BroadRouter

API распознавания арабской речи: как выбрать в 2026 году

Команда BroadNet Inference · 7 мин чтения · Опубликовано · Обновлено

Выбирайте API распознавания арабской речи по тесту на собственных записях: измерьте WER на своих диалектах, затем сравните цену за час аудио, лимиты на файлы и хранение данных. BroadNet Transcribe Arabic стоит $0.25 за час аудио ($0.0042 в минуту), а Open Universal Arabic ASR Leaderboard ставил её на № 4 из 39 15 ноября 2026 г..

Чтобы выбрать API распознавания речи для арабского, расшифруйте каждым кандидатом от 30 до 50 собственных клипов на диалект, сравните WER по каждому диалекту, а затем взвесьте цену за час аудио, лимиты на файлы, потребность в стриминге и хранение данных. Модель, которая отлично выглядит на бенчмарке, всё равно может провалиться на аудио вашего колл-центра.

Арабский сложен для распознавания речи: над множеством разговорных диалектов стоит одна письменная норма, говорящие посреди фразы переходят на английский, а большая часть реального аудио — это телефонные звонки и голосовые сообщения.

Почему важнее всего WER на вашем собственном аудио?

Доля ошибочных слов (WER) — это доля слов, которые модель распознала неверно: заменила, пропустила или выдумала. Чем меньше, тем лучше. Публичные цифры — лишь отправная точка:

Тестовый набор Что это BroadNet Transcribe Arabic ElevenLabs Scribe v2 Whisper large-v3
FLEURS-ar Чистое чтение предложений 3,8 не опубликовано не опубликовано
MASC-ar Смешанная реальная арабская речь 21,1 22,3 31,5
Набор диалектов BroadNet Речь Залива, египетская и левантийская 23,4 25,6 31,8

Это лабораторные измерения BroadNet, опубликованные в её каталоге моделей и на странице Transcribe Arabic. Сравнение BroadNet проводила сама, поэтому считайте столбцы ElevenLabs и Whisper тестом конкурентов, который провёл один поставщик, а не независимым результатом. BroadNet также сообщает, что модель занимает № 2 из 37 (данные за сентябрь 2026 г.; в живом рейтинге на 15 ноября 2026 г. — № 4 из 39) в Open Universal Arabic ASR Leaderboard и #1 среди моделей, лицензии которых разрешают предоставлять их через API. На 15 ноября 2026 г. выше неё стояли три записи: Jais-ASR, Sygma-ASR-Arabic (лидерборд описывает её как лучевое декодирование на модели Cohere) и Audar-ASR-V1-Turbo; Whisper large-v3 был на #19. Лицензию каждой записи мы не проверяли.

Послушать модель на своём голосе можно ещё до регистрации: браузерная песочница BroadNet расшифровывает до 60 секунд арабского или английского аудио без аккаунта. См. как пользоваться песочницей.

Разрыв между 3,8 и 23,4 и есть главный урок: одна и та же модель может почти безупречно распознавать чтение и заметно слабее — диалектный разговор. Тестируйте на своём аудио.

С цифрами поставщиков вообще стоит быть осторожнее. Многие опубликованные значения WER для арабского получены на собственном тесте поставщика, на аудио, которое вы не можете увидеть. Цифры сопоставимы, только когда совпадают тестовый набор, нормализация и инструмент оценки.

Полную картину даёт наш открытый индекс цен API распознавания речи: цены на пакетную обработку и стриминг, шаг тарификации и поддержка арабского для более чем 20 продуктов, каждый сверен со страницей цен самого провайдера (CSV и JSON).

Как проверить покрытие диалектов?

Сгруппируйте тестовые файлы по диалектам: Залив (халиджи), египетский, левантийский, иракский, магрибский, плюс современный литературный арабский. Оценивайте каждую группу отдельно. Если большинство ваших клиентов в Эр-Рияде, WER на диалекте Залива важнее любого среднего.

Следите за переключением кодов. В деловой речи Залива встречаются английские названия продуктов и числа. Проверьте, как распознаются числа, даты и имена, потому что именно по этим словам действует ваша дальнейшая система. BroadNet по запросу предлагает дообученную арабскую модель для чисел, дат и имён в шумном аудио.

Сколько стоит транскрибация арабского за час аудио?

Сравнивайте за час аудио, потому что именно так измеряется ваш объём:

Модель За минуту За час 1000 часов
BroadNet Transcribe Arabic $0.0042 $0.25 $252.00
BroadNet Transcribe (14 языков) $0.002 $0.12 —
Soniox async (файлы), 60+ языков около USD 0,0017 (расчётно) около USD 0,10 около USD 100
Soniox real-time (стриминг) около USD 0,002 (расчётно) около USD 0,12 около USD 120

Строки Soniox взяты из цен Soniox, проверено 14 ноября 2026 г. Soniox тарифицирует по токенам (около 30 000 аудиотокенов в час) и приводит почасовые цифры как приблизительные.

Soniox дешевле BroadNet за час. Его тариф для файлов меньше половины $0.25 у BroadNet Transcribe Arabic и ниже $0.12 у BroadNet Transcribe. Его тариф реального времени равен BroadNet Transcribe и всё равно дешевле арабской модели, а стриминг в реальном времени BroadNet не документирует вовсе. Soniox указывает арабский (ar) среди поддерживаемых языков и показывает одну ставку для всех языков. Отдельных цен для арабского, значений WER для арабского или покрытия диалектов он не публикует, так что цена ясна, а точность — нет. Прежде чем выбирать по цене, прогоните на обоих один и тот же тест диалектов.

Для службы поддержки 10 000 голосовых сообщений WhatsApp по 30 секунд стоят $21.00 на арабской модели. Расчёт: 10,000 × 0.5 minutes × $0.0042. Прогоните свой объём через калькулятор стоимости распознавания речи.

Сравнивая провайдеров, проверяйте не только ставку, но и единицу тарификации: секунда, минута или начатый блок, и есть ли минимальная оплата за файл. Округление при тарификации заметнее всего на коротких голосовых сообщениях. Поминутные ставки других провайдеров, сверенные с их страницами цен, собраны в статье сравнение цен API распознавания речи; если вы уходите с эндпоинта OpenAI, см. чек-лист альтернатива Whisper API. Сравнение Transcribe и Transcribe Arabic показывает, когда хватает более дешёвой модели на 14 языков.

Какие функции нужны API распознавания арабской речи?

Не каждому продукту нужны все функции. Решите, какие важны, прежде чем сравнивать:

Функция Зачем она нужна Что спросить
Пакетная загрузка файлов Голосовые сообщения, записи, архивы Форматы и максимальный размер файла
Стриминг в реальном времени Живые субтитры, голосовые агенты Задержка и не отдельный ли это продукт
Метки говорящих (диаризация) Звонки с оператором и клиентом Только в пакетном режиме или и в реальном времени?
Временные метки слов Субтитры, поиск, инструменты проверки На уровне слов или сегментов?
Переключение кодов Арабский с английскими терминами Нужен ли один язык на запрос?
Хранение данных В звонках есть персональные данные Хранятся ли аудио или текст и как долго?

Что BroadNet документирует сегодня: пакетную транскрибацию через OpenAI-совместимый эндпоинт /v1/audio/transcriptions, вход WAV или MP3, поле language и нулевое хранение данных. Всё остальное из этого списка проверьте в справочнике API, прежде чем на это полагаться.

Какие лимиты на файлы и форматы действуют?

  • Размер файла. BroadNet принимает WAV или MP3 до 26 214 400 байт (25 МиБ) на файл. Файл больше возвращает 413; длинные записи делите на части.
  • Форматы. Голосовые сообщения .ogg и записи .m4a сначала конвертируйте; в руководстве по голосовым сообщениям WhatsApp есть команда ffmpeg.
  • Поле language. Передавайте language=ar. Без него арабский может вернуться транслитерированным латиницей.
  • Лимиты запросов. Ключ с оплатой по факту допускает 30 запросов в минуту и 4 одновременно. Для большого бэклога ставьте файлы в очередь и повторяйте 429 с экспоненциальной задержкой; см. ошибки и повторы.

Хранится ли аудио?

Голосовые сообщения и звонки содержат имена, телефонные номера, медицинские или банковские данные. Спросите каждого провайдера, хранятся ли аудио и расшифровки и как долго. BroadNet Inference не хранит ни то ни другое; см. нулевое хранение данных и наш чек-лист ZDR.

Как протестировать API транскрибации арабского за один день?

  1. Соберите от 30 до 50 реальных клипов на диалект из вашего рабочего канала. Удалите всё, чем вы не вправе делиться.
  2. Вручную напишите верную расшифровку для 10 клипов на диалект, используя одно согласованное правило написания.
  3. Расшифруйте каждый клип каждым API-кандидатом. В пошаговом руководстве по арабскому есть код на curl и Python для BroadNet.
  4. Нормализуйте оба текста одинаково и посчитайте WER и CER по каждому диалекту. В статье WER для арабского простыми словами есть функция нормализации на Python и показано, почему без неё идеальная расшифровка может дать 75% WER.
  5. Прочитайте 20 расшифровок сами. Низкий WER всё равно может скрывать неверные числа или имена.

Как отбирать клипы, писать эталоны и оценивать каждую группу диалектов, подробно описано в статье распознавание арабских диалектов.

Типичные ошибки

  • Тест только на чистом аудио. Используйте реальные записи звонков и голосовых сообщений.
  • Один средний WER. Хорошее среднее может скрыть диалект, на котором говорят ваши клиенты.
  • Пропуск поля language. Транслитерированный вывод оценивается почти сплошь как ошибки.
  • Игнорирование чисел. Проверяйте цифры, даты и суммы вручную: именно по ним действует ваша система.

Где здесь BroadNet Inference

BroadNet Transcribe Arabic подходит для пакетной транскрибации арабских голосовых сообщений, звонков и записей по цене за минуту, без хранения аудио. Стартового гранта $5 хватает примерно на 1,190 минут арабского аудио — достаточно для теста выше без карты. Если вам нужны функции, которые она не документирует, например живые субтитры в потоке, тестируйте провайдера, у которого они есть. Для задач с арабским текстом после транскрибации см. выбор LLM для арабского.

Вопросы и ответы

Какой WER считается хорошим для арабского?

Зависит от аудио. Для BroadNet Transcribe Arabic BroadNet сообщает 3,8 на FLEURS-ar (чистое чтение вслух), 21,1 на MASC-ar и 23,4 на своём наборе диалектов. Разговорная диалектная речь всегда сложнее чтения.

Какой API распознавания речи лучше всего подходит для арабских диалектов?

Единого ответа нет, потому что результаты зависят от диалекта и качества записи. Отберите два-три API, расшифруйте каждым от 30 до 50 собственных клипов на диалект и сравните WER по каждому диалекту, а не общее среднее.

Сколько стоит транскрибация 1000 часов арабского аудио?

При $0.0042 за минуту аудио 1000 часов с BroadNet Transcribe Arabic стоят $252.00.

Поддерживает ли распознавание арабской речи BroadNet потоковую передачу в реальном времени?

BroadNet документирует пакетную транскрибацию через /v1/audio/transcriptions с файлами WAV или MP3 до 25 МиБ. Потоковые субтитры в реальном времени не задокументированы. Если они нужны, то, например, Soniox продаёт транскрибацию в реальном времени, и арабский есть в его списке языков (проверено 14 ноября 2026 г.).

Можно ли расшифровывать голосовые сообщения WhatsApp?

Да, после конвертации файла .ogg в WAV или MP3 через ffmpeg. Руководство по WhatsApp на этом сайте показывает конвертацию одной командой.

Хранится ли моё аудио?

Нет. BroadNet Inference не хранит аудио и расшифровки после запроса; сохраняются только записи без содержимого, например время выполнения и стоимость.

Открыть в MarkdownСпросить ChatGPTСпросить ClaudeСпросить Perplexity