BroadRouter

Giọng nói tiếng Ả Rập thành văn bản

Cập nhật

Dùng BroadNet Transcribe Arabic (broadnet/cohere-transcribe-arabic) cho âm thanh tiếng Ả Rập, giá US$0,0042 mỗi phút. BroadNet Transcribe (broadnet/cohere-transcribe) hỗ trợ 14 ngôn ngữ, gồm cả tiếng Ả Rập, giá US$0,002. Cả hai nhận WAV hoặc MP3 tối đa 26.214.400 byte trên /v1/audio/transcriptions. Gửi kèm language=ar.

Một phụ nữ nói vào điện thoại và sóng âm biến thành lời chào tiếng Ả Rập “أهلاً وسهلاً” (chào mừng), bên cạnh dòng chữ tiếng Anh “Arabic speech-to-text” (chuyển giọng nói tiếng Ả Rập thành văn bản) và “BroadRouter”.
Chữ trong ảnh, bằng tiếng Anh: “Arabic speech-to-text”, tức là chuyển giọng nói tiếng Ả Rập thành văn bản.

Model tiếng Ả Rập hay model đa ngôn ngữ?

ModelNgôn ngữMỗi phútMỗi giờTín dụng ban đầu
BroadNet Transcribe Arabic
broadnet/cohere-transcribe-arabic
Tiếng Ả RậpUS$0,0042US$0,252Có, khoảng 1.190 phút
BroadNet Transcribe
broadnet/cohere-transcribe
14 ngôn ngữ, gồm tiếng Ả RậpUS$0,002US$0,12Có, khoảng 2.500 phút

BroadNet Transcribe Arabic

Model tiếng Ả Rập của BroadNet. BroadNet cho biết model xử lý được tiếng Ả Rập vùng Vịnh, Ai Cập, Levant, Maghreb và tiếng Ả Rập chuẩn hiện đại, và khuyến nghị dùng nó cho âm thanh tiếng Ả Rập. Model trả về chữ viết Ả Rập. Trang model và kết quả do BroadNet công bố.

BroadNet Transcribe

Một model cho 14 ngôn ngữ, đơn giá mỗi phút thấp hơn. Hãy dùng khi các file âm thanh của bạn thuộc nhiều ngôn ngữ khác nhau, và thử đầu ra tiếng Ả Rập trên bản ghi của chính bạn trước. Trang model.

Hỗ trợ những ngôn ngữ và định dạng nào?

From voice note to Arabic text
  1. 01Voice notePhones and messaging apps often save .ogg or .m4a

    .ogg .m4a

  2. 02ConvertWAV or MP3, up to 26,214,400 bytes per file

    .wav .mp3

    ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav

  3. 03TranscribeArabic model, language set to Arabic

    POST /v1/audio/transcriptionsmodel=broadnet/cohere-transcribe-arabiclanguage=ar

  4. 04TextRead the text field of the response

    text

Phone voice notes usually arrive as .ogg or .m4a. Convert them to WAV or MP3 of up to 26,214,400 bytes, send the file to the transcription endpoint with language set to ar, and read the text from the response.

Endpoint
POST /v1/audio/transcriptions (multipart form)
Định dạng
WAV (audio/wav) hoặc MP3 (audio/mpeg)
Dung lượng file
Tối đa 26.214.400 byte (25 MiB) mỗi file. File lớn hơn sẽ trả về 413; hãy chia nhỏ hoặc nén lại.
Trường ngôn ngữ
language=ar cho tiếng Ả Rập. Luôn gửi trường này; nếu thiếu, tiếng Ả Rập có thể trả về bằng chữ Latin.
Phản hồi
JSON, bản chép lời nằm trong text
Ngôn ngữ của BroadNet Transcribe
Tiếng Anh, Tiếng Tây Ban Nha, Tiếng Pháp, Tiếng Đức, Tiếng Ý, Tiếng Bồ Đào Nha, Tiếng Hy Lạp, Tiếng Hà Lan, Tiếng Ba Lan, Tiếng Trung (Quan thoại), Tiếng Nhật, Tiếng Hàn, Tiếng Việt, Tiếng Ả Rập

File .ogg từ WhatsApp và .m4a từ điện thoại cần chuyển đổi trước: ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav

Âm thanh của tôi sẽ tốn bao nhiêu?

Chi phí = số phút âm thanh × đơn giá mỗi phút của model. Nhập số phút mỗi tháng để so sánh hai model.

Ước tính chi phí âm thanh

Ví dụ: 600 phút là 10 giờ. Có thể nhập số thập phân.

ModelĐơn giáChi phí ước tính
BroadNet Transcribe Arabic
broadnet/cohere-transcribe-arabic
US$0,0042 / phútUS$2,52
BroadNet Transcribe
broadnet/cohere-transcribe
US$0,002 / phútUS$1,20

Tính bằng USD, theo đơn giá mỗi phút đã công bố. Chưa gồm thuế và các request thử lại hoặc lặp lại. Xem trang giá của BroadNet để biết cách tính phút lẻ.

Tích hợp như thế nào?

Dùng lệnh gọi transcription của OpenAI SDK hoặc một request multipart thông thường. Lưu key trong BROADNET_API_KEY trên server của bạn.

transcribe.py

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://inference.broadnet.ai/v1",
    api_key=os.environ["BROADNET_API_KEY"],
)
with open("recording.wav", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="broadnet/cohere-transcribe-arabic",
        file=audio,
        language="ar",
    )
print(result.text)

Ví dụ minh họa

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

Cấu trúc phản hồi theo tài liệu tham chiếu của BroadNet, với một tin nhắn thoại tổng hợp. Không phải kết quả ghi lại thực tế hay phép đo độ chính xác.

Tiếp theo: tạo key trên inference.broadnet.ai (tiếng Anh) · tất cả hướng dẫn nhanh

Hướng dẫn và bài viết về giọng nói tiếng Ả Rập (tiếng Anh)

Câu hỏi về chuyển giọng nói tiếng Ả Rập thành văn bản

Nên dùng model nào cho âm thanh tiếng Ả Rập?

Hãy bắt đầu với BroadNet Transcribe Arabic (broadnet/cohere-transcribe-arabic), model tiếng Ả Rập của BroadNet, giá US$0,0042 mỗi phút. BroadNet Transcribe cũng nhận tiếng Ả Rập trong số 14 ngôn ngữ, giá US$0,002 mỗi phút. BroadNet khuyến nghị model tiếng Ả Rập cho âm thanh tiếng Ả Rập; hãy thử cả hai trên bản ghi của chính bạn.

Có bắt buộc gửi ngôn ngữ không?

Có. Gửi language=ar cùng âm thanh tiếng Ả Rập. Nếu thiếu, tiếng Ả Rập có thể bị chuyển tự sang chữ Latin.

Chấp nhận những định dạng và dung lượng âm thanh nào?

WAV (audio/wav) hoặc MP3 (audio/mpeg), tối đa 26.214.400 byte (25 MiB) mỗi file. Hãy dùng ffmpeg chuyển bản ghi .ogg từ WhatsApp hoặc .m4a từ điện thoại sang WAV trước.

Có thể dùng tín dụng ban đầu cho việc chuyển giọng nói thành văn bản không?

Có. Tín dụng ban đầu US$5 cho tài khoản mới dùng được cho cả hai model chuyển giọng nói thành văn bản.

Âm thanh của tôi có bị lưu lại không?

Nội dung inference không được lưu giữ. Metadata cần thiết về tài khoản, thanh toán và bảo mật được lưu giữ như mô tả trong tuyên bố quyền riêng tư về inference của BroadNet. Danh sách nội dung không được lưu của tuyên bố này gồm âm thanh và bản chép lời.

Đọc dạng MarkdownHỏi ChatGPTHỏi ClaudeHỏi Perplexity