Большинство продуктов, работающих с аудио, имеют дело больше чем с одним языком: международная линия поддержки, записи встреч из разных офисов, входящие голосовые сообщения в многоязычном городе. Держать отдельного поставщика распознавания речи на каждый язык — это расходы на сопровождение. BroadNet Transcribe собирает 14 языков за одним OpenAI-совместимым эндпоинтом с оплатой за минуту аудио, а рядом стоит специализированная арабская модель для нагрузок, где много арабского.
Какие языки покрывает BroadNet Transcribe?
Список языков взят из опубликованного BroadNet файла pricing.json, в виде кодов ISO 639-1:
| Код | Язык | Код | Язык |
|---|---|---|---|
| en | Английский | nl | Нидерландский |
| es | Испанский | pl | Польский |
| fr | Французский | zh | Китайский |
| de | Немецкий | ja | Японский |
| it | Итальянский | ko | Корейский |
| pt | Португальский | vi | Вьетнамский |
| el | Греческий | ar | Арабский |
BroadNet Transcribe основана на Cohere Transcribe и обслуживается BroadNet. ID модели — broadnet/cohere-transcribe.
Полную картину даёт наш открытый индекс цен API распознавания речи: в нём цены пакетного и потокового режимов, шаг тарификации и поддержка арабского для более чем 20 продуктов, каждый сверен с официальной страницей цен провайдера (CSV и JSON).
Сколько стоит многоязычная транскрибация?
| Модель | За минуту | За час | Языки |
|---|---|---|---|
| BroadNet Transcribe | $0.002 | $0.12 | 14 |
| BroadNet Transcribe Arabic | $0.0042 | $0.25 | Арабский |
Оплата идёт за минуту аудио, а не за запрос или токен. Обе модели работают на бесплатном стартовом гранте $5, так что свои записи можно проверить до пополнения баланса. Все цены — на странице цен; посчитать свои часы в месяц можно в калькуляторе стоимости распознавания речи, а сравнить других провайдеров — в статье о ценах API распознавания речи.
Как вызвать эндпоинт транскрибации?
Эндпоинт повторяет формат транскрибации аудио OpenAI, поэтому официальные SDK работают, если поменять базовый 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)
Или через 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
Ответ — JSON с расшифровкой в поле text. Документированный ответ BroadNet — это сам текст; если вам нужны временные метки слов или метки спикеров, проверьте в справочнике API, что сейчас поддерживается, прежде чем строить на этом решение.
Почему всегда нужно передавать язык?
Документация BroadNet говорит прямо: передавайте language в каждом запросе на транскрибацию. Без него арабская речь может вернуться транслитерированной латиницей, и тот же риск есть у любого языка, который модель может спутать. Если язык заранее неизвестен:
- Сначала используйте метаданные. Страна звонящего, язык приложения пользователя или префикс номера телефона обычно указывают верно.
- Спросите пользователя в голосовых продуктах («нажмите 1 для английского, 2 для арабского»).
- Попробуйте короткий фрагмент. Транскрибируйте первые 30 секунд с наиболее вероятным языком; если текст выглядит неправильно (не та письменность, бессмыслица), повторите со следующим кандидатом.
Какие ограничения и форматы?
- Форматы: WAV (
audio/wav) или MP3 (audio/mpeg). Файлы .ogg, .m4a, .webm и видео сначала конвертируйте через ffmpeg. Нужная однострочная команда есть в руководстве по голосовым сообщениям WhatsApp. - Размер: до 26 214 400 байт (25 MiB) на файл; на файлы больше возвращается 413. Это около 13 минут WAV 16 кГц моно или около 54 минут MP3 64 кбит/с. Длинное аудио режьте командой
ffmpeg -f segment -segment_time 600. - Частота: ключ с оплатой по факту допускает 30 запросов в минуту и 4 одновременно. На 429 повторяйте с нарастающей задержкой; см. ошибки и повторы.
- Конфиденциальность: аудио и расшифровки обрабатываются для запроса и не хранятся. См. нулевое хранение данных.
Для продакшен-конвейера пакетной обработки с нарезкой и пулом воркеров см. статью о масштабной транскрибации арабского колл-центра; та же схема работает для любого из 14 языков.
Когда выбирать модель специально для арабского?
BroadNet предлагает две модели, потому что арабский для распознавания речи сложнее большинства языков: много диалектов под одним письменным стандартом, частые переключения на английский и французский и много аудио телефонного качества. BroadNet Transcribe Arabic — специализированный вариант, и цифры точности на арабском BroadNet публикует только для него:
- BroadNet сообщает о позиции № 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 о первом месте среди моделей, чьи лицензии разрешают обслуживание через API.
- Доля ошибок в словах по данным лаборатории BroadNet: 3.8 на FLEURS-ar, 21.1 на MASC-ar и 23.4 на её наборе диалектов (чем меньше, тем лучше). Что означают эти цифры.
BroadNet не публикует арабские цифры для 14-языковой модели, но их публикует открытый рейтинг: 15 ноября 2026 года в нём значилась Cohere Transcribe 03-2026 — модель, на которой основана BroadNet Transcribe, — на 8-м месте из 39 со средним WER 30.67, против 24.19 у арабской модели (№ 4 из 39). Для других языков BroadNet сообщает о доле ошибок в словах 5.5 на FLEURS English и 3.2 на FLEURS Spanish для BroadNet Transcribe, а также примерно о 113-кратной скорости относительно реального времени на одном потоке (217-кратной в пакетном режиме) на английском аудио, согласно её странице модели. Простое правило:
| Ваше аудио | Что выбрать |
|---|---|
| В основном арабское, любой диалект | BroadNet Transcribe Arabic |
| Арабских файлов меньшинство, точность не критична | BroadNet Transcribe для всего или протестируйте обе |
| Смешанный набор, язык каждого файла известен | Арабские файлы — в арабскую модель, остальные — в BroadNet Transcribe |
| Любой из остальных 13 языков | BroadNet Transcribe |
Маршрутизация по языку — изменение в одну строку, ведь у обеих моделей общий эндпоинт и формат запроса:
def stt_model(lang: str) -> str:
return "broadnet/cohere-transcribe-arabic" if lang == "ar" else "broadnet/cohere-transcribe"
Арабская модель стоит примерно вдвое дороже за минуту. На больших объёмах протестируйте обе на нескольких часах вашего реального арабского аудио и сравните долю ошибок в словах по диалектам; в руководстве покупателя API распознавания арабской речи есть план теста на один час. Если проблема — числа, даты и имена в зашумлённом арабском аудио, BroadNet также указывает на странице моделей дообученную арабскую модель, доступную по запросу.
Как проверить точность на каждом языке?
Единая цифра точности от поставщика скрывает большие различия между языками, акцентами и условиями записи. Прежде чем переводить нагрузку, проведите небольшой тест для каждого языка:
- Соберите 20–50 реальных фрагментов на язык из того канала, который вы действительно будете транскрибировать: телефонные звонки, записи встреч, голосовые сообщения или видео. Включите самые трудные акценты.
- Вручную напишите эталонные расшифровки для части фрагментов, с согласованными правилами записи чисел, имён и английских заимствований.
- Транскрибируйте с правильным кодом
languageи посчитайте долю ошибок в словах по каждому языку. Для китайского и японского, где слова пишутся без пробелов, используйте вместо неё долю ошибок в символах. - Прочитайте ошибки. Названия продуктов, суммы и адреса важнее слов-паразитов.
- Повторите для арабского с обеими моделями, если арабский входит в ваш набор, и сравните по диалектам.
Стартового гранта $5 хватает на такой тест для нескольких языков на BroadNet Transcribe, потому что цена за минуту низкая.
Для каких нагрузок она подходит?
| Нагрузка | Примечания |
|---|---|
| Многоязычные линии поддержки | Маршрутизируйте по выбору языка в IVR; передавайте соответствующий код language |
| Протоколы встреч распределённых команд | Транскрибируйте каждую запись, затем делайте резюме с помощью LLM |
| Входящие голосовые сообщения | Сначала конвертируйте .ogg в WAV; см. руководство по WhatsApp |
| Медиаархивы и подкасты | Режьте длинные файлы на части до 25 MiB; обрабатывайте пакетами ночью |
| Приложения для изучения языков | Транскрибируйте речь ученика, затем давайте обратную связь с помощью LLM |
Во всех случаях стоимость зависит только от минут аудио: $0.12 за час аудио на BroadNet Transcribe, на каком бы языке оно ни было.
Что происходит после транскрибации?
Расшифровка редко бывает конечным продуктом. Типичные следующие шаги на том же API-ключе:
- Резюме и задачи по итогам встреч с DeepSeek V4.1 Flash: контекст в 1 048 576 токенов вмещает очень длинные расшифровки.
- Перевод расшифровок на один рабочий язык; см. статью об арабско-английском переводе с помощью LLM.
- Оценка качества звонков в поддержку со структурированным выводом в JSON.
Как перейти с другого API транскрибации?
Если вы уже вызываете эндпоинт транскрибации в стиле OpenAI — включая Whisper API, который OpenAI собирается отключить 26 февраля 2027 года (что проверить перед переходом), — переход обычно сводится к трём изменениям: базовый URL, API-ключ и ID модели, плюс нужно убедиться, что вы передаёте language. Проверьте поля ответа, которые ваш код читает помимо text. Остальное — в чек-листе перехода на OpenAI-совместимый API.

