BroadRouter

Konuşmadan metne (speech-to-text)

Güncellendi

Konuşmadan metne (speech-to-text), otomatik konuşma tanıma (ASR) olarak da bilinir; konuşulan sesi yazılı metne dönüştüren teknolojidir. Bir konuşmadan metne API'si ses dosyası veya akışı alıp transkript döndürür ve genellikle ses dakikası başına fiyatlandırılır. Doğruluk kelime hata oranıyla ölçülür; aksana, lehçeye ve kayıt kalitesine göre değişir.

Diğer adları: konuşmadan metne, sesten metne, ses metne çevirme, ses tanıma, konuşma tanıma, transkripsiyon API, deşifre, STT, ASR, speech-to-text, automatic speech recognition, transcription API, audio transcription, voice to text

Sesli notlar, aramalar ve toplantılar, metne dönüşene kadar yazılımın arayamadığı bilgiler içerir. Konuşmadan metne bu boşluğu kapatır.

Nasıl çalışır

Hugging Face otomatik konuşma tanımayı “the task of transcribing a given audio to text” (çeviri: verilen bir sesi metne dökme görevi) olarak tanımlar. Modern bir ASR modeli sesi özniteliklere dönüştürür, ardından en olası kelime dizisini üretir.

OpenAI uyumlu bir API’de dosyayı multipart form verisi olarak /v1/audio/transcriptions adresine yüklersiniz:

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

Yanıt, transkripti text alanında içeren bir JSON’dur. Sağlayıcılar dosya boyutu ve formatlarına sınır koyar; OpenAI’nin kendi uç noktası 25 MB’a kadar dosya kabul eder (konuşmadan metne rehberi, 2026-11-15 tarihinde kontrol edildi).

Neden önemli

  • Değeri doğruluk belirler. İsimleri veya sayıları yanlış olan bir transkript, hiç olmamasından kötü olabilir. Doğruluk kelime hata oranıyla ölçülür ve aksanlarda, lehçelerde, üst üste konuşmalarda ve telefon seslerinde düşer.
  • Ses saati başına fiyat. STT ses dakikası başına faturalandırılır; bu yüzden hacmi öngörmek kolaydır: ses saati çarpı saatlik ücret.
  • Gizlilik. Ses; isimler, telefon numaraları, sağlık veya bankacılık bilgileri taşır. Ses kayıtlarının ve transkriptlerin saklanıp saklanmadığını sorun; bkz. sıfır veri saklama.
  • İşlem hatları. Transkript çoğu zaman özetleme, yönlendirme veya bilgi çıkarma için bir LLM’ye aktarılır.

BroadNet Inference’ta

Model Diller Dakika başına fiyat Saat başına
BroadNet Transcribe Arabic Lehçeler dahil Arapça $0.0042 $0.25
BroadNet Transcribe 14 dil $0.002 $0.12

İkisi de dosya başına 26.214.400 bayta (25 MiB) kadar WAV veya MP3 kabul eder; daha büyük bir dosya 413 döndürür. Arapça için language=ar gönderin; aksi hâlde Latin harflerine çevriyazıyla dönebilir. BroadNet, Arapça modelin Open Universal Arabic ASR Leaderboard sıralamasında 37 model arasında 2. (Eylül 2026 verisi; canlı sıralamada 15 Kasım 2026 itibarıyla 39 model arasında 4.) konumunda olduğunu bildiriyor. Ses kayıtları ve transkriptler saklanmaz.

Başka sağlayıcılar daha ucuz olabilir. 2026-11-14 tarihinde Soniox’un fiyat sayfası dosya (asenkron) transkripsiyonu için saatte yaklaşık USD 0,10, gerçek zamanlı için saatte USD 0,12 listeliyordu ve dil listesinde Arapça yer alıyor. Bu, BroadNet Transcribe Arabic’in saatlik $0.25 ücretinin altında; bu yüzden ikisini de kendi sesleriniz üzerinde test edin. Açık konuşmadan metne API fiyat endeksimiz, her fiyat için kaynak ve tarihle 20’den fazla ürünü listeliyor.

İki model de $5 tutarındaki ücretsiz başlangıç kredisiyle çalışır; bu kredi yaklaşık 1,190 dakika Arapça sesi karşılar. Arapça konuşmadan metne rehberiyle başlayın, WhatsApp .ogg dosyalarını sesli not rehberiyle dönüştürün ve sağlayıcıları satın alma rehberiyle karşılaştırın.

Sık sorulan sorular

Konuşmadan metne doğruluğu nasıl ölçülür?

Kelime hata oranıyla (WER): bir transkriptin doğru bir referansa göre yanlış yazdığı kelimelerin oranı. Düşük olan daha iyidir. Doğruluk aksana, lehçeye ve ses kalitesine göre çok değiştiği için bunu kendi kayıtlarınız üzerinde ölçün.

Boyut sınırından büyük dosyaları nasıl yazıya dökerim?

Sesi tercihen duraklamalardan olmak üzere daha kısa parçalara bölün ve her birini ayrı ayrı yazıya dökün. MP3'e sıkıştırmak da boyutu küçültür.

Arapça neden bazen Latin harfleriyle geliyor?

Dil ipucu verilmezse bazı modeller çevriyazı yapar. BroadNet Inference'ta Arapça için language=ar gönderin.

Markdown olarak okuChatGPT asistanına sorClaude asistanına sorPerplexity asistanına sor