O BroadNet Transcribe Arabic custa $0.0042 por minuto de áudio. A BroadNet informa que ele está na posição #2 de 37 (dado de setembro de 2026; o ranking ao vivo o listava em #4 de 39 em 15 de novembro de 2026) do Open Universal Arabic ASR Leaderboard, e em 1º lugar entre os modelos cujas licenças permitem servi-los por API. Para outros idiomas, o BroadNet Transcribe cobre 14 idiomas por $0.002 o minuto. Veja a página do modelo BroadNet Transcribe Arabic e a página do modelo BroadNet Transcribe.
Outros provedores podem custar menos. Em 2026-11-14, a página de preços da Soniox listava cerca de USD 0,10 por hora para transcrição de arquivos (assíncrona) e USD 0,12 por hora em tempo real, e a lista de idiomas dela inclui o árabe. Isso fica abaixo dos $0.25 por hora do BroadNet Transcribe Arabic, então teste os dois no seu próprio áudio.
Com curl
curl https://inference.broadnet.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $BROADNET_API_KEY" \
-F model=broadnet/cohere-transcribe-arabic \
-F language=ar \
-F file=@voice-note.wav
A resposta é a transcrição em JSON (no exemplo, a saudação de uma caixa postal):
{"text": "مرحباً، لقد وصلت إلى البريد الصوتي، اترك رسالتك من فضلك"}
Com Python
from openai import OpenAI
import os
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
with open("voice-note.wav", "rb") as audio:
result = client.audio.transcriptions.create(
model="broadnet/cohere-transcribe-arabic",
file=audio,
language="ar",
)
print(result.text)
Sempre envie o idioma
Sem language, o árabe pode voltar transliterado em letras latinas. Envie language=ar para árabe e language=en para inglês.
Quais dialetos árabes ele atende?
A BroadNet descreve o BroadNet Transcribe Arabic como um modelo que cobre o árabe, incluindo dialetos, e publica três taxas de erro de palavras para ele. São medições de laboratório da própria BroadNet, tiradas do seu catálogo de modelos:
| Conjunto de teste | O que é | Taxa de erro de palavras |
|---|---|---|
| FLEURS-ar | Frases lidas, áudio limpo | 3,8 |
| MASC-ar | Fala árabe real e variada | 21,1 |
| Conjunto de dialetos da BroadNet | Fala em dialeto | 23,4 |
A BroadNet não publica uma divisão por dialeto, então ninguém de fora da BroadNet pode dizer como o áudio do Golfo se sai em comparação com o egípcio ou o magrebino. Outros provedores descrevem a cobertura de outro jeito. A Deepgram lista o Nova-3 Arabic com códigos regionais, de ar-AE, ar-SA e ar-EG a ar-MA e ar-IQ. A Speechmatics vende um único pacote “Global Arabic” que cita árabe moderno padrão, fala do Golfo, egípcia e levantina, além de um pacote ar_en para árabe misturado com inglês. A Soniox lista o árabe (ar) sem detalhar dialetos.
Um código listado não é uma precisão medida. Antes de escolher, avalie cada candidato nos seus próprios trechos de áudio agrupados por dialeto:
- Golfo (khaleeji): fala saudita, emiradense, kuwaitiana e catariana, muitas vezes com nomes de produtos em inglês.
- Egípcio: o dialeto mais compreendido, por causa da mídia.
- Levantino: fala síria, libanesa, jordaniana e palestina.
- Iraquiano e magrebino: a fala marroquina, argelina e tunisiana costuma ser o caso mais difícil.
- Árabe moderno padrão: noticiários e fala formal, a base mais fácil.
O guia de reconhecimento de fala em dialetos árabes explica por que os dialetos têm resultados piores, e a explicação da taxa de erro de palavras mostra como medi-los.
Quanto custam as APIs de transcrição de áudio em árabe?
Todos os provedores abaixo listam o árabe. Do mais barato ao mais caro; os preços são para arquivos pré-gravados, salvo indicação, e foram conferidos em 2026-11-14:
| Provedor e modelo | Por minuto | Por hora | Cobertura de árabe declarada |
|---|---|---|---|
| Soniox, assíncrono (arquivo) | cerca de USD 0,0017 | cerca de USD 0,10 | Árabe (ar) |
| Soniox, tempo real | cerca de USD 0,002 | cerca de USD 0,12 | Árabe (ar) |
| BroadNet Transcribe (14 idiomas) | $0.002 | $0.12 | Árabe entre 14 idiomas |
| BroadNet Transcribe Arabic | $0.0042 | $0.25 | Árabe, incluindo dialetos (segundo a BroadNet) |
| Deepgram, Nova-3 monolíngue | USD 0,0043 | USD 0,258 | ar e códigos regionais |
| Speechmatics, Standard | USD 0,0075 | USD 0,45 | Global Arabic, ar_en |
| Speechmatics, Enhanced | USD 0,0125 | USD 0,75 | Global Arabic, ar_en |
Fontes: preços da Soniox (cobrança por token; os valores por hora são aproximações da Soniox), preços da Deepgram e preços da Speechmatics. A Soniox é mais barata que os dois modelos da BroadNet, e a BroadNet não documenta streaming em tempo real. Os argumentos da BroadNet são o modelo específico para árabe, a posição que ela informa no leaderboard e a retenção zero de dados. Para mais provedores, veja o nosso índice aberto de preços de APIs de fala para texto, que lista preços de batch e de streaming e o suporte a árabe de mais de 20 produtos, com fonte e data para cada um (CSV e JSON). Para custos adicionais, veja preços de APIs de fala para texto comparados; para calcular o seu volume, use a calculadora de custo de fala para texto.
Limites
- WAV ou MP3, até 26.214.400 bytes (25 MiB) por arquivo. Um arquivo maior retorna 413; divida-o antes.
- Chaves de pagamento por uso permitem 30 requisições por minuto e 4 simultâneas.
- Os dois modelos de transcrição funcionam com o crédito inicial gratuito de $5, então você pode testar suas gravações antes de pagar.
Solução de problemas
- Letras latinas em vez da escrita árabe. Adicione
language=ar. - 400 ou 422. Confira os nomes dos campos (
model,language,file) e se o arquivo é mesmo WAV ou MP3. Um.oggrenomeado falha; converta-o com o ffmpeg. - 413. O arquivo passa de 26.214.400 bytes. Converta para WAV ou MP3 mono a 16 kHz, ou divida em partes menores.
- 401 em uma conta paga. Confira a chave e a cota de pagamento por uso. Veja códigos de erro e novas tentativas na BroadNet.
- Precisão fraca em dialetos ou chamadas com ruído. No próprio conjunto de teste de dialetos da BroadNet, o resultado é pior do que na fala lida e limpa (veja as perguntas frequentes). Teste com uma amostra do seu áudio real e meça a taxa de erro de palavras.
Áudios do WhatsApp chegam como .ogg. Converta e transcreva áudios do WhatsApp em uma etapa só. Se você precisa de números, datas e nomes em áudio com ruído, a BroadNet oferece um modelo de árabe com fine-tuning sob consulta.
