BroadRouter

API распознавания арабской речи: пошаговое руководство

Обновлено

Отправьте файл WAV или MP3 на https://inference.broadnet.ai/v1/audio/transcriptions с model broadnet/cohere-transcribe-arabic и language=ar. В ответе придёт JSON с расшифровкой в поле text. Другие форматы, например .ogg из WhatsApp, сначала конвертируйте в WAV. Оплата идёт за минуту аудио, и, по словам BroadNet, ни аудио, ни расшифровка не хранятся.

BroadNet Transcribe Arabic стоит $0.0042 за минуту аудио. По данным BroadNet, 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. Для других языков есть BroadNet Transcribe: 14 языков за $0.002 в минуту. См. страницу модели BroadNet Transcribe Arabic и страницу модели BroadNet Transcribe.

У других провайдеров бывает дешевле. На 2026-11-14 страница цен Soniox указывала около USD 0,10 за час транскрибации файлов (асинхронно) и USD 0,12 за час в реальном времени, а в списке языков Soniox есть арабский. Это ниже, чем $0.25 за час у BroadNet Transcribe Arabic, поэтому проверьте оба сервиса на своём аудио.

Через curl

curl https://inference.broadnet.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -F model=broadnet/cohere-transcribe-arabic \
  -F language=ar \
  -F file=@voice-note.wav

В ответе — расшифровка в формате JSON (в примере арабская фраза автоответчика: «Здравствуйте, вы позвонили на голосовую почту, оставьте, пожалуйста, сообщение»):

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

Через Python

from openai import OpenAI
import os

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

with open("voice-note.wav", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="broadnet/cohere-transcribe-arabic",
        file=audio,
        language="ar",
    )
print(result.text)

Всегда указывайте язык

Без language арабская речь может вернуться транслитерированной латиницей. Передавайте language=ar для арабского и language=en для английского.

Какие арабские диалекты поддерживаются?

BroadNet описывает BroadNet Transcribe Arabic как модель для арабского языка, включая диалекты, и публикует для неё три значения доли ошибок в словах (WER). Это собственные лабораторные измерения BroadNet из её каталога моделей:

Тестовый набор Что это WER
FLEURS-ar Чисто прочитанные предложения 3,8
MASC-ar Смешанная арабская речь из реальной жизни 21,1
Диалектный набор BroadNet Диалектная речь 23,4

Разбивки по диалектам BroadNet не публикует, поэтому никто за пределами компании не может сказать, как заливское аудио выглядит на фоне египетского или магрибского. Другие провайдеры описывают поддержку иначе. Deepgram перечисляет для Nova-3 Arabic региональные коды — от ar-AE, ar-SA и ar-EG до ar-MA и ar-IQ. Speechmatics продаёт единый пакет Global Arabic, в котором названы современный литературный арабский, заливский, египетский и левантийский диалекты, а также пакет ar_en для арабской речи вперемешку с английской. Soniox указывает арабский (ar) без подробностей о диалектах.

Код в списке — это не измеренная точность. Прежде чем выбирать, оцените каждого кандидата на своих записях, сгруппированных по диалектам:

  • Заливский (халиджи): саудовская, эмиратская, кувейтская и катарская речь, часто с английскими названиями продуктов.
  • Египетский: самый понятный в медиа диалект.
  • Левантийский: сирийская, ливанская, иорданская и палестинская речь.
  • Иракский и магрибский: марокканская, алжирская и тунисская речь обычно самый трудный случай.
  • Современный литературный арабский: новости и официальная речь, простая точка отсчёта.

Почему диалекты распознаются хуже, объясняет статья о распознавании арабских диалектов, а как их оценивать — статья о WER.

Сколько стоят API распознавания арабской речи?

Все провайдеры ниже поддерживают арабский. Сначала самые дешёвые; цены указаны для готовых записей, если не отмечено иное, и проверены 2026-11-14:

Провайдер и модель За минуту За час Заявленная поддержка арабского
Soniox, асинхронно (файлы) около USD 0,0017 около USD 0,10 Арабский (ar)
Soniox, в реальном времени около USD 0,002 около USD 0,12 Арабский (ar)
BroadNet Transcribe (14 языков) $0.002 $0.12 Арабский среди 14 языков
BroadNet Transcribe Arabic $0.0042 $0.25 Арабский, включая диалекты (по данным BroadNet)
Deepgram, Nova-3 monolingual USD 0,0043 USD 0,258 ar и региональные коды
Speechmatics, Standard USD 0,0075 USD 0,45 Global Arabic, ar_en
Speechmatics, Enhanced USD 0,0125 USD 0,75 Global Arabic, ar_en

Источники: цены Soniox (оплата за токены; часовые цифры — приблизительные значения самой Soniox), цены Deepgram и цены Speechmatics. Soniox дешевле обеих моделей BroadNet, а стриминг в реальном времени BroadNet не документирует. Аргументы в пользу BroadNet — модель, созданная специально для арабского, её заявленное место в лидерборде и нулевое хранение данных. Больше провайдеров — в нашем открытом индексе цен на API распознавания речи: там собраны цены пакетной и потоковой обработки и поддержка арабского для более чем 20 продуктов, с источником и датой для каждого (CSV и JSON). О дополнительных расходах читайте в статье сравнение цен на API распознавания речи; посчитать свой объём поможет калькулятор стоимости распознавания речи.

Лимиты

  • WAV или MP3 до 26 214 400 байт (25 МиБ) на файл. Файл больше вернёт 413; сначала разделите его.
  • Ключ с оплатой по факту допускает 30 запросов в минуту, а одновременно — не больше 4.
  • Обе модели транскрибации работают на бесплатном стартовом гранте $5, поэтому свои записи можно проверить до оплаты.

Решение проблем

  • Латиница вместо арабского письма. Добавьте language=ar.
  • 400 или 422. Проверьте имена полей (model, language, file) и то, что файл действительно WAV или MP3. Переименованный .ogg не пройдёт; конвертируйте его через ffmpeg.
  • 413. Файл больше 26 214 400 байт. Конвертируйте его в WAV 16 кГц моно или MP3 либо разделите на короткие части.
  • 401 на оплаченном аккаунте. Проверьте ключ и лимит оплаты по факту. См. коды ошибок BroadNet и повторные запросы.
  • Слабая точность на диалектах или шумных звонках. Собственный диалектный набор BroadNet даёт результат хуже, чем чисто прочитанная речь (см. FAQ). Проверьте модель на выборке своего реального аудио и измерьте долю ошибок в словах (WER).

Голосовые сообщения WhatsApp приходят в формате .ogg. Конвертируйте и транскрибируйте их за один шаг. Если вам нужны числа, даты и имена из шумного аудио, BroadNet предлагает дообученную арабскую модель по запросу.

Вопросы и ответы

Понимает ли модель арабские диалекты?

BroadNet сообщает WER 23,4 на собственном наборе диалектной речи, а также 3,8 на FLEURS-ar и 21,1 на MASC-ar. Чем меньше, тем лучше. Оценок по отдельным диалектам BroadNet не публикует, поэтому, прежде чем полагаться на модель, проверьте отдельно записи на заливском, египетском, левантийском и магрибском диалектах.

Какой API распознавания арабской речи самый дешёвый?

Из провайдеров, проверенных 2026-11-14, самую низкую цену указывает Soniox: около USD 0,10 за час транскрибации файлов. BroadNet Transcribe Arabic стоит $0.25 за час. Deepgram Nova-3 и Speechmatics дороже. Цена за час важна меньше, чем доля ошибок в словах (WER) на вашем диалектном аудио.

Какие аудиоформаты принимаются?

WAV (audio/wav) и MP3 (audio/mpeg). Другие форматы, например .ogg или .m4a, сначала конвертируйте через ffmpeg.

Почему арабская расшифровка пришла латиницей?

В запросе не было поля language. Без него арабская речь может быть транслитерирована латиницей. Передавайте language=ar в каждом запросе с арабским аудио.

Можно ли попробовать распознавание арабской речи бесплатно?

Да. Обе модели транскрибации BroadNet работают на бесплатном стартовом гранте для новых аккаунтов, поэтому свои записи можно проверить до пополнения баланса.

Что выбрать для арабского: BroadNet Transcribe Arabic или BroadNet Transcribe?

Обе принимают language=ar. BroadNet Transcribe Arabic — арабская модель, и именно её результаты BroadNet приводит в арабском лидерборде. BroadNet Transcribe дешевле за минуту и поддерживает 14 языков, поэтому проверьте обе на своём аудио.

Открыть в MarkdownСпросить ChatGPTСпросить ClaudeСпросить Perplexity