---
title: "API de transcrição multilíngue para 14 idiomas | BroadRouter"
description: "Transcreva inglês, espanhol, francês, chinês, árabe e mais 9 idiomas em um endpoint compatível com a OpenAI, cobrado por minuto, e saiba quando usar o modelo árabe."
url: https://broadrouter.com/pt/blog/multilingual-speech-to-text-api/
lang: pt-BR
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/blog/multilingual-speech-to-text-api/) (atualizado em 2026-11-16).

# API de fala para texto multilíngue: 14 idiomas, um endpoint

Pela equipe da BroadNet Inference · 6 min de leitura · Publicado em 2026-11-14 · Atualizado em 2026-11-16

O BroadNet Transcribe é um modelo de fala para texto para 14 idiomas, entre eles inglês, espanhol, francês, alemão, chinês, japonês e árabe, servido em um endpoint /v1/audio/transcriptions compatível com a OpenAI. Custa $0.002 por minuto de áudio ($0.12 por hora). Para áudio principalmente em árabe, a opção especializada é o BroadNet Transcribe Arabic, a $0.0042 por minuto.

## Pontos principais

-   O BroadNet Transcribe cobre 14 idiomas: en, es, fr, de, it, pt, el, nl, pl, zh, ja, ko, vi e ar.
-   Preço: $0.002 por minuto de áudio, $0.12 por hora de áudio.
-   Envie o código do idioma em toda requisição; não dependa da detecção automática.
-   Escolha o BroadNet Transcribe Arabic ($0.25 por hora) quando o áudio em árabe for sua carga principal; a BroadNet publica números de precisão em árabe para esse modelo.
-   Mesmos limites para os dois: WAV ou MP3, até 26.214.400 bytes por arquivo, sem retenção de áudio nem de transcrição.

**Nesta página**

1.  Quais idiomas o BroadNet Transcribe cobre?
2.  Quanto custa a transcrição multilíngue?
3.  Como chamar o endpoint de transcrição?
4.  Por que sempre enviar o idioma?
5.  Quais são os limites e formatos?
6.  Quando escolher o modelo específico para árabe?
7.  Como testar a precisão em cada idioma?
8.  Para quais cargas de trabalho ele serve?
9.  O que acontece depois da transcrição?
10.  Como migrar de outra API de transcrição?

_[image: The words English, Español, Français, Deutsch, 日本語, 한국어, 中文, Tiếng Việt and العربية, with the text "Many languages. One connection."]_

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](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-multilingual-speech-to-text-api&utm_content=body) 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](https://broadrouter.com/pt/models/cohere-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](https://broadrouter.com/data/speech-to-text-api-prices/) 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](https://broadrouter.com/pt/models/cohere-transcribe/) | $0.002 | $0.12 | 14 |
| [BroadNet Transcribe Arabic](https://broadrouter.com/pt/models/cohere-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](https://broadrouter.com/pt/pricing/), calcule suas horas mensais na [calculadora de custo de fala para texto](https://broadrouter.com/tools/speech-to-text-cost-calculator/) ou compare outros provedores em [preços de APIs de fala para texto comparados](https://broadrouter.com/pt/blog/speech-to-text-api-pricing-compared/).

## 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:

```python
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:

```bash
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](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-multilingual-speech-to-text-api&utm_content=body) 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:

1.  **Use primeiro os metadados.** O país de quem liga, o idioma do app do usuário ou o prefixo do telefone costumam acertar.
2.  **Pergunte ao usuário** em produtos de voz (“tecle 1 para inglês, 2 para árabe”).
3.  **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](https://broadrouter.com/pt/guides/transcribe-whatsapp-voice-notes/) 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](https://broadrouter.com/pt/guides/errors-and-retries/).
-   **Privacidade:** áudio e transcrições são processados para a requisição e não são retidos. Veja [retenção zero de dados](https://broadrouter.com/pt/privacy/).

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](https://broadrouter.com/pt/blog/transcribe-call-center-recordings/); 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](https://huggingface.co/spaces/elmresearchcenter/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](https://broadrouter.com/pt/blog/arabic-asr-wer-explained/).

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](https://www.broadnet.ai/inference/models/cohere-transcribe). 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:

```python
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](https://broadrouter.com/pt/blog/arabic-speech-to-text-api-buyers-guide/) 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](https://broadrouter.com/pt/models/).

## 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:

1.  **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.
2.  **Escreva transcrições de referência** à mão para uma parte deles, com regras de grafia combinadas para números, nomes e empréstimos do inglês.
3.  **Transcreva com o código `language` correto** e calcule a [taxa de erro de palavras](https://broadrouter.com/pt/glossary/word-error-rate/) por idioma. Para chinês e japonês, que se escrevem sem espaços entre as palavras, use a taxa de erro de caracteres.
4.  **Leia os erros.** Nomes de produtos, valores e endereços importam mais que palavras de preenchimento.
5.  **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](https://broadrouter.com/pt/models/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](https://broadrouter.com/pt/blog/arabic-english-translation-llm/).
-   **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](https://broadrouter.com/pt/blog/whisper-api-alternative/)), 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](https://broadrouter.com/pt/blog/openai-compatible-api-migration-checklist/) cobre o resto.

Ferramentas gratuitas sobre o tema (em inglês)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Ferramentas gratuitas (em inglês)](https://broadrouter.com/tools/)

## Termos neste artigo

[Fala para texto (speech-to-text)](https://broadrouter.com/pt/glossary/speech-to-text/)

Fala para texto, ou reconhecimento automático de fala (ASR), é a tecnologia que converte áudio falado em texto. Uma API de fala para texto recebe um arquivo ou stream de áudio e retorna uma transcrição, normalmente cobrada por minuto de áudio. A precisão é medida pela taxa de erro de palavras e varia com sotaque, dialeto e qualidade da gravação.

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

Um token é a unidade de texto que um modelo de linguagem lê e escreve: uma palavra, parte de uma palavra, um sinal de pontuação ou uma sequência de bytes gerada pelo tokenizador do modelo. As APIs de LLM contam, limitam e normalmente cobram o uso em tokens.

[Base URL (URL base)](https://broadrouter.com/pt/glossary/base-url/)

A base URL é o endereço raiz fixo de uma API, como https://api.example.com/v1, que um cliente coloca antes de cada caminho de endpoint, como /chat/completions. Nos SDKs compatíveis com a OpenAI, trocar a base URL, junto com a chave de API e o ID do modelo, aponta o mesmo código para outro provedor.

[Word error rate (WER)](https://broadrouter.com/pt/glossary/word-error-rate/)

Word error rate (WER, taxa de erro de palavras) é a medida padrão de precisão do reconhecimento de fala: o número de substituições, deleções e inserções de palavras necessárias para transformar uma transcrição na referência correta, dividido pelo número de palavras da referência. Quanto menor, melhor.

[Pagamento por uso (pay-as-you-go)](https://broadrouter.com/pt/glossary/pay-as-you-go/)

Pagamento por uso é um modelo de preço em que você paga só pelo que usa, medido por unidade, como tokens, requisições ou minutos de áudio, sem assinatura nem compromisso mínimo. A maioria das APIs de LLM cobra assim, a partir de um saldo pré-pago ou de uma fatura periódica.

[WAV (arquivo de áudio WAV)](https://broadrouter.com/pt/glossary/wav/)

WAV (Waveform Audio File Format, ou WAVE) é um contêiner de áudio baseado no formato RIFF da Microsoft e da IBM. Ele costuma guardar amostras PCM lineares sem compressão, então o tamanho é previsível: taxa de amostragem vezes bytes por amostra vezes canais, por segundo.

[Chave de API (API key)](https://broadrouter.com/pt/glossary/api-key/)

Uma chave de API é uma string secreta que identifica e autoriza um cliente que chama uma API. As APIs de LLM normalmente a esperam em um cabeçalho Authorization: Bearer, e qualquer pessoa que tenha a chave pode fazer requisições cobradas da conta dona dela.

[Concorrência (concurrency)](https://broadrouter.com/pt/glossary/concurrency/)

Concorrência é o número de requisições que um cliente tem em andamento ao mesmo tempo. APIs de LLM muitas vezes a limitam por chave ou por plano, separadamente das requisições por minuto, porque cada requisição aberta ocupa capacidade de GPU até a resposta terminar.

## Perguntas frequentes

### Quais idiomas o BroadNet Transcribe suporta?

Catorze: inglês, espanhol, francês, alemão, italiano, português, grego, holandês, polonês, chinês, japonês, coreano, vietnamita e árabe. A lista é publicada no pricing.json como códigos ISO 639-1.

### Um arquivo pode ter dois idiomas?

Cada requisição aceita um código de idioma. Para áudio que troca de idioma, transcreva com o idioma principal e confira como o outro sai, ou divida o áudio por falante ou trecho se as trocas forem longas.

### O modelo multilíngue é bom o suficiente para árabe?

Ele aceita árabe e custa menos por minuto. A BroadNet só publica números de precisão em árabe para o BroadNet Transcribe Arabic, então, se o árabe for uma parte grande do seu áudio, teste os dois nas suas gravações e compare a taxa de erro de palavras.

### Funciona com o SDK da OpenAI?

Sim. Aponte o SDK para a base URL da BroadNet e chame audio.transcriptions.create com o ID do modelo, o arquivo e o idioma.

## Continue lendo

-   [Transcrever áudio longo acima de 25 MB: dividir, enviar e juntar](https://broadrouter.com/pt/blog/transcribe-long-audio-files-api/)
-   [API de fala para texto em árabe: como escolher em 2026](https://broadrouter.com/pt/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Word error rate (WER) no ASR em árabe: o que é e como calcular](https://broadrouter.com/pt/blog/arabic-asr-wer-explained/)
-   [Como transcrever gravações de call center: pipeline pronto para árabe](https://broadrouter.com/pt/blog/transcribe-call-center-recordings/)
-   [Migrar para uma API compatível com a OpenAI: checklist de migração](https://broadrouter.com/pt/blog/openai-compatible-api-migration-checklist/)
-   [Diacríticos no árabe com um LLM: prompt, checagens e DER](https://broadrouter.com/pt/blog/arabic-diacritization-llm/)
-   [Correção gramatical e ortográfica do árabe com um LLM: passo a passo](https://broadrouter.com/pt/blog/arabic-grammar-spelling-correction-llm/)
-   [Guia: API de transcrição de áudio em árabe, passo a passo](https://broadrouter.com/pt/guides/arabic-speech-to-text-api/)
-   [Guia: Transcrever áudios do WhatsApp para texto com uma API](https://broadrouter.com/pt/guides/transcribe-whatsapp-voice-notes/)
-   [Guia: Códigos de erro da BroadNet Inference e quando tentar de novo](https://broadrouter.com/pt/guides/errors-and-retries/)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-multilingual-speech-to-text-api&utm_content=page-cta) ·

**Fontes**

-   [Página do modelo BroadNet Transcribe: WER no FLEURS em inglês e espanhol, throughput (consultada em 2026-11-15) (em inglês)](https://www.broadnet.ai/inference/models/cohere-transcribe)
-   [Open Universal Arabic ASR Leaderboard, tabela ao vivo (consultada em 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Referência da API da BroadNet Inference, transcrição (consultada em 2026-11-16) (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-multilingual-speech-to-text-api&utm_content=sources)
-   [Preços e lista de idiomas da BroadNet Inference em formato legível por máquina (pricing.json, consultado em 2026-11-16) (em inglês)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-multilingual-speech-to-text-api&utm_content=sources)
-   [Catálogo de modelos da BroadNet, fala para texto (consultado em 2026-11-16) (em inglês)](https://www.broadnet.ai/inference/models)
-   [Códigos de idioma ISO 639 (Library of Congress, consultado em 2026-11-16)](https://www.loc.gov/standards/iso639-2/php/code_list.php)
