BroadRouter

Распознавание арабской речи

Обновлено

Для арабского аудио используйте BroadNet Transcribe Arabic (broadnet/cohere-transcribe-arabic) за US$0,0042 в минуту. BroadNet Transcribe (broadnet/cohere-transcribe) поддерживает 14 языков, включая арабский, за US$0,002. Обе модели принимают WAV или MP3 до 26 214 400 байт на /v1/audio/transcriptions. Передавайте language=ar.

Женщина говорит в телефон, и звуковая волна превращается в арабское приветствие «أهلاً وسهلاً» («добро пожаловать») рядом с английским текстом «Arabic speech-to-text» («распознавание арабской речи») и «BroadRouter».
Текст на изображении на английском: «Arabic speech-to-text», то есть распознавание арабской речи.

Арабская или многоязычная модель?

МодельЯзыкиЗа минутуЗа часСтартовый грант
BroadNet Transcribe Arabic
broadnet/cohere-transcribe-arabic
АрабскийUS$0,0042US$0,252Да, примерно 1 190 минут
BroadNet Transcribe
broadnet/cohere-transcribe
14 языков, включая арабскийUS$0,002US$0,12Да, примерно 2 500 минут

BroadNet Transcribe Arabic

Арабская модель BroadNet. По словам BroadNet, она понимает арабский Персидского залива, египетский, левантийский, магрибский и современный стандартный арабский, и BroadNet рекомендует её для арабского аудио. Возвращает текст арабским письмом. Страница модели и результаты по данным BroadNet.

BroadNet Transcribe

Одна модель для 14 языков с более низким поминутным тарифом. Используйте её, если ваши файлы на разных языках, но сначала проверьте качество арабской расшифровки на своих записях. Страница модели.

Какие языки и форматы поддерживаются?

From voice note to Arabic text
  1. 01Voice notePhones and messaging apps often save .ogg or .m4a

    .ogg .m4a

  2. 02ConvertWAV or MP3, up to 26,214,400 bytes per file

    .wav .mp3

    ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav

  3. 03TranscribeArabic model, language set to Arabic

    POST /v1/audio/transcriptionsmodel=broadnet/cohere-transcribe-arabiclanguage=ar

  4. 04TextRead the text field of the response

    text

Phone voice notes usually arrive as .ogg or .m4a. Convert them to WAV or MP3 of up to 26,214,400 bytes, send the file to the transcription endpoint with language set to ar, and read the text from the response.

Эндпоинт
POST /v1/audio/transcriptions (multipart-форма)
Форматы
WAV (audio/wav) или MP3 (audio/mpeg)
Размер файла
До 26 214 400 байт (25 МиБ) на файл. Файл большего размера вернёт 413; разделите или сожмите его.
Поле языка
language=ar для арабского. Передавайте всегда: без него арабская речь может вернуться латиницей.
Ответ
JSON, текст расшифровки в поле text
Языки BroadNet Transcribe
Английский, Испанский, Французский, Немецкий, Итальянский, Португальский, Греческий, Нидерландский, Польский, Китайский (путунхуа), Японский, Корейский, Вьетнамский, Арабский

Файлы .ogg из WhatsApp и .m4a с телефона сначала нужно сконвертировать: ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav

Сколько будет стоить моё аудио?

Стоимость = минуты аудио × поминутный тариф модели. Введите число минут в месяц, чтобы сравнить обе модели.

Калькулятор стоимости аудио

Например, 600 минут — это 10 часов. Можно вводить дробные значения.

МодельТарифПримерная стоимость
BroadNet Transcribe Arabic
broadnet/cohere-transcribe-arabic
US$0,0042 / минUS$2,52
BroadNet Transcribe
broadnet/cohere-transcribe
US$0,002 / минUS$1,20

В долларах США, по опубликованным поминутным тарифам. Без налогов и повторных или повторяемых запросов. Как тарифицируются неполные минуты, смотрите на странице цен BroadNet.

Как интегрировать?

Используйте метод транскрибации из OpenAI SDK или обычный multipart-запрос. Храните ключ в BROADNET_API_KEY на своём сервере.

transcribe.py

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://inference.broadnet.ai/v1",
    api_key=os.environ["BROADNET_API_KEY"],
)
with open("recording.wav", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="broadnet/cohere-transcribe-arabic",
        file=audio,
        language="ar",
    )
print(result.text)

Иллюстративный пример

{"text": "مرحباً، لقد وصلت إلى البريد الصوتي، اترك رسالتك من فضلك"}

Формат ответа из справочника BroadNet с синтетическим голосовым сообщением. Это не записанный результат и не замер точности.

Дальше: создайте ключ на inference.broadnet.ai (на английском) · все руководства по быстрому старту

Руководства и статьи об арабской речи (на английском)

Вопросы о распознавании арабской речи

Какую модель выбрать для арабского аудио?

Начните с BroadNet Transcribe Arabic (broadnet/cohere-transcribe-arabic), арабской модели BroadNet, за US$0,0042 в минуту. BroadNet Transcribe тоже принимает арабский среди 14 языков, за US$0,002 в минуту. BroadNet рекомендует для арабского аудио арабскую модель; протестируйте обе на своих записях.

Обязательно ли указывать язык?

Да. Передавайте language=ar вместе с арабским аудио. Без него арабская речь может вернуться в транслитерации латиницей.

Какие форматы и размеры аудио поддерживаются?

WAV (audio/wav) или MP3 (audio/mpeg), до 26 214 400 байт (25 МиБ) на файл. Записи .ogg из WhatsApp и .m4a с телефона сначала сконвертируйте в WAV с помощью ffmpeg.

Можно ли оплатить распознавание речи стартовым грантом?

Да. Стартовый грант US$5 для новых аккаунтов покрывает обе модели распознавания речи.

Хранится ли моё аудио?

Контент инференса не хранится. Необходимые метаданные аккаунта, оплаты и безопасности хранятся так, как описано в заявлении о конфиденциальности инференса BroadNet. В его списке того, что не хранится, есть аудио и расшифровки.

Открыть в MarkdownСпросить ChatGPTСпросить ClaudeСпросить Perplexity