---
title: "کال سینٹر ریکارڈنگ ٹرانسکرپشن: کوڈ کے ساتھ پائپ لائن"
description: "اسٹیریو کالز کو چینل کے حساب سے الگ کریں، بولنے کے turns کاٹیں، عربی اور انگریزی ٹرانسکرائب کریں، PII ہٹائیں اور LLM سے خلاصہ بنائیں۔ لاگت کے ساتھ Python پائپ لائن۔"
url: https://broadrouter.com/ur/blog/transcribe-call-center-recordings/
lang: ur
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/blog/transcribe-call-center-recordings/) (اپ ڈیٹ: 2026-11-14).

# کال سینٹر ریکارڈنگز کیسے ٹرانسکرائب کریں: عربی کے لیے تیار پائپ لائن

BroadNet Inference ٹیم · 4 منٹ کی پڑھائی · شائع شدہ 2026-11-14

کال سینٹر ریکارڈنگز ٹرانسکرائب کرنے کے لیے اسٹیریو فائلوں کو ایجنٹ اور گاہک کے چینلز میں بانٹیں، ہر چینل کو بولنے کے turns میں کاٹیں، ہر turn کو درست language code کے ساتھ ٹرانسکرائب کریں، پھر turns کو شروع کے وقت سے جوڑیں۔ LLM سے خلاصہ بنوانے سے پہلے ٹرانسکرپٹ سے کارڈ اور فون نمبر redact کریں۔ مونو ریکارڈنگز کے لیے الگ diarization مرحلہ چاہیے۔

## اہم نکات

-   زیادہ تر کال ریکارڈرز ایجنٹ اور گاہک کو الگ اسٹیریو چینلز پر رکھتے ہیں۔ انہیں بانٹنے سے diarization کے بغیر ہی درست اسپیکر لیبل مل جاتے ہیں۔
-   ہر چینل کو خاموشی پر کاٹنے سے turns کی ترتیب ملتی ہے اور خاموشی کی ادائیگی نہیں کرنی پڑتی۔
-   redaction سے پہلے مشرقی عربی ہندسے normalise کریں، ورنہ کارڈ اور فون نمبر بچ نکلتے ہیں۔
-   خلاصے والے مرحلے سے پہلے ٹرانسکرپٹ redact کریں، اور LLM سے structured JSON مانگیں۔
-   $0.0042 فی منٹ پر 1,000 گھنٹے کی عربی گفتگو ٹرانسکرائب کرنے کا خرچ $252.00 ہے۔

**اس صفحے پر**

1.  مرحلہ 1: ریکارڈنگ اسٹیریو ہے یا مونو؟
2.  مرحلہ 2: ffmpeg سے اسٹیریو چینلز کیسے بانٹیں؟
3.  مرحلہ 3: ہر چینل کو بولنے کے turns میں کیسے کاٹیں؟
4.  مرحلہ 4: ہر turn کو ٹرانسکرائب کیسے کریں؟
5.  مرحلہ 5: turns کو مکالمے میں کیسے جوڑیں؟
6.  مونو ریکارڈنگز کا کیا؟
7.  مرحلہ 6: عربی ہندسوں سمیت PII کیسے redact کریں؟
8.  مرحلہ 7: LLM سے ہر کال کا خلاصہ کیسے بنائیں؟
9.  analytics سے پہلے کون سی معیار کی جانچیں؟
10.  کال ٹرانسکرپشن کا خرچ کتنا ہے؟
11.  BroadNet Inference کہاں فٹ ہوتا ہے

_[image: A support agent with a headset beside a screen showing a call transcript, with the text "Every call becomes insight."]_

Illustration of an app you could build; not a BroadNet product screenshot.

ایک کال سینٹر ہر مہینے ہزاروں گھنٹے کا آڈیو بناتا ہے، اور اس میں سے تقریباً کچھ بھی پڑھا نہیں جاتا۔ ٹرانسکرپٹس کالز کو قابلِ تلاش بناتے ہیں۔ خلاصے انہیں قابلِ جائزہ بناتے ہیں۔ یہ پوسٹ شروع سے آخر تک پائپ لائن بناتی ہے، عربی کے زاویے سے: لہجے، عربی اور انگریزی کا امتزاج، اور مشرقی عربی ہندسے۔

مراحل:

1.  ریکارڈنگ جانچیں: اسٹیریو ہے یا مونو؟
2.  اسٹیریو کو ایجنٹ اور گاہک کے چینلز میں بانٹیں۔
3.  ہر چینل کو بولنے کے turns میں کاٹیں۔
4.  ہر turn کو درست زبان کے ساتھ ٹرانسکرائب کریں۔
5.  turns کو شروع کے وقت کے حساب سے مکالمے میں جوڑیں۔
6.  متن سے PII ہٹائیں۔
7.  LLM سے structured فیلڈز میں خلاصہ بنوائیں۔

## مرحلہ 1: ریکارڈنگ اسٹیریو ہے یا مونو؟

```bash
ffprobe -v error -show_entries stream=channels,sample_rate,duration -of csv=p=0 call.wav
# 2,8000,412.6   -> stereo, 8 kHz telephone audio, 6.9 minutes
```

کئی کانٹیکٹ سینٹر ریکارڈرز ایجنٹ کو ایک چینل پر اور گاہک کو دوسرے پر رکھتے ہیں۔ [AssemblyAI کی کانٹیکٹ سینٹر گائیڈ](https://www.assemblyai.com/docs/contact-center-best-practices) بھی یہی کہتی ہے: الگ چینلز ہوں تو diarization کے بغیر اسپیکر الگ ہو جاتے ہیں۔ چند کالز پر جانچیں کہ کون سی طرف کون ہے؛ ایجنٹ ہمیشہ left پر نہیں ہوتا۔

## مرحلہ 2: ffmpeg سے اسٹیریو چینلز کیسے بانٹیں؟

```bash
ffmpeg -i call.wav -af "pan=mono|c0=c0" -ar 16000 agent.wav
ffmpeg -i call.wav -af "pan=mono|c0=c1" -ar 16000 customer.wav
```

`pan` فلٹر ایک چینل رکھتا ہے، اور `-ar 16000` اسے 16 kHz پر resample کرتا ہے، وہی فارمیٹ جو BroadNet کی دستاویزات فون ریکارڈنگز کے لیے استعمال کرتی ہیں۔

## مرحلہ 3: ہر چینل کو بولنے کے turns میں کیسے کاٹیں؟

یہ [voice activity detection](https://broadrouter.com/ur/glossary/vad/) کی ایک سادہ شکل ہے۔ ہر پورا چینل بھیجنا کام کرتا ہے، لیکن تب آپ خاموشی کے اس ہر سیکنڈ کی ادائیگی کرتے ہیں جب دوسری طرف بول رہی ہوتی ہے، جس سے اسٹیریو کال کا بل تقریباً دگنا ہو جاتا ہے۔ اس میں turns کی ترتیب بھی کھو جاتی ہے۔ خاموشی پر کاٹنے سے دونوں ٹھیک ہو جاتے ہیں:

```python
import re, subprocess

def speech_turns(wav, noise="-35dB", min_silence=0.6):
    """Return (start, end) seconds of speech, using ffmpeg silencedetect."""
    log = subprocess.run(
        ["ffmpeg", "-i", wav, "-af", f"silencedetect=noise={noise}:d={min_silence}", "-f", "null", "-"],
        capture_output=True, text=True).stderr
    dur = float(subprocess.run(
        ["ffprobe", "-v", "error", "-show_entries", "format=duration", "-of", "csv=p=0", wav],
        capture_output=True, text=True).stdout)
    starts = [float(x) for x in re.findall(r"silence_start: ([\d.]+)", log)]
    ends = [float(x) for x in re.findall(r"silence_end: ([\d.]+)", log)]
    turns, cursor = [], 0.0
    for s, e in zip(starts, ends + [dur]):
        if s - cursor > 0.4:
            turns.append((cursor, s))
        cursor = e
    if dur - cursor > 0.4:
        turns.append((cursor, dur))
    return turns
```

`noise` کو اپنی ریکارڈنگز پر ٹیون کریں: شور والی لائنوں کو اونچی threshold چاہیے، جیسے `-30dB`۔

## مرحلہ 4: ہر turn کو ٹرانسکرائب کیسے کریں؟

```python
import os, tempfile
from openai import OpenAI

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

def transcribe_turns(wav, speaker, language="ar"):
    out = []
    for start, end in speech_turns(wav):
        with tempfile.NamedTemporaryFile(suffix=".wav") as seg:
            subprocess.run(["ffmpeg", "-y", "-loglevel", "error", "-i", wav,
                            "-ss", f"{start:.2f}", "-to", f"{end:.2f}", seg.name], check=True)
            with open(seg.name, "rb") as audio:
                text = client.audio.transcriptions.create(
                    model="broadnet/cohere-transcribe-arabic", file=audio, language=language).text
        out.append({"start": start, "speaker": speaker, "text": text.strip()})
    return out
```

ہمیشہ `language` بھیجیں۔ اس کے بغیر عربی لاطینی حروف میں لوٹ سکتی ہے۔ انگریزی queues کے لیے `broadnet/cohere-transcribe` کو `language="en"` کے ساتھ استعمال کریں۔ worker pool چھوٹا رکھیں: استعمال کے مطابق ادائیگی والی کلیدیں بیک وقت 4 درخواستوں اور فی منٹ 30 درخواستوں کی اجازت دیتی ہیں، اور [ایررز اور retries گائیڈ](https://broadrouter.com/ur/guides/errors-and-retries/) دکھاتی ہے کہ 429 پر backoff کیسے کریں۔

ایک فائل 25 MiB سے چھوٹی ہونی چاہیے۔ 16 kHz مونو WAV (تقریباً 32 KB فی سیکنڈ) میں لمبی یک طرفہ گفتگو تقریباً 13 منٹ پر یہ حد پار کر جاتی ہے؛ اسے `-f segment -segment_time 600` سے بانٹیں۔

## مرحلہ 5: turns کو مکالمے میں کیسے جوڑیں؟

```python
turns = transcribe_turns("agent.wav", "Agent") + transcribe_turns("customer.wav", "Customer")
dialogue = "\n".join(f'{t["speaker"]}: {t["text"]}' for t in sorted(turns, key=lambda t: t["start"]))
```

ایک ساتھ بولی گئی بات قریبی شروعاتی وقت والے دو turns کی شکل میں دکھتی ہے، جو ایک انسانی جائزہ لینے والا توقع بھی کرتا ہے۔

## مونو ریکارڈنگز کا کیا؟

چینلز کے بغیر آپ کو **[speaker diarization](https://broadrouter.com/ur/glossary/diarization/)** چاہیے: یہ طے کرنا کہ کون کب بولا۔ آپشنز:

| آپشن | کیسے | سمجھوتہ |
| --- | --- | --- |
| اوپن سورس diarization | اپنے سرورز پر [pyannote.audio](https://github.com/pyannote/pyannote-audio) چلائیں، پھر ہر اسپیکر segment ٹرانسکرائب کریں | ماڈل آپ ہوسٹ کرتے ہیں؛ آڈیو آپ کے پاس رہتا ہے |
| بلٹ ان diarization والا فراہم کنندہ | کئی STT APIs اسپیکر لیبل لوٹاتے ہیں؛ add-on لاگت کے لیے [قیمتوں کا موازنہ](https://broadrouter.com/ur/blog/speech-to-text-api-pricing-compared/) دیکھیں | ڈیٹا کے راستے میں ایک اور وینڈر |
| LLM سے کردار کا لیبل | turns ٹرانسکرائب کریں، پھر LLM سے سیاق و سباق کی بنیاد پر ہر turn کو Agent یا Customer لیبل کروائیں | سستا؛ چھوٹے یا مبہم turns پر غلط |
| جڑ سے ٹھیک کریں | ریکارڈر کو dual-channel پر بدلیں | طویل مدت کے لیے بہترین جواب |

BroadNet، diarization درج نہیں کرتا، اس لیے مونو آڈیو پر اسے پہلے تین آپشنز میں سے کسی ایک کے ساتھ جوڑیں۔

## مرحلہ 6: عربی ہندسوں سمیت PII کیسے redact کریں؟

کال کرنے والے کارڈ نمبر، IBAN اور فون نمبر بول کر بتاتے ہیں۔ ٹرانسکرپٹس انہیں مغربی ہندسوں (0-9) یا مشرقی عربی ہندسوں (٠-٩) میں لکھ سکتے ہیں۔ پہلے normalise کریں، پھر redact کریں:

```python
EASTERN = str.maketrans("٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹", "01234567890123456789")

def redact(text):
    text = text.translate(EASTERN)
    text = re.sub(r"\b(?:\d[ -]?){13,19}\b", "[CARD]", text)
    text = re.sub(r"\b[A-Z]{2}\d{2}[A-Z0-9]{11,30}\b", "[IBAN]", text)
    text = re.sub(r"\+?\d[\d -]{7,}\d", "[PHONE]", text)
    return text
```

نمبر الفاظ میں بھی بولے جا سکتے ہیں (“خمسة أربعة…”)، جو regex سے چھوٹ جائیں گے۔ ٹرانسکرپٹس کا ہاتھ سے سیمپل دیکھیں اور جو ملے اس کے لیے اصول شامل کریں۔ وسیع تر طریقہ [LLM API کو حساس ڈیٹا بھیجنا](https://broadrouter.com/ur/blog/llm-api-sensitive-data/) میں ہے۔

## مرحلہ 7: LLM سے ہر کال کا خلاصہ کیسے بنائیں؟

```python
import json
summary = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    response_format={"type": "json_object"},
    messages=[
        {"role": "system", "content": "Summarise this call centre dialogue. Reply in English JSON with keys: "
                                      "reason, resolution, resolved (true/false), customer_sentiment, follow_up."},
        {"role": "user", "content": redact(dialogue)},
    ],
).choices[0].message.content
print(json.loads(summary))
```

Qwen3.8 27B، [structured output](https://broadrouter.com/ur/glossary/structured-output/) سپورٹ کرتا ہے؛ جواب کو ہمیشہ پارس اور validate کریں ([کیسے](https://broadrouter.com/ur/blog/structured-output-json-schema/))۔ BroadNet کے اپنے ٹیسٹ میں یہ بھی پایا گیا کہ یہ خلیجی اور مصری لہجے سمجھتا ہے۔ اگر آپ کے ڈیش بورڈز انگریزی میں ہیں تو انگریزی JSON مانگیں، چاہے کال عربی میں ہو۔

## analytics سے پہلے کون سی معیار کی جانچیں؟

خراب ٹرانسکرپٹس پر بنے ڈیش بورڈز اتنے ہی پُراعتماد دکھتے ہیں جتنے اچھے ٹرانسکرپٹس پر بنے۔ پائپ لائن میں یہ جانچیں شامل کریں:

-   **چینل کی ادلا بدلی۔** اگر کسی ریکارڈر یا queue پر ایجنٹ اور گاہک کے لیبل الٹے ہیں تو “ایجنٹ نے کہا” والا ہر metric غلط ہے۔ پہلا turn جانچیں: ایجنٹس عام طور پر سلام اور کمپنی کے نام سے شروع کرتے ہیں۔
-   **خالی یا بہت چھوٹے ٹرانسکرپٹس۔** کوئی turn جو کوئی متن نہ لوٹائے، یا 20 الفاظ سے کم والی کال، عام طور پر خاموشی، ہولڈ میوزک یا خراب فائل ہوتی ہے۔ اس کا خلاصہ بنانے کے بجائے اسے فلیگ کریں۔
-   **زبان کا بے میل ہونا۔** کوئی انگریزی queue جو اچانک عربی متن دینے لگے، یا لاطینی حروف میں لوٹی عربی، غلط `language` ویلیو کی طرف اشارہ کرتی ہے۔
-   **خلاصے کا بھٹکنا۔** ہر ہفتے ایک سپروائزر 20 خلاصوں کا پورے ٹرانسکرپٹ سے موازنہ کرے۔ نظر رکھیں کہ `resolved` کتنی بار غلط ہے۔

صرف خلاصہ نہیں، ہر turn کے ٹرانسکرپٹس محفوظ کریں۔ جب کسی خلاصے پر اختلاف ہو تو turns ہی آپ کا ثبوت ہیں۔

## کال ٹرانسکرپشن کا خرچ کتنا ہے؟

turns کاٹنے سے بل ہونے والا آڈیو گفتگو کے وقت کے قریب رہتا ہے۔ 1,000 گھنٹے کی عربی گفتگو کے لیے:

-   ٹرانسکرپشن: [BroadNet Transcribe Arabic](https://broadrouter.com/ur/models/cohere-transcribe-arabic/) پر $0.0042 فی منٹ کے حساب سے $252.00، یا انگریزی queues کے لیے 14 زبانوں والے [BroadNet Transcribe](https://broadrouter.com/ur/models/cohere-transcribe/) پر $120.00۔
-   خلاصے: 7 منٹ کی کال اکثر چند ہزار ٹوکن کی ہوتی ہے۔ اپنی اصل ٹرانسکرپٹ لمبائیوں کے ساتھ اس کی قیمت [LLM API لاگت کیلکولیٹر](https://broadrouter.com/tools/llm-api-cost-calculator/) میں دیکھیں، اور آڈیو والا حصہ [speech-to-text لاگت کیلکولیٹر](https://broadrouter.com/tools/speech-to-text-cost-calculator/) میں۔

## BroadNet Inference کہاں فٹ ہوتا ہے

BroadNet مرحلہ 4 اور 7 کو ایک کلید اور ایک [base URL](https://broadrouter.com/ur/glossary/base-url/) سے پورا کرتا ہے: ٹرانسکرپشن کے لیے عربی اور 13 دوسری زبانیں، اور خلاصے کے لیے عربی پر ٹیسٹ شدہ چیٹ ماڈلز۔ آڈیو، ٹرانسکرپٹس اور پرامپٹس نہیں رکھے جاتے ([زیرو ڈیٹا ریٹینشن](https://broadrouter.com/ur/privacy/))، اور BroadNet اپنے عربی ماڈل کو Open Universal Arabic ASR Leaderboard پر 37 میں سے #2 (یہ ستمبر 2026 کی پوزیشن ہے؛ 15 نومبر، 2026 کو لائیو لیڈر بورڈ پر یہ 39 میں سے #4 تھا) بتاتا ہے۔

یہ آپ کے لیے diarization، ریئل ٹائم ٹرانسکرپشن یا redaction نہیں کرتا؛ وہ آپ کی پائپ لائن میں رہتے ہیں۔ فیصلہ کرنے سے پہلے [عربی لہجوں کی speech recognition](https://broadrouter.com/ur/blog/arabic-dialect-speech-recognition/) والے طریقے سے اپنے لہجے ٹیسٹ کریں۔

اس موضوع کے مفت ٹولز (انگریزی میں)

-   [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.

[مفت ٹولز (انگریزی میں)](https://broadrouter.com/tools/)

## اس مضمون کی اصطلاحات

[اسپیچ ٹو ٹیکسٹ (speech-to-text)](https://broadrouter.com/ur/glossary/speech-to-text/)

اسپیچ ٹو ٹیکسٹ، جسے automatic speech recognition (ASR) بھی کہتے ہیں، بولے گئے آڈیو کو تحریری متن میں بدلنے کی ٹیکنالوجی ہے۔ speech-to-text API آڈیو فائل یا اسٹریم لے کر ٹرانسکرپٹ لوٹاتا ہے، عموماً فی آڈیو منٹ قیمت پر۔ درستگی ورڈ ایرر ریٹ سے ناپی جاتی ہے اور لہجے، بولی اور ریکارڈنگ کے معیار کے ساتھ بدلتی ہے۔

[AI ایجنٹ (AI agent)](https://broadrouter.com/ur/glossary/agent/)

AI ایجنٹ ایسا نظام ہے جس میں لینگویج ماڈل کسی ہدف کی طرف اپنے قدم خود طے کرتا ہے: کون سے ٹولز کال کرنے ہیں، یہ چنتا ہے، نتائج پڑھتا ہے اور حتمی جواب یا کسی حد تک دہراتا رہتا ہے۔ مقررہ مقامات پر ماڈل کو کال کرنے والی اسکرپٹ کو عموماً workflow کہا جاتا ہے۔

[اسپیکر ڈائرائزیشن (speaker diarization)](https://broadrouter.com/ur/glossary/diarization/)

اسپیکر ڈائرائزیشن آڈیو ریکارڈنگ کو بولنے والوں کے لحاظ سے حصوں میں بانٹنے کا کام ہے، جو بتاتا ہے کہ "کون کب بولا"۔ یہ گفتگو کے ہر حصے پر SPEAKER\_00 جیسی گمنام اسپیکر ID لگاتی ہے، اور عموماً ٹرانسکرپٹ کے ساتھ ملا کر دکھاتی ہے کہ ہر سطر کس نے کہی۔

[استعمال کے مطابق ادائیگی (pay-as-you-go)](https://broadrouter.com/ur/glossary/pay-as-you-go/)

استعمال کے مطابق ادائیگی (pay-as-you-go) قیمت طے کرنے کا ایک ماڈل ہے جس میں آپ صرف اتنا دیتے ہیں جتنا استعمال کرتے ہیں، ٹوکن، درخواستوں یا آڈیو منٹ جیسی اکائیوں میں ناپ کر، بغیر سبسکرپشن یا کم از کم وابستگی کے۔ زیادہ تر LLM API اسی طرح بل بناتے ہیں، پری پیڈ بیلنس یا وقتاً فوقتاً بننے والی انوائس سے۔

[اسٹرکچرڈ آؤٹ پٹ (structured output)](https://broadrouter.com/ur/glossary/structured-output/)

اسٹرکچرڈ آؤٹ پٹ LLM API کا ایک فیچر ہے جو ماڈل کے جواب کو ڈویلپر کے طے کردہ فارمیٹ، عموماً JSON Schema، تک محدود کرتا ہے، تاکہ کوڈ اسے قابلِ اعتماد طریقے سے پارس کر سکے۔ یہ JSON mode سے زیادہ سخت ہے، جو درست JSON کی ضمانت دیتا ہے، لیکن کسی خاص ساخت کی نہیں۔

[ٹول کالنگ (tool calling)](https://broadrouter.com/ur/glossary/tool-calling/)

ٹول کالنگ، جسے function calling بھی کہتے ہیں، LLM API کی وہ سہولت ہے جس میں ماڈل ڈویلپر کے طے کردہ کسی فنکشن کو چلانے کی ایک منظم درخواست، JSON آرگیومنٹس کے ساتھ، لوٹاتا ہے۔ ایپلیکیشن فنکشن چلا کر نتیجہ واپس بھیجتی ہے؛ ماڈل خود کبھی کوڈ نہیں چلاتا۔

[کنکرنسی (concurrency)](https://broadrouter.com/ur/glossary/concurrency/)

کنکرنسی، کسی کلائنٹ کی بیک وقت چل رہی (in-flight) درخواستوں کی تعداد ہے۔ LLM APIs اکثر اس کی حد ہر کلید یا پلان پر، فی منٹ درخواستوں سے الگ رکھتے ہیں، کیونکہ ہر کھلی درخواست جواب مکمل ہونے تک GPU کی گنجائش گھیرے رکھتی ہے۔

[base URL](https://broadrouter.com/ur/glossary/base-url/)

base URL کسی API کا مقررہ بنیادی پتہ ہے، جیسے https://api.example.com/v1، جسے کلائنٹ /chat/completions جیسے ہر اینڈپوائنٹ پاتھ کے آگے لگاتا ہے۔ OpenAI-compatible SDK میں base URL کو API کلید اور ماڈل ID کے ساتھ بدلنے سے وہی کوڈ کسی دوسرے فراہم کنندہ سے جڑ جاتا ہے۔

## عام سوالات

### کال ریکارڈنگ میں ایجنٹ اور گاہک کو الگ کیسے کروں؟

اگر ریکارڈنگ اسٹیریو ہے تو ایجنٹ اور گاہک عام طور پر الگ چینلز پر ہوتے ہیں۔ ffmpeg سے انہیں بانٹیں اور ہر چینل کو الگ سے ٹرانسکرائب کریں۔ اگر مونو ہے تو speaker diarization چاہیے۔

### کیا دونوں اسٹیریو چینلز ٹرانسکرائب کرنے پر مجھے دو بار ادائیگی کرنی پڑتی ہے؟

اگر آپ ہر پورا چینل بھیجتے ہیں تو جی ہاں، کیونکہ ہر چینل کال جتنا ہی لمبا ہے۔ ہر چینل کو بولنے کے turns میں کاٹ کر صرف turns بھیجنے سے بل ہونے والا آڈیو اصل گفتگو کے وقت کے قریب آ جاتا ہے۔

### کیا میں ایسی عربی کالز ٹرانسکرائب کر سکتا ہوں جن میں انگریزی الفاظ ملے ہوں؟

جی ہاں، لیکن ٹیسٹ کریں۔ خلیجی اور شامی (Levantine) ایجنٹس پروڈکٹ کے ناموں اور نمبروں کے لیے اکثر انگریزی پر چلے جاتے ہیں۔ keyword search یا analytics پر بھروسہ کرنے سے پہلے 20 اصل کالز پر دیکھیں کہ وہ الفاظ کیسے آتے ہیں۔

### مجھے آڈیو redact کرنا چاہیے یا متن؟

ٹرانسکرپٹ کے متن کو LLM، analytics یا search تک جانے سے پہلے redact کریں۔ اگر آپ آڈیو رکھتے ہیں تو اس میں بولے گئے نمبر پھر بھی موجود ہیں، اس لیے آڈیو تک رسائی بھی محدود کریں اور اسے وقت پر ختم کریں۔

### ہر آڈیو فائل کتنی لمبی ہو سکتی ہے؟

BroadNet ہر درخواست میں 26,214,400 bytes (25 MiB) تک کی WAV یا MP3 قبول کرتا ہے۔ 16 kHz مونو WAV تقریباً 32 KB فی سیکنڈ ہے، اس لیے segments تقریباً 13 منٹ سے چھوٹے رکھیں، یا MP3 استعمال کریں۔

## مزید پڑھیں

-   [عربی ریکارڈنگز سے میٹنگ منٹس: ایک API پائپ لائن](https://broadrouter.com/ur/blog/arabic-meeting-minutes-from-recordings/)
-   [25 MB سے بڑا لمبا آڈیو ٹرانسکرائب کریں: تقسیم، ارسال، جوڑ](https://broadrouter.com/ur/blog/transcribe-long-audio-files-api/)
-   [عربی speech-to-text API: 2026 میں درست API کیسے منتخب کریں](https://broadrouter.com/ur/blog/arabic-speech-to-text-api-buyers-guide/)
-   [LLM API کو حساس ڈیٹا بھیجنا: redact کریں، کم بھیجیں، کم لاگ کریں](https://broadrouter.com/ur/blog/llm-api-sensitive-data/)
-   [عربی لہجوں کی speech recognition: خلیجی، مصری، شامی، مغربی](https://broadrouter.com/ur/blog/arabic-dialect-speech-recognition/)
-   [اسپیچ ٹو ٹیکسٹ API کی قیمتوں کا موازنہ: 2026 میں فی منٹ قیمت](https://broadrouter.com/ur/blog/speech-to-text-api-pricing-compared/)
-   [LLM سے عربی متن پر اعراب (تشکیل) لگانا: پرامپٹ، جانچ، DER](https://broadrouter.com/ur/blog/arabic-diacritization-llm/)
-   [LLM سے عربی گرامر اور املا کی تصحیح: ایک عملی رہنما](https://broadrouter.com/ur/blog/arabic-grammar-spelling-correction-llm/)
-   [گائیڈ: عربی speech-to-text API، قدم بہ قدم](https://broadrouter.com/ur/guides/arabic-speech-to-text-api/)
-   [گائیڈ: BroadNet Inference کے ایرر کوڈز اور دوبارہ کوشش کب کریں](https://broadrouter.com/ur/guides/errors-and-retries/)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

[شروع کریں](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-transcribe-call-center-recordings&utm_content=page-cta) ·

**ذرائع**

-   [FFmpeg filters کی دستاویزات (pan، silencedetect)](https://ffmpeg.org/ffmpeg-filters.html)
-   [AssemblyAI، کانٹیکٹ سینٹر best practices (multichannel آڈیو)](https://www.assemblyai.com/docs/contact-center-best-practices)
-   [pyannote.audio، اوپن سورس speaker diarization](https://github.com/pyannote/pyannote-audio)
-   [BroadNet Inference API ریفرنس، ٹرانسکرپشن اور حدیں (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-transcribe-call-center-recordings&utm_content=sources)
-   [BroadNet Inference کی مشین کے پڑھنے لائق قیمتیں (pricing.json) (انگریزی میں)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-transcribe-call-center-recordings&utm_content=sources)
