---
title: "Запись звука в браузере и транскрибация через API | BroadRouter"
description: "Запишите микрофон через MediaRecorder, переведите WebM или MP4 из Safari в WAV 16 кГц и отправьте в API транскрибации через небольшой сервер, где хранится ключ."
url: https://broadrouter.com/ru/blog/record-browser-audio-transcription-api/
lang: ru
updated: 2026-11-15
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/record-browser-audio-transcription-api/) (обновлён 2026-11-15).

# Запись аудио в браузере и отправка в API распознавания речи

Команда BroadNet Inference · 6 мин чтения · Опубликовано 2026-11-15

Записывайте через getUserMedia и MediaRecorder, выбирая формат с помощью isTypeSupported, и отбрасывайте пустые фрагменты. Если API принимает только WAV или MP3, декодируйте запись в браузере и закодируйте WAV 16 кГц моно — или загрузите её на сервер и конвертируйте через ffmpeg. В обоих случаях отправляйте аудио через свой бэкенд, чтобы API-ключ никогда не попал в браузер.

## Главное

-   Браузеры записывают сжатые форматы: Chrome отдаёт WebM с Opus, а WebKit документирует для Safari MP4 с AAC. OpenAI принимает оба; API, которые берут только WAV или MP3 (например, BroadNet), требуют шага конвертации.
-   getUserMedia работает только в безопасном контексте (HTTPS или localhost). В остальных случаях navigator.mediaDevices равен undefined, так что проверяйте его наличие перед вызовом.
-   WAV 16 кГц моно 16 бит — это 32 000 байт в секунду. В лимит BroadNet в 26 214 400 байт помещается около 13 минут 39 секунд такой записи; всё, что длиннее, нужно разрезать.
-   decodeAudioData нужен целый файл, и он передискретизирует звук в частоту своего контекста, так что OfflineAudioContext на 16 000 Гц сделает передискретизацию за вас.
-   Никогда не вызывайте API транскрибации со страницы. Отправляйте аудио на свой сервер, проверяйте там размер и тип и добавляйте ключ на сервере.

**На этой странице**

1.  В каком формате записывает браузер?
2.  Как записать звук с микрофона?
3.  Как конвертировать запись в WAV прямо в браузере?
4.  Как конвертировать на сервере?
5.  Как не допустить API-ключ в браузер?
6.  Как мы это тестировали?
7.  Сколько это стоит?
8.  Где здесь BroadNet Inference

Запись голосового сообщения в веб-приложении — это примерно тридцать строк JavaScript. Проблемы начинаются при отправке файла: браузер записал WebM или MP4, API ждёт другой формат, iPhone возвращает «Thank you» на тихий клип, а скопированный туториал кладёт API-ключ прямо в страницу. В этой статье мы строим весь путь и проверяем каждый его участок: запись, конвертация в WAV, проверка размера и пересылка через небольшой сервер.

Примеры рассчитаны на API, который принимает только WAV или MP3. Таков, например, BroadNet Inference: в его документации указаны WAV (`audio/wav`) или MP3 (`audio/mpeg`) до 26 214 400 байт на файл. Если ваш API принимает WebM, пропустите конвертацию и оставьте всё остальное. Руководство OpenAI по распознаванию речи перечисляет flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav и webm, до 25 МБ.

## В каком формате записывает браузер?

`MediaRecorder` записывает в сжатый формат, который выбирает браузер, если вы не попросите другой из поддерживаемых. Спросите через `MediaRecorder.isTypeSupported()` и возьмите первое совпадение:

| Строка типа | Типичный браузер |
| --- | --- |
| `audio/webm;codecs=opus` | Chrome, Edge, Firefox |
| `audio/mp4` | Safari ([WebKit документирует MP4 с AAC](https://webkit.org/blog/11353/mediarecorder-api/)); в нашем тесте его заявил и Chromium |
| `audio/ogg;codecs=opus` | Firefox |

В headless Chromium 2026-11-15 `isTypeSupported` вернул true для WebM/Opus и MP4 и false для Ogg/Opus. Считайте таблицу отправной точкой, а не обещанием. MDN отмечает, что `true` означает лишь принципиальную возможность записать этот тип; запись всё равно может не удаться, если не хватит ресурсов. Всегда читайте `recorder.mimeType` после создания рекордера и подписывайте загрузку им, а не тем, что вы запрашивали.

## Как записать звук с микрофона?

Код определяют два правила браузера. Во-первых, `getUserMedia` существует только в [безопасном контексте](https://developer.mozilla.org/en-US/docs/Web/API/MediaDevices/getUserMedia): HTTPS, `localhost` или URL `file:`. По обычному HTTP с другого хоста `navigator.mediaDevices` равен `undefined`, и вызов бросает `TypeError` вместо запроса разрешения. Во-вторых, доступ должен разрешить пользователь, а отказ вызывает `NotAllowedError`. Обработайте оба случая сообщением, по которому пользователь поймёт, что делать.

```js
// record.js: record from the microphone, return a 16 kHz mono WAV Blob.
const TYPES = ["audio/webm;codecs=opus", "audio/mp4", "audio/ogg;codecs=opus"];

export async function startRecording() {
  if (!navigator.mediaDevices?.getUserMedia) {
    throw new Error("Microphone access needs HTTPS (or localhost).");
  }
  const stream = await navigator.mediaDevices.getUserMedia({ audio: true });
  const mimeType = TYPES.find((t) => MediaRecorder.isTypeSupported(t));
  const rec = new MediaRecorder(stream, mimeType ? { mimeType } : {});
  const chunks = [];
  rec.ondataavailable = (e) => { if (e.data.size > 0) chunks.push(e.data); };
  rec.start(1000); // a chunk every second, so a crash loses at most one second
  return () => new Promise((resolve) => {
    rec.onstop = () => {
      stream.getTracks().forEach((t) => t.stop()); // turn the mic indicator off
      resolve(new Blob(chunks, { type: rec.mimeType }));
    };
    rec.stop();
  });
}
```

Три детали в этом коде взяты из реальных баг-репортов:

-   **Отбрасывайте пустые фрагменты.** В ветке форума OpenAI про MediaRecorder на iPhone один разработчик обнаружил, что на iOS `dataavailable` срабатывает с пустыми данными, и фильтрация таких фрагментов решила проблему. Другой исправил тот же симптом, запуская запись с timeslice: `start(1000)`.
-   **Останавливайте треки.** Остановка рекордера не освобождает микрофон. Без `getTracks().forEach(t => t.stop())` браузер продолжает показывать индикатор записи.
-   **Не измеряйте длительность записи подсчётом фрагментов.** MDN предупреждает, что интервалы timeslice неточны и могут растягиваться, когда Safari приостанавливает микрофон или Chrome на Android блокирует экран. Если вы показываете длительность или ограничиваете её, ведите собственный таймер.

## Как конвертировать запись в WAV прямо в браузере?

Web Audio API умеет декодировать всё, что записал браузер. Два факта из MDN делают код коротким: `decodeAudioData` работает только с целым файлом, а не с фрагментами, поэтому декодируйте после `stop()`; и он передискретизирует декодированный звук в частоту дискретизации своего контекста. Значит, `OfflineAudioContext`, созданный на 16 000 Гц, сразу вернёт отсчёты 16 кГц без дополнительного кода передискретизации. Его конструктор принимает любую частоту от 3000 до 768 000 Гц.

```js
export async function toWav16k(blob) {
  // decodeAudioData needs the whole file and resamples to the context's rate.
  const ctx = new OfflineAudioContext(1, 1, 16000);
  const audio = await ctx.decodeAudioData(await blob.arrayBuffer());
  return encodeWav(mixDown(audio), 16000);
}

export function mixDown(audio) {
  const out = new Float32Array(audio.length);
  for (let c = 0; c < audio.numberOfChannels; c++) {
    const ch = audio.getChannelData(c);
    for (let i = 0; i < out.length; i++) out[i] += ch[i] / audio.numberOfChannels;
  }
  return out;
}

export function encodeWav(samples, rate) {
  const buf = new ArrayBuffer(44 + samples.length * 2);
  const v = new DataView(buf);
  const str = (o, s) => [...s].forEach((ch, i) => v.setUint8(o + i, ch.charCodeAt(0)));
  str(0, "RIFF"); v.setUint32(4, 36 + samples.length * 2, true); str(8, "WAVE");
  str(12, "fmt "); v.setUint32(16, 16, true); v.setUint16(20, 1, true); // PCM
  v.setUint16(22, 1, true); v.setUint32(24, rate, true);                // mono
  v.setUint32(28, rate * 2, true); v.setUint16(32, 2, true); v.setUint16(34, 16, true);
  str(36, "data"); v.setUint32(40, samples.length * 2, true);
  for (let i = 0; i < samples.length; i++) {
    const s = Math.max(-1, Math.min(1, samples[i]));
    v.setInt16(44 + i * 2, s < 0 ? s * 0x8000 : s * 0x7fff, true);
  }
  return new Blob([buf], { type: "audio/wav" });
}
```

Почему 16 кГц моно: именно эти параметры использует собственный пример ffmpeg от BroadNet (`-ar 16000 -ac 1`), они сохраняют речевую полосу и дают втрое меньше байт, чем 48 кГц. Стерео удваивает размер без всякой пользы для одного голоса. Компромиссы разобраны в статье о [частоте дискретизации](https://broadrouter.com/ru/glossary/sample-rate/).

Арифметика размера важна, потому что WAV не сжат. 16 000 отсчётов в секунду по 2 байта — это 32 000 байт в секунду. С заголовком в 44 байта лимит BroadNet в 26 214 400 байт вмещает 819 секунд, то есть около 13 минут 39 секунд. Если нужно дольше, останавливайте запись по лимиту или режьте её на сервере, как в статье о [транскрибации длинных аудиофайлов](https://broadrouter.com/ru/blog/transcribe-long-audio-files-api/). Команды ffmpeg напишет [инструмент для нарезки аудио](https://broadrouter.com/tools/audio-splitter-ffmpeg/).

Конвертация в браузере расходует процессор и память пользователя, а весь декодированный клип лежит в памяти в виде 32-битных float. Для голосовых сообщений на несколько минут это нормально. Длинные записи лучше загружать в сжатом виде и конвертировать на сервере.

## Как конвертировать на сервере?

Отправьте сжатую запись как есть и поручите работу ffmpeg. Кода на странице меньше, загрузка легче, результат тот же:

```bash
ffmpeg -i in.webm -ar 16000 -ac 1 out.wav
```

Сохраняйте загрузку во временный файл, а не передавайте её в ffmpeg через pipe. MP4 может хранить индекс в конце файла, и ffmpeg не всегда способен прочитать такой файл из канала. В [руководстве по голосовым сообщениям WhatsApp](https://broadrouter.com/ru/guides/transcribe-whatsapp-voice-notes/) та же команда применяется к файлам `.ogg`.

## Как не допустить API-ключ в браузер?

Поставьте между страницей и API небольшой эндпоинт. Он принимает запись, при необходимости конвертирует её, проверяет размер, добавляет ключ из переменной окружения и пересылает запрос. В Node 18 и новее `fetch`, `FormData` и `Blob` встроены, так что пакеты не нужны:

```js
// server.mjs: POST /transcribe with the recording as the body. The key stays here.
import http from "node:http";
import { execFile } from "node:child_process";
import { mkdtemp, writeFile, readFile, rm } from "node:fs/promises";
import { tmpdir } from "node:os";
import { join } from "node:path";
import { promisify } from "node:util";

const API = process.env.BROADNET_BASE_URL ?? "https://inference.broadnet.ai/v1";
const KEY = process.env.BROADNET_API_KEY;
const FFMPEG = process.env.FFMPEG ?? "ffmpeg";
const MAX = 26_214_400; // BroadNet's per-file cap in bytes
const run = promisify(execFile);

async function readBody(req, limit) {
  const parts = []; let n = 0;
  for await (const c of req) { n += c.length; if (n > limit) throw Object.assign(new Error("too large"), { code: 413 }); parts.push(c); }
  return Buffer.concat(parts);
}

async function toWav(bytes) {
  // Temp files, not pipes: an MP4 from Safari can keep its index at the end.
  const dir = await mkdtemp(join(tmpdir(), "rec-"));
  try {
    await writeFile(join(dir, "in"), bytes);
    await run(FFMPEG, ["-v", "error", "-i", join(dir, "in"), "-ar", "16000", "-ac", "1", join(dir, "out.wav")]);
    return await readFile(join(dir, "out.wav"));
  } finally { await rm(dir, { recursive: true, force: true }); }
}

http.createServer(async (req, res) => {
  const reply = (code, obj) => { res.writeHead(code, { "content-type": "application/json" }); res.end(JSON.stringify(obj)); };
  if (req.method !== "POST" || req.url !== "/transcribe") return reply(404, { error: "not found" });
  try {
    const type = (req.headers["content-type"] ?? "").split(";")[0];
    let body = await readBody(req, 4 * MAX);
    if (type !== "audio/wav" && type !== "audio/mpeg") {
      try { body = await toWav(body); }
      catch { return reply(400, { error: "Could not read the recording." }); }
    }
    if (body.length > MAX) return reply(413, { error: "Recording too long; split it first." });
    const form = new FormData();
    form.append("model", "broadnet/cohere-transcribe-arabic");
    form.append("language", "ar");
    form.append("file", new Blob([body], { type: type === "audio/mpeg" ? "audio/mpeg" : "audio/wav" }),
      type === "audio/mpeg" ? "audio.mp3" : "audio.wav");
    const r = await fetch(`${API}/audio/transcriptions`, {
      method: "POST", headers: { Authorization: `Bearer ${KEY}` }, body: form,
    });
    const data = await r.json();
    return r.ok ? reply(200, { text: data.text }) : reply(r.status, { error: data });
  } catch (e) {
    return reply(e.code === 413 ? 413 : 500, { error: String(e.message ?? e) });
  }
}).listen(process.env.PORT ?? 8787);
```

Страница затем отправляет либо WAV, либо исходную запись:

```js
const stop = await startRecording();
// ...later, when the user taps Stop:
const raw = await stop();
const wav = await toWav16k(raw);          // or send `raw` and let the server convert
const r = await fetch("/transcribe", { method: "POST", headers: { "content-type": wav.type }, body: wav });
const { text } = await r.json();
```

Что стоит сохранить, адаптируя этот код:

-   **Всегда передавайте `language`.** Документация BroadNet предупреждает, что иначе арабский текст может вернуться транслитерированным латиницей. Используйте `ar` с арабской моделью или переключитесь на `broadnet/cohere-transcribe` и укажите код одного из её 14 языков.
-   **Возвращайте обезличенные ошибки.** Первая версия нашего тестового прокси пересылала ошибку ffmpeg, в которой был путь к файлу на сервере. Код выше вместо этого возвращает «Could not read the recording.».
-   **Добавьте аутентификацию и ограничение частоты запросов** до развёртывания. Иначе любой, кто найдёт `/transcribe`, потратит ваш баланс. Остальное описано в статье о [безопасности ключей LLM API](https://broadrouter.com/ru/blog/llm-api-key-security/), а ключи BroadNet можно ограничить [белыми списками IP](https://broadrouter.com/ru/guides/api-keys-ip-allow-lists/).
-   **Отклоняйте почти тихие клипы.** Сообщения на форуме о выдуманных расшифровках «Thank you» или «Bye» касаются тихих или сломанных записей. Проверяйте длительность (байты WAV ÷ 32 000) и, если получится, уровень сигнала до того, как платить за распознавание.

## Как мы это тестировали?

Ключ BroadNet не использовался. 2026-11-15 мы прогнали код выше на локальном моке `/v1/audio/transcriptions`:

1.  **Кодировщик в Node.** `encodeWav` на одной секунде тона 440 Гц с двумя обрезанными отсчётами выдал 32 044 байта. Модуль `wave` в Python прочитал его как 1 канал, 16 000 Гц, 2-байтовые отсчёты, 16 000 кадров, а ffmpeg — как `pcm_s16le, 16000 Hz, mono`. Обрезанные отсчёты получились равными 32767 и −32768.
2.  **Браузерный путь в Chromium.** Playwright запустил headless Chromium с виртуальным микрофоном. `startRecording` записал 3 секунды как `audio/webm;codecs=opus` (40 563 байта), а `toWav16k` превратил их в WAV на 96 044 байта: 3,0 секунды, 16 кГц, моно.
3.  **Прокси.** И WAV, и исходный WebM вернули 200. Мок каждый раз видел авторизацию `Bearer`, ID арабской модели, `language=ar` и файл `audio/wav` 16 кГц моно; WebM ffmpeg сконвертировал на сервере. WAV на 26 214 401 байт получил 413 без обращения к вышестоящему API. Тело, не являющееся аудио, получило 400.
4.  **Небезопасный источник.** Открытая по LAN-адресу машины через обычный HTTP, страница сообщила `isSecureContext` false, а `startRecording` бросил наше сообщение про HTTPS вместо `TypeError`.

Safari, Firefox и реальную транскрибацию мы не тестировали. Перед выпуском проверьте на настоящем iPhone.

## Сколько это стоит?

BroadNet тарифицирует транскрибацию за минуту аудио: $0.0042 для Transcribe Arabic и $0.002 для многоязычной модели. Час арабских голосовых сообщений стоит $0.25. Обе модели доступны на стартовом гранте $5, которого хватает примерно на 1,190 минут арабской речи. Для своих объёмов воспользуйтесь [калькулятором стоимости распознавания речи](https://broadrouter.com/tools/speech-to-text-cost-calculator/). Провайдеров сравнивает [руководство покупателя API распознавания арабской речи](https://broadrouter.com/ru/blog/arabic-speech-to-text-api-buyers-guide/).

## Где здесь BroadNet Inference

BroadRouter — собственный сайт BroadNet. BroadNet Inference транскрибирует загруженные файлы: WAV или MP3, один запрос на файл, JSON-ответ с текстом. Распознавание в реальном времени или стриминг, временные метки и разметка говорящих в документации не описаны. Если в вашем приложении слова должны появляться, пока пользователь говорит, возьмите провайдера со стриминговым API распознавания речи. Для голосовых сообщений, заметок и форм, где пользователь сначала записывает, а потом отправляет, описанной выше схемы с загрузкой достаточно. Настройка описана в [руководстве по API распознавания арабской речи](https://broadrouter.com/ru/guides/arabic-speech-to-text-api/), а поля перечислены в [справочнике API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-record-browser-audio-transcription-api&utm_content=body). В заявлении о конфиденциальности сказано, что аудио и расшифровки не хранятся.

Бесплатные инструменты по теме (на английском)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

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

## Термины в этой статье

[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.

[Частота дискретизации (sample rate)](https://broadrouter.com/ru/glossary/sample-rate/)

Частота дискретизации — это число отсчётов звука, записываемых за секунду, в герцах (Гц). Модели распознавания речи обычно ожидают моно-аудио с частотой 16 000 Гц (16 кГц). Вместе с разрядностью и числом каналов частота дискретизации определяет, сколько весит минута несжатого аудио.

[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.

[Вызов инструментов (tool calling)](https://broadrouter.com/ru/glossary/tool-calling/)

Вызов инструментов (function calling) — это функция LLM API, при которой модель возвращает структурированный запрос на выполнение функции, заданной разработчиком, с аргументами в JSON. Приложение выполняет функцию и отправляет результат обратно; сама модель код никогда не выполняет.

[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.

[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.

[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.

## Вопросы и ответы

### Можно ли отправить WebM из MediaRecorder прямо в API распознавания речи?

Только если API принимает WebM. Эндпоинт транскрибации OpenAI перечисляет webm и mp4 среди своих форматов. BroadNet принимает только WAV и MP3, поэтому сначала конвертируйте: в браузере через Web Audio API или на сервере командой ffmpeg -i in.webm -ar 16000 -ac 1 out.wav.

### Почему getUserMedia пишет, что navigator.mediaDevices равен undefined?

Страница открыта не в безопасном контексте. По данным MDN, getUserMedia работает только по HTTPS, на localhost или из file-URL. По обычному HTTP с другого хоста navigator.mediaDevices не существует. Отдавайте страницу по HTTPS; для разработки подойдёт localhost.

### Запись какой длины в WAV помещается в загрузку на 25 МБ?

WAV 16 кГц моно 16 бит — это 32 000 байт в секунду плюс заголовок в 44 байта. В лимит BroadNet в 26 214 400 байт помещается около 819 секунд, то есть 13 минут 39 секунд. MP3 или более низкая частота дискретизации вмещают больше; более длинное аудио режьте на части.

### Почему на iPhone пустая запись превращается в «Thank you» или «Bye»?

Разработчики на форуме OpenAI сообщают о коротких выдуманных фразах на тихих или сломанных записях и связали случаи на iOS с пустыми фрагментами dataavailable; у них помогли фильтрация фрагментов с размером 0 и запуск записи с timeslice. Проверяйте длительность перед загрузкой.

### Стоит ли вызывать API транскрибации прямо из браузера?

Нет. Всё, что есть во фронтенд-коде, включая API-ключ, пользователь может прочитать. Отправляйте аудио на собственный эндпоинт: он проверит размер и тип, добавит ключ из переменной окружения и перешлёт запрос дальше.

## Читайте также

-   [Транскрибация аудио больше 25 МБ: разрезать, отправить, склеить](https://broadrouter.com/ru/blog/transcribe-long-audio-files-api/)
-   [Альтернатива Whisper API: когда переходить и как её протестировать](https://broadrouter.com/ru/blog/whisper-api-alternative/)
-   [Многоязычный API распознавания речи: 14 языков, один эндпоинт](https://broadrouter.com/ru/blog/multilingual-speech-to-text-api/)
-   [Безопасность API-ключей LLM: хранение, ротация и белые списки IP](https://broadrouter.com/ru/blog/llm-api-key-security/)
-   [API распознавания арабской речи: как выбрать в 2026 году](https://broadrouter.com/ru/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Голосовые в текст для бизнеса: из WhatsApp и Telegram в тикеты](https://broadrouter.com/ru/blog/voice-notes-to-text-for-business/)
-   [GPU-парк и подход к инференсу BroadNet — по описанию самой BroadNet](https://broadrouter.com/ru/blog/broadnet-gpu-fleet-and-serving/)
-   [Кэширование ответов LLM API: кэш точных совпадений на Python](https://broadrouter.com/ru/blog/cache-llm-responses-cut-cost/)
-   [Руководство: Голосовые сообщения WhatsApp в текст через API](https://broadrouter.com/ru/guides/transcribe-whatsapp-voice-notes/)
-   [Руководство: API распознавания арабской речи: пошаговое руководство](https://broadrouter.com/ru/guides/arabic-speech-to-text-api/)
-   [Руководство: OpenAI Node.js SDK и BroadNet Inference](https://broadrouter.com/ru/guides/openai-node-sdk/)

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-record-browser-audio-transcription-api&utm_content=page-cta) ·

**Источники**

-   [Справочник BroadNet Inference API: WAV (audio/wav) или MP3 (audio/mpeg) до 26 214 400 байт, всегда передавайте language, JSON-ответ с полем text (дата обращения 2026-11-15) (на английском)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-record-browser-audio-transcription-api&utm_content=sources)
-   [MDN, MediaDevices.getUserMedia(): только безопасные контексты, разрешение пользователя, NotAllowedError (дата обращения 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/API/MediaDevices/getUserMedia)
-   [MDN, MediaRecorder.isTypeSupported(): true не гарантирует, что запись удастся (дата обращения 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/API/MediaRecorder/isTypeSupported_static)
-   [MDN, событие dataavailable у MediaRecorder: timeslice, stop() и неточные интервалы (дата обращения 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/API/MediaRecorder/dataavailable_event)
-   [MDN, BaseAudioContext.decodeAudioData(): передискретизация в частоту контекста, только целые файлы (дата обращения 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/API/BaseAudioContext/decodeAudioData)
-   [MDN, конструктор OfflineAudioContext(): sampleRate от 3000 до 768 000 Гц (дата обращения 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/API/OfflineAudioContext/OfflineAudioContext)
-   [Блог WebKit, MediaRecorder API: Safari записывает MP4 с видео H.264 и аудио AAC, форматы определяются во время выполнения (дата обращения 2026-11-15)](https://webkit.org/blog/11353/mediarecorder-api/)
-   [Руководство OpenAI по распознаванию речи: flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav и webm, файлы до 25 МБ (дата обращения 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Форум OpenAI Developer Community, «MediaRecorder API w/ Whisper not working on mobile browsers», июль–декабрь 2024 (дата обращения 2026-11-15)](https://community.openai.com/t/mediarecorder-api-w-whisper-not-working-on-mobile-browsers/866019)
