37 (dado de setembro de 2026; o ranking ao vivo o listava em #4 de 39 em 15 de novembro de 2026) no Open Universal Arabic ASR Leaderboard, e em 1º entre os modelos cujas licenças permitem servir via API.
- Taxas de erro de palavras medidas no laboratório da BroadNet: 3,8 no FLEURS-ar, 21,1 no MASC-ar e 23,4 no conjunto dialetal dela (quanto menor, melhor). O que esses números significam.
A BroadNet não publica números de árabe para o modelo de 14 idiomas, mas o ranking público publica: em 15 de novembro de 2026, ele listava o Cohere Transcribe 03-2026, o modelo por trás do BroadNet Transcribe, em 8º de 39, com WER médio de 30,67, contra 24,19 do modelo árabe, em #4 de 39. Para outros idiomas, a BroadNet informa para o BroadNet Transcribe taxa de erro de palavras de 5,5 no FLEURS em inglês e 3,2 no FLEURS em espanhol, e cerca de 113 vezes o tempo real em um único stream (217 vezes em lote) com áudio em inglês, segundo a página do modelo. Uma regra simples:
| Seu áudio | Escolha |
|---|---|
| Principalmente árabe, qualquer dialeto | BroadNet Transcribe Arabic |
| Árabe é minoria dos arquivos e a precisão não é crítica | BroadNet Transcribe para tudo, ou teste os dois |
| Portfólio misto com idioma conhecido por arquivo | Direcione os arquivos em árabe para o modelo árabe e o resto para o BroadNet Transcribe |
| Qualquer um dos outros 13 idiomas | BroadNet Transcribe |
Direcionar por idioma é uma mudança de uma linha, já que os dois modelos compartilham endpoint e formato de requisição:
def stt_model(lang: str) -> str:
return "broadnet/cohere-transcribe-arabic" if lang == "ar" else "broadnet/cohere-transcribe"
O modelo árabe custa cerca do dobro por minuto. Em volume, teste os dois com algumas horas do seu áudio real em árabe e compare a taxa de erro de palavras por dialeto; o guia de compra de API de fala para texto em árabe tem um plano de teste de uma hora. Se o problema são números, datas e nomes em áudio árabe com ruído, a BroadNet também lista um modelo árabe com fine-tune, sob consulta, na página de modelos.
Como testar a precisão em cada idioma?
Um único número de precisão do fornecedor esconde grandes diferenças entre idiomas, sotaques e condições de gravação. Antes de comprometer uma carga de trabalho, faça um pequeno teste por idioma:
- Junte de 20 a 50 clipes reais por idioma, do canal que você vai de fato transcrever: ligações, gravações de reuniões, mensagens de voz ou vídeo. Inclua os sotaques mais difíceis.
- Escreva transcrições de referência à mão para uma parte deles, com regras de grafia combinadas para números, nomes e empréstimos do inglês.
- Transcreva com o código
languagecorreto e calcule a taxa de erro de palavras por idioma. Para chinês e japonês, que se escrevem sem espaços entre as palavras, use a taxa de erro de caracteres. - Leia os erros. Nomes de produtos, valores e endereços importam mais que palavras de preenchimento.
- Repita para o árabe com os dois modelos se o árabe fizer parte do seu mix, e compare por dialeto.
O crédito inicial de $5 cobre um teste assim para vários idiomas no BroadNet Transcribe, porque o preço por minuto é baixo.
Para quais cargas de trabalho ele serve?
| Carga de trabalho | Observações |
|---|---|
| Centrais de atendimento multilíngues | Direcione pela escolha de idioma na URA; envie o código language correspondente |
| Atas de reunião para equipes distribuídas | Transcreva cada gravação e depois resuma com um LLM |
| Caixas de mensagens de voz | Converta .ogg para WAV antes; veja o guia do WhatsApp |
| Acervos de mídia e podcasts | Divida arquivos longos em partes abaixo de 25 MiB; processe em lote à noite |
| Apps de aprendizado de idiomas | Transcreva a fala do aluno e depois dê feedback com um LLM |
Em todos os casos o custo cresce só com os minutos de áudio: $0.12 por hora de áudio no BroadNet Transcribe, qualquer que seja o idioma.
O que acontece depois da transcrição?
A transcrição raramente é o produto final. Próximos passos comuns com a mesma chave de API:
- Resumos e itens de ação de reuniões com o DeepSeek V4.1 Flash, cujo contexto de 1.048.576 tokens comporta transcrições muito longas.
- Tradução das transcrições para um idioma de trabalho; veja tradução árabe–inglês com LLMs.
- Avaliação de qualidade de ligações de suporte com saída JSON estruturada.
Como migrar de outra API de transcrição?
Se você já chama um endpoint de transcrição no estilo da OpenAI, incluindo a API do Whisper, que a OpenAI lista com desligamento em 26 de fevereiro de 2027 (o que testar antes de trocar), a migração costuma exigir três mudanças: base URL, chave de API e ID do modelo, além de garantir que você envia language. Confira os campos da resposta que seu código lê além de text. O checklist de migração compatível com a OpenAI cobre o resto.

