---
title: "Многоязычный API распознавания речи на 14 языках | BroadRouter"
description: "Транскрибация английского, испанского, французского, китайского, арабского и ещё 9 языков через один OpenAI-совместимый эндпоинт. Когда брать арабскую модель."
url: https://broadrouter.com/ru/blog/multilingual-speech-to-text-api/
lang: ru
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/blog/multilingual-speech-to-text-api/) (обновлён 2026-11-16).

# Многоязычный API распознавания речи: 14 языков, один эндпоинт

Команда BroadNet Inference · 6 мин чтения · Опубликовано 2026-11-14 · Обновлено 2026-11-16

BroadNet Transcribe — модель распознавания речи для 14 языков, включая английский, испанский, французский, немецкий, китайский, японский и арабский, на OpenAI-совместимом эндпоинте /v1/audio/transcriptions. Она стоит $0.002 за минуту аудио ($0.12 за час). Для преимущественно арабского аудио есть специализированная BroadNet Transcribe Arabic за $0.0042 в минуту.

## Главное

-   BroadNet Transcribe покрывает 14 языков: en, es, fr, de, it, pt, el, nl, pl, zh, ja, ko, vi и ar.
-   Цена: $0.002 за минуту аудио, $0.12 за час аудио.
-   Передавайте код языка в каждом запросе; не полагайтесь на автоопределение.
-   Выбирайте BroadNet Transcribe Arabic ($0.25 за час), когда арабское аудио — ваша основная нагрузка; для этой модели BroadNet публикует цифры точности на арабском.
-   Ограничения у обеих одинаковые: WAV или MP3, до 26 214 400 байт на файл, ни аудио, ни расшифровки не хранятся.

**На этой странице**

1.  Какие языки покрывает BroadNet Transcribe?
2.  Сколько стоит многоязычная транскрибация?
3.  Как вызвать эндпоинт транскрибации?
4.  Почему всегда нужно передавать язык?
5.  Какие ограничения и форматы?
6.  Когда выбирать модель специально для арабского?
7.  Как проверить точность на каждом языке?
8.  Для каких нагрузок она подходит?
9.  Что происходит после транскрибации?
10.  Как перейти с другого API транскрибации?

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

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](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-multilingual-speech-to-text-api&utm_content=body), 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](https://broadrouter.com/ru/models/cohere-transcribe/) основана на Cohere Transcribe и обслуживается BroadNet. ID модели — `broadnet/cohere-transcribe`.

Полную картину даёт наш открытый [индекс цен API распознавания речи](https://broadrouter.com/data/speech-to-text-api-prices/): 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](https://broadrouter.com/ru/models/cohere-transcribe/) | $0.002 | $0.12 | 14 |
| [BroadNet Transcribe Arabic](https://broadrouter.com/ru/models/cohere-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](https://broadrouter.com/ru/pricing/); посчитать свои часы в месяц можно в [калькуляторе стоимости распознавания речи](https://broadrouter.com/tools/speech-to-text-cost-calculator/), а сравнить других провайдеров — в статье [о ценах API распознавания речи](https://broadrouter.com/ru/blog/speech-to-text-api-pricing-compared/).

## Как вызвать эндпоинт транскрибации?

Эндпоинт повторяет формат транскрибации аудио OpenAI, поэтому официальные SDK работают, если поменять базовый 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)
```

Или через 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
```

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

1.  **Сначала используйте метаданные.** Страна звонящего, язык приложения пользователя или префикс номера телефона обычно указывают верно.
2.  **Спросите пользователя** в голосовых продуктах («нажмите 1 для английского, 2 для арабского»).
3.  **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](https://broadrouter.com/ru/guides/transcribe-whatsapp-voice-notes/).
-   **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](https://broadrouter.com/ru/guides/errors-and-retries/).
-   **Конфиденциальность:** аудио и расшифровки обрабатываются для запроса и не хранятся. См. [нулевое хранение данных](https://broadrouter.com/ru/privacy/).

Для продакшен-конвейера пакетной обработки с нарезкой и пулом воркеров см. статью [о масштабной транскрибации арабского колл-центра](https://broadrouter.com/ru/blog/transcribe-call-center-recordings/); 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](https://huggingface.co/spaces/elmresearchcenter/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](https://broadrouter.com/ru/blog/arabic-asr-wer-explained/).

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

```python
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](https://broadrouter.com/ru/blog/arabic-speech-to-text-api-buyers-guide/) есть план теста на один час. Если проблема — числа, даты и имена в зашумлённом арабском аудио, BroadNet также указывает на [странице моделей](https://broadrouter.com/ru/models/) 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:

1.  **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.
2.  **Вручную напишите эталонные расшифровки** для части фрагментов, с согласованными правилами записи чисел, имён и английских заимствований.
3.  **Транскрибируйте с правильным кодом `language`** и посчитайте [долю ошибок в словах](https://broadrouter.com/ru/glossary/word-error-rate/) по каждому языку. Для китайского и японского, где слова пишутся без пробелов, используйте вместо неё долю ошибок в символах.
4.  **Прочитайте ошибки.** Названия продуктов, суммы и адреса важнее слов-паразитов.
5.  **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](https://broadrouter.com/ru/models/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](https://broadrouter.com/ru/blog/arabic-english-translation-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](https://broadrouter.com/ru/blog/whisper-api-alternative/)), — 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](https://broadrouter.com/ru/blog/openai-compatible-api-migration-checklist/).

Бесплатные инструменты по теме (на английском)

-   [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.

[Бесплатные инструменты (на английском)](https://broadrouter.com/tools/)

## Термины в этой статье

[Распознавание речи (speech-to-text)](https://broadrouter.com/ru/glossary/speech-to-text/)

Распознавание речи (speech-to-text, автоматическое распознавание речи, ASR) — это технология, которая превращает устную речь в письменный текст. API распознавания речи принимает аудиофайл или поток и возвращает расшифровку, обычно с оплатой за минуту аудио. Точность измеряют долей ошибок в словах (WER), и она зависит от акцента, диалекта и качества записи.

[WAV](https://broadrouter.com/ru/glossary/wav/)

WAV (Waveform Audio File Format, или WAVE) — это аудиоконтейнер на основе формата RIFF от Microsoft и IBM. Обычно он содержит несжатые отсчёты линейного PCM, поэтому его размер предсказуем: частота дискретизации × байт на отсчёт × число каналов за каждую секунду.

[Доля ошибок в словах (word error rate, WER)](https://broadrouter.com/ru/glossary/word-error-rate/)

Доля ошибок в словах (word error rate, WER) — это стандартная метрика точности распознавания речи: число замен, пропусков и вставок слов, нужных, чтобы превратить расшифровку в правильный эталон, делённое на число слов в эталоне. Чем меньше, тем лучше.

[Лимит запросов (rate limit)](https://broadrouter.com/ru/glossary/rate-limit/)

Лимит запросов (rate limit) — это ограничение, которое API накладывает на объём использования клиентом за отрезок времени, например число запросов или токенов в минуту. Запросы сверх лимита отклоняются, обычно с HTTP 429 Too Many Requests, пока использование снова не опустится ниже порога.

[Оплата по факту (pay-as-you-go)](https://broadrouter.com/ru/glossary/pay-as-you-go/)

Оплата по факту (pay-as-you-go) — это модель ценообразования, при которой вы платите только за то, что использовали, по счётчику в единицах вроде токенов, запросов или минут аудио, без подписки и минимальных обязательств. Так тарифицирует большинство LLM API — с предоплаченного баланса или по периодическому счёту.

[Параллельность (concurrency)](https://broadrouter.com/ru/glossary/concurrency/)

Параллельность (concurrency) — это число запросов, которые клиент одновременно держит в работе. LLM API часто ограничивают её на ключ или тариф отдельно от лимита запросов в минуту, потому что каждый открытый запрос занимает мощности GPU, пока ответ не будет готов.

[Ogg Opus](https://broadrouter.com/ru/glossary/ogg-opus/)

Ogg Opus — это аудио, закодированное кодеком Opus (RFC 6716) и упакованное в контейнер Ogg (RFC 7845). Формат создан для речи и интерактивного аудио на низких битрейтах, и именно в нём WhatsApp хранит голосовые сообщения, обычно в файлах .ogg или .opus.

[Временные метки в распознавании речи (timestamps)](https://broadrouter.com/ru/glossary/timestamps-asr/)

Временные метки в распознавании речи — это время начала и конца в секундах, привязанное к частям расшифровки. Метки сегментов охватывают фразу или предложение, метки слов — каждое слово. Они нужны для субтитров, поиска внутри записей и сопоставления текста с говорящими.

## Вопросы и ответы

### Какие языки поддерживает BroadNet Transcribe?

Четырнадцать: английский, испанский, французский, немецкий, итальянский, португальский, греческий, нидерландский, польский, китайский, японский, корейский, вьетнамский и арабский. Список опубликован в pricing.json в виде кодов ISO 639-1.

### Может ли в одном файле быть два языка?

Каждый запрос принимает один код языка. Если в аудио языки сменяются, транскрибируйте с основным языком и проверьте, как получился второй, — или разрежьте аудио по спикерам или фрагментам, если переключения длинные.

### Достаточно ли многоязычной модели для арабского?

Она принимает арабский и стоит дешевле за минуту. Цифры точности на арабском BroadNet публикует только для BroadNet Transcribe Arabic, поэтому если арабский составляет большую долю вашего аудио, протестируйте обе модели на своих записях и сравните долю ошибок в словах.

### Работает ли это с OpenAI SDK?

Да. Укажите в SDK базовый URL BroadNet и вызовите audio.transcriptions.create с ID модели, файлом и языком.

## Читайте также

-   [Транскрибация аудио больше 25 МБ: разрезать, отправить, склеить](https://broadrouter.com/ru/blog/transcribe-long-audio-files-api/)
-   [API распознавания арабской речи: как выбрать в 2026 году](https://broadrouter.com/ru/blog/arabic-speech-to-text-api-buyers-guide/)
-   [WER для арабского: что такое доля ошибок в словах в ASR](https://broadrouter.com/ru/blog/arabic-asr-wer-explained/)
-   [Транскрибация записей колл-центра: конвейер с поддержкой арабского](https://broadrouter.com/ru/blog/transcribe-call-center-recordings/)
-   [Переход на OpenAI-совместимый API: чек-лист миграции](https://broadrouter.com/ru/blog/openai-compatible-api-migration-checklist/)
-   [Огласовки в арабском тексте через LLM: промпт, проверка, DER](https://broadrouter.com/ru/blog/arabic-diacritization-llm/)
-   [Проверка арабской орфографии и грамматики через LLM: руководство](https://broadrouter.com/ru/blog/arabic-grammar-spelling-correction-llm/)
-   [Руководство: API распознавания арабской речи: пошаговое руководство](https://broadrouter.com/ru/guides/arabic-speech-to-text-api/)
-   [Руководство: Голосовые сообщения WhatsApp в текст через API](https://broadrouter.com/ru/guides/transcribe-whatsapp-voice-notes/)
-   [Руководство: Коды ошибок BroadNet Inference и когда повторять запрос](https://broadrouter.com/ru/guides/errors-and-retries/)

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

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

**Источники**

-   [Страница модели BroadNet Transcribe: WER на FLEURS для английского и испанского, скорость (дата обращения 2026-11-15) (на английском)](https://www.broadnet.ai/inference/models/cohere-transcribe)
-   [Open Universal Arabic ASR Leaderboard, актуальная таблица (дата обращения 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Справочник BroadNet Inference API, транскрибация (проверено 2026-11-16) (на английском)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-multilingual-speech-to-text-api&utm_content=sources)
-   [Машиночитаемые цены и список языков BroadNet Inference (pricing.json, проверено 2026-11-16) (на английском)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-multilingual-speech-to-text-api&utm_content=sources)
-   [Каталог моделей BroadNet, распознавание речи (проверено 2026-11-16) (на английском)](https://www.broadnet.ai/inference/models)
-   [Коды языков ISO 639 (Библиотека Конгресса США, проверено 2026-11-16)](https://www.loc.gov/standards/iso639-2/php/code_list.php)
