BroadRouter

عربی speech-to-text API، قدم بہ قدم

اپ ڈیٹ

WAV یا MP3 فائل https://inference.broadnet.ai/v1/audio/transcriptions پر model broadnet/cohere-transcribe-arabic اور language=ar کے ساتھ بھیجیں۔ ریسپانس JSON ہوتا ہے، ٹرانسکرپٹ text میں۔ WhatsApp کی .ogg جیسے دوسرے فارمیٹس کو پہلے WAV میں تبدیل کریں۔ قیمت فی آڈیو منٹ ہے، اور BroadNet کے مطابق کوئی آڈیو یا ٹرانسکرپٹ محفوظ نہیں رکھا جاتا۔

BroadNet Transcribe Arabic کی قیمت $0.0042 فی آڈیو منٹ ہے۔ BroadNet کے مطابق Open Universal Arabic ASR Leaderboard پر اس کی رینک 37 میں سے #2 (یہ ستمبر 2026 کی پوزیشن ہے؛ 15 نومبر، 2026 کو لائیو لیڈر بورڈ پر یہ 39 میں سے #4 تھا) ہے، اور جن ماڈلز کا لائسنس API کے ذریعے پیش کرنے کی اجازت دیتا ہے، ان میں یہ #1 ہے۔ دوسری زبانوں کے لیے BroadNet Transcribe 14 زبانیں $0.002 فی منٹ پر کور کرتا ہے۔ دیکھیں BroadNet Transcribe Arabic ماڈل صفحہ اور BroadNet Transcribe ماڈل صفحہ۔

دوسرے فراہم کنندگان سستے پڑ سکتے ہیں۔ 2026-11-14 کو Soniox کے قیمتوں والے صفحے پر فائل (async) ٹرانسکرپشن کے لیے تقریباً USD 0.10 فی گھنٹہ اور ریئل ٹائم کے لیے USD 0.12 فی گھنٹہ درج تھا، اور اس کی زبانوں کی فہرست میں عربی شامل ہے۔ یہ BroadNet Transcribe Arabic کے $0.25 فی گھنٹہ سے کم ہے، اس لیے دونوں کو اپنے آڈیو پر ٹیسٹ کریں۔

curl کے ساتھ

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

ریسپانس میں ٹرانسکرپٹ JSON کی صورت میں آتا ہے:

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

Python کے ساتھ

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)

language ہمیشہ بھیجیں

language کے بغیر عربی لاطینی حروف میں منتقل ہو کر واپس آ سکتی ہے۔ عربی کے لیے language=ar اور انگریزی کے لیے language=en بھیجیں۔

یہ کون سے عربی لہجے سنبھالتا ہے؟

BroadNet کے مطابق BroadNet Transcribe Arabic لہجوں سمیت عربی کو کور کرتا ہے، اور BroadNet اس کے تین ورڈ ایرر ریٹ شائع کرتا ہے۔ یہ BroadNet کی اپنی لیب پیمائشیں ہیں، جو اس کے ماڈل کیٹلاگ میں ہیں:

ٹیسٹ سیٹ یہ کیا ہے ورڈ ایرر ریٹ
FLEURS-ar صاف پڑھے گئے جملے 3.8
MASC-ar حقیقی دنیا کی ملی جلی عربی گفتگو 21.1
BroadNet لہجہ سیٹ لہجوں والی گفتگو 23.4

BroadNet لہجوں کے لحاظ سے تفصیل شائع نہیں کرتا، اس لیے BroadNet سے باہر کوئی نہیں بتا سکتا کہ خلیجی آڈیو مصری یا مغربی کے مقابلے میں کیسا اسکور کرتا ہے۔ دوسرے فراہم کنندگان کوریج مختلف انداز میں بتاتے ہیں۔ Deepgram، Nova-3 Arabic کو علاقائی کوڈز کے ساتھ درج کرتا ہے، ar-AE، ar-SA اور ar-EG سے لے کر ar-MA اور ar-IQ تک۔ Speechmatics ایک “Global Arabic” پیک بیچتا ہے جس میں Modern Standard Arabic، خلیجی، مصری اور شامی (لیونٹائن) گفتگو کا نام ہے، اور ساتھ میں انگریزی ملی عربی کے لیے ایک ar_en پیک۔ Soniox عربی (ar) کو لہجوں کی تفصیل کے بغیر درج کرتا ہے۔

فہرست میں موجود کوڈ ناپی ہوئی درستگی نہیں ہے۔ انتخاب سے پہلے ہر امیدوار کو اپنی کلپس پر، لہجے کے لحاظ سے گروپ بنا کر، اسکور کریں:

  • خلیجی: سعودی، اماراتی، کویتی، قطری گفتگو، اکثر انگریزی پروڈکٹ ناموں کے ساتھ۔
  • مصری: میڈیا میں سب سے زیادہ سمجھا جانے والا لہجہ۔
  • شامی (لیونٹائن): شامی، لبنانی، اردنی اور فلسطینی گفتگو۔
  • عراقی اور مغربی: مراکشی، الجزائری اور تیونسی گفتگو عام طور پر سب سے مشکل ہوتی ہے۔
  • Modern Standard Arabic: خبریں اور رسمی گفتگو، آسان بنیادی معیار۔

عربی لہجوں کی اسپیچ ریکگنیشن گائیڈ بتاتی ہے کہ لہجوں کا اسکور خراب کیوں آتا ہے، اور ورڈ ایرر ریٹ کی وضاحت دکھاتی ہے کہ انہیں اسکور کیسے کریں۔

عربی speech-to-text API کی قیمت کتنی ہے؟

نیچے کا ہر فراہم کنندہ عربی درج کرتا ہے۔ سب سے سستا پہلے؛ جہاں الگ سے نہ لکھا ہو، قیمتیں پہلے سے ریکارڈ شدہ فائلوں کی ہیں، اور 2026-11-14 کو جانچی گئیں:

فراہم کنندہ اور ماڈل فی منٹ فی گھنٹہ بتائی گئی عربی کوریج
Soniox، async (فائل) تقریباً USD 0.0017 تقریباً USD 0.10 عربی (ar)
Soniox، ریئل ٹائم تقریباً USD 0.002 تقریباً USD 0.12 عربی (ar)
BroadNet Transcribe (14 زبانیں) $0.002 $0.12 14 زبانوں میں عربی
BroadNet Transcribe Arabic $0.0042 $0.25 لہجوں سمیت عربی (BroadNet کے مطابق)
Deepgram، Nova-3 monolingual USD 0.0043 USD 0.258 ar اور علاقائی کوڈز
Speechmatics، Standard USD 0.0075 USD 0.45 Global Arabic، ar_en
Speechmatics، Enhanced USD 0.0125 USD 0.75 Global Arabic، ar_en

ذرائع: Soniox کی قیمتیں (بلنگ فی ٹوکن؛ فی گھنٹہ اعداد Soniox کے اپنے اندازے ہیں)، Deepgram کی قیمتیں اور Speechmatics کی قیمتیں۔ Soniox دونوں BroadNet ماڈلز سے سستا ہے، اور BroadNet ریئل ٹائم اسٹریمنگ کی دستاویز نہیں دیتا۔ BroadNet کے حق میں عربی کے لیے مخصوص ماڈل، اس کی بتائی گئی لیڈر بورڈ رینک اور زیرو ڈیٹا ریٹینشن ہیں۔ مزید فراہم کنندگان کے لیے ہمارا کھلا speech-to-text API قیمت انڈیکس دیکھیں، جس میں 20 سے زیادہ پروڈکٹس کی batch اور اسٹریمنگ قیمتیں اور عربی سپورٹ درج ہے، ہر ایک کے ماخذ اور تاریخ کے ساتھ (CSV اور JSON)۔ اضافی اخراجات کے لیے speech-to-text API قیمتوں کا موازنہ دیکھیں؛ اپنے حجم کی قیمت نکالنے کے لیے اسپیچ ٹو ٹیکسٹ لاگت کیلکولیٹر استعمال کریں۔

حدیں

  • WAV یا MP3، فی فائل 26,214,400 بائٹس (25 MiB) تک۔ بڑی فائل پر 413 آتا ہے؛ پہلے اسے حصوں میں تقسیم کریں۔
  • استعمال کے مطابق ادائیگی والی کلیدیں فی منٹ 30 درخواستوں اور بیک وقت 4 درخواستوں کی اجازت دیتی ہیں۔
  • دونوں ٹرانسکرپشن ماڈلز $5 کے مفت ابتدائی کریڈٹ پر چلتے ہیں، اس لیے ادائیگی سے پہلے آپ اپنی ریکارڈنگز ٹیسٹ کر سکتے ہیں۔

مسائل کا حل

  • عربی رسم الخط کے بجائے لاطینی حروف۔ language=ar شامل کریں۔
  • 400 یا 422۔ فیلڈز کے نام (model، language، file) جانچیں، اور یہ بھی کہ فائل واقعی WAV یا MP3 ہے۔ نام بدلی ہوئی .ogg ناکام ہوتی ہے؛ اسے ffmpeg سے تبدیل کریں۔
  • 413۔ فائل 26,214,400 بائٹس سے بڑی ہے۔ اسے 16 kHz mono WAV یا MP3 میں تبدیل کریں، یا چھوٹے حصوں میں تقسیم کریں۔
  • پیڈ اکاؤنٹ پر 401۔ کلید اور استعمال کے مطابق ادائیگی والی حد جانچیں۔ دیکھیں BroadNet کے ایرر کوڈز اور دوبارہ کوشش۔
  • لہجے والی یا شور بھری کالز پر کمزور درستگی۔ BroadNet کے اپنے لہجہ ٹیسٹ سیٹ کا اسکور صاف پڑھی گئی گفتگو سے خراب ہے (FAQ دیکھیں)۔ اپنے اصل آڈیو کے ایک نمونے پر ٹیسٹ کریں اور ورڈ ایرر ریٹ ناپیں۔

WhatsApp وائس نوٹس .ogg میں آتے ہیں۔ WhatsApp وائس نوٹس ایک ہی قدم میں تبدیل اور ٹرانسکرائب کریں۔ اگر آپ کو شور بھرے آڈیو میں نمبر، تاریخیں اور نام چاہییں تو BroadNet درخواست پر ایک فائن ٹیونڈ عربی ماڈل پیش کرتا ہے۔

عام سوالات

کیا یہ عربی لہجے سمجھتا ہے؟

BroadNet اپنے لہجوں والے ٹیسٹ سیٹ پر 23.4 ورڈ ایرر ریٹ بتاتا ہے، ساتھ میں FLEURS-ar پر 3.8 اور MASC-ar پر 21.1۔ کم بہتر ہے۔ BroadNet ہر لہجے کا الگ اسکور شائع نہیں کرتا، اس لیے انحصار کرنے سے پہلے خلیجی، مصری، شامی (لیونٹائن) اور مغربی ریکارڈنگز الگ الگ ٹیسٹ کریں۔

سب سے سستا عربی speech-to-text API کون سا ہے؟

2026-11-14 کو جانچے گئے فراہم کنندگان میں Soniox کی شرح سب سے کم ہے، فائل ٹرانسکرپشن کے لیے تقریباً USD 0.10 فی گھنٹہ۔ BroadNet Transcribe Arabic کی قیمت $0.25 فی گھنٹہ ہے۔ Deepgram Nova-3 اور Speechmatics مہنگے ہیں۔ فی گھنٹہ قیمت سے زیادہ اہم آپ کے اپنے لہجے والے آڈیو پر ورڈ ایرر ریٹ ہے۔

کون سے آڈیو فارمیٹس قبول ہوتے ہیں؟

WAV (audio/wav) اور MP3 (audio/mpeg)۔ .ogg یا .m4a جیسے دوسرے فارمیٹس کو پہلے ffmpeg سے تبدیل کریں۔

میرا عربی ٹرانسکرپٹ لاطینی حروف میں کیوں لکھا آ رہا ہے؟

درخواست میں language فیلڈ نہیں تھی۔ اس کے بغیر عربی گفتگو لاطینی رسم الخط میں منتقل ہو سکتی ہے۔ ہر عربی درخواست کے ساتھ language=ar بھیجیں۔

کیا میں عربی ٹرانسکرپشن مفت آزما سکتا ہوں؟

ہاں۔ BroadNet کے دونوں ٹرانسکرپشن ماڈلز اس مفت ابتدائی کریڈٹ پر چلتے ہیں جو نئے اکاؤنٹس کو ملتا ہے، اس لیے ٹاپ اپ سے پہلے آپ اپنی ریکارڈنگز ٹیسٹ کر سکتے ہیں۔

عربی کے لیے BroadNet Transcribe Arabic استعمال کروں یا BroadNet Transcribe؟

دونوں language=ar قبول کرتے ہیں۔ BroadNet Transcribe Arabic عربی ماڈل ہے، اور وہی ماڈل جسے BroadNet عربی لیڈر بورڈ پر رپورٹ کرتا ہے۔ BroadNet Transcribe فی منٹ سستا ہے اور 14 زبانیں کور کرتا ہے، اس لیے دونوں کو اپنے آڈیو پر ٹیسٹ کریں۔

Markdown میں پڑھیںChatGPT سے پوچھیںClaude سے پوچھیںPerplexity سے پوچھیں