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.