BroadRouter

API chuyển giọng nói tiếng Ả Rập thành văn bản: từng bước

Cập nhật

Gửi file WAV hoặc MP3 đến https://inference.broadnet.ai/v1/audio/transcriptions với model broadnet/cohere-transcribe-arabic và language=ar. Phản hồi là JSON, bản chép lời nằm trong text. Các định dạng khác như .ogg của WhatsApp cần chuyển sang WAV trước. Giá tính theo phút âm thanh, và BroadNet cho biết không lưu giữ âm thanh hay bản chép lời.

BroadNet Transcribe Arabic có giá $0.0042 mỗi phút âm thanh. BroadNet báo cáo model này đứng ở vị trí thứ 2/37 (số liệu tháng 9 năm 2026; bảng xếp hạng trực tiếp ngày 15 tháng 11, 2026 ghi nhận thứ 4/39) trên Open Universal Arabic ASR Leaderboard, và đứng #1 trong các model có giấy phép cho phép phục vụ qua API. Với các ngôn ngữ khác, BroadNet Transcribe hỗ trợ 14 ngôn ngữ với giá $0.002 mỗi phút. Xem trang model BroadNet Transcribe Arabic và trang model BroadNet Transcribe.

Có nhà cung cấp khác rẻ hơn. Ngày 2026-11-14, trang giá của Soniox niêm yết khoảng USD 0.10 mỗi giờ khi chép lời từ file (bất đồng bộ) và USD 0.12 mỗi giờ khi chép lời thời gian thực, và danh sách ngôn ngữ của họ có tiếng Ả Rập. Mức này thấp hơn giá $0.25 mỗi giờ của BroadNet Transcribe Arabic, nên hãy thử cả hai trên âm thanh của chính bạn.

Dùng curl

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

Phản hồi là bản chép lời dưới dạng JSON:

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

Dùng Python

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)

Luôn gửi trường language

Nếu thiếu language, tiếng Ả Rập có thể bị trả về dưới dạng chuyển tự sang chữ Latin. Hãy gửi language=ar cho tiếng Ả Rập và language=en cho tiếng Anh.

Model xử lý được những phương ngữ Ả Rập nào?

BroadNet mô tả BroadNet Transcribe Arabic là hỗ trợ tiếng Ả Rập, kể cả các phương ngữ, và công bố ba tỷ lệ lỗi từ cho model này. Đây là số đo trong phòng thí nghiệm của chính BroadNet, lấy từ danh mục model của họ:

Bộ kiểm thử Nội dung Tỷ lệ lỗi từ
FLEURS-ar Câu đọc rõ ràng 3.8
MASC-ar Giọng nói tiếng Ả Rập thực tế, đa dạng 21.1
Bộ phương ngữ của BroadNet Giọng nói phương ngữ 23.4

BroadNet không công bố kết quả tách theo phương ngữ, nên không ai ngoài BroadNet có thể nói âm thanh vùng Vịnh đạt điểm thế nào so với tiếng Ai Cập hay Maghreb. Các nhà cung cấp khác mô tả phạm vi hỗ trợ theo cách khác. Deepgram liệt kê tiếng Ả Rập của Nova-3 với các mã vùng, từ ar-AE, ar-SA và ar-EG đến ar-MA và ar-IQ. Speechmatics bán một gói “Global Arabic” có nêu tiếng Ả Rập chuẩn hiện đại, vùng Vịnh, Ai Cập và Levant, cùng một gói ar_en cho tiếng Ả Rập trộn tiếng Anh. Soniox liệt kê tiếng Ả Rập (ar) mà không nói chi tiết về phương ngữ.

Một mã được liệt kê không phải là độ chính xác đã được đo. Trước khi chọn, hãy chấm điểm từng ứng viên trên các đoạn âm thanh của chính bạn, chia nhóm theo phương ngữ:

  • Vùng Vịnh (Khaleeji): giọng Ả Rập Xê Út, UAE, Kuwait, Qatar, thường lẫn tên sản phẩm tiếng Anh.
  • Ai Cập: phương ngữ được hiểu rộng rãi nhất trên truyền thông.
  • Levant: giọng Syria, Liban, Jordan và Palestine.
  • Iraq và Maghreb: giọng Maroc, Algeria và Tunisia thường là trường hợp khó nhất.
  • Tiếng Ả Rập chuẩn hiện đại: tin tức và lời nói trang trọng, mốc cơ sở dễ nhất.

Hướng dẫn nhận dạng giọng nói các phương ngữ Ả Rập giải thích vì sao phương ngữ đạt điểm kém hơn, và bài giải thích về tỷ lệ lỗi từ chỉ cách chấm điểm chúng.

API chuyển giọng nói tiếng Ả Rập thành văn bản giá bao nhiêu?

Mọi nhà cung cấp dưới đây đều liệt kê tiếng Ả Rập. Xếp từ rẻ nhất; giá dành cho file ghi sẵn trừ khi có ghi chú khác, và được kiểm tra ngày 2026-11-14:

Nhà cung cấp và model Mỗi phút Mỗi giờ Phạm vi tiếng Ả Rập được nêu
Soniox, bất đồng bộ (file) khoảng USD 0.0017 khoảng USD 0.10 Tiếng Ả Rập (ar)
Soniox, thời gian thực khoảng USD 0.002 khoảng USD 0.12 Tiếng Ả Rập (ar)
BroadNet Transcribe (14 ngôn ngữ) $0.002 $0.12 Tiếng Ả Rập trong số 14 ngôn ngữ
BroadNet Transcribe Arabic $0.0042 $0.25 Tiếng Ả Rập, kể cả phương ngữ (theo BroadNet)
Deepgram, Nova-3 đơn ngữ USD 0.0043 USD 0.258 ar cùng các mã vùng
Speechmatics, Standard USD 0.0075 USD 0.45 Global Arabic, ar_en
Speechmatics, Enhanced USD 0.0125 USD 0.75 Global Arabic, ar_en

Nguồn: bảng giá Soniox (tính phí theo token; con số mỗi giờ là ước tính của Soniox), bảng giá Deepgram và bảng giá Speechmatics. Soniox rẻ hơn cả hai model của BroadNet, và BroadNet không có tài liệu về streaming thời gian thực. Lợi thế của BroadNet là model chuyên cho tiếng Ả Rập, thứ hạng trên bảng xếp hạng mà họ báo cáo và chính sách không lưu giữ dữ liệu (zero data retention). Để xem thêm nhà cung cấp, hãy dùng chỉ mục giá API chuyển giọng nói thành văn bản mở của chúng tôi, liệt kê giá xử lý theo lô, giá streaming và mức hỗ trợ tiếng Ả Rập của hơn 20 sản phẩm, mỗi mục có nguồn và ngày kiểm tra (CSV và JSON). Về các chi phí phát sinh, xem so sánh giá API chuyển giọng nói thành văn bản; để tính giá cho khối lượng của bạn, hãy dùng công cụ tính chi phí chuyển giọng nói thành văn bản.

Giới hạn

  • WAV hoặc MP3, tối đa 26.214.400 byte (25 MiB) mỗi file. File lớn hơn sẽ trả về 413; hãy chia nhỏ trước.
  • Key trả theo mức dùng cho phép 30 request mỗi phút và 4 request đồng thời.
  • Cả hai model chép lời đều dùng được tín dụng ban đầu miễn phí $5, nên bạn có thể thử trên bản ghi của chính mình trước khi trả tiền.

Xử lý sự cố

  • Chữ Latin thay vì chữ Ả Rập. Thêm language=ar.
  • 400 hoặc 422. Kiểm tra tên các trường (model, language, file) và chắc chắn file thật sự là WAV hoặc MP3. Một file .ogg chỉ đổi tên sẽ thất bại; hãy chuyển đổi bằng ffmpeg.
  • 413. File vượt quá 26.214.400 byte. Hãy chuyển sang WAV hoặc MP3 mono 16 kHz, hoặc chia thành các đoạn ngắn hơn.
  • 401 trên tài khoản đã trả phí. Kiểm tra key và hạn mức trả theo mức dùng. Xem mã lỗi BroadNet và cách thử lại.
  • Độ chính xác kém với phương ngữ hoặc cuộc gọi nhiều tạp âm. Trên bộ kiểm thử phương ngữ của chính BroadNet, điểm kém hơn so với giọng đọc rõ ràng (xem phần FAQ). Hãy thử trên một mẫu âm thanh thực của bạn và đo tỷ lệ lỗi từ.

Tin nhắn thoại WhatsApp có định dạng .ogg. Chuyển đổi và chép lời tin nhắn thoại WhatsApp trong một bước. Nếu bạn cần nhận dạng số, ngày tháng và tên riêng trong âm thanh nhiều tạp âm, BroadNet cung cấp một model tiếng Ả Rập đã tinh chỉnh theo yêu cầu.

Câu hỏi thường gặp

Model có hiểu các phương ngữ Ả Rập không?

BroadNet báo cáo tỷ lệ lỗi từ 23.4 trên bộ kiểm thử phương ngữ của riêng họ, cùng với 3.8 trên FLEURS-ar và 21.1 trên MASC-ar. Càng thấp càng tốt. BroadNet không công bố điểm theo từng phương ngữ, nên hãy kiểm thử riêng bản ghi vùng Vịnh, Ai Cập, Levant và Maghreb trước khi dựa vào nó.

API chuyển giọng nói tiếng Ả Rập thành văn bản nào rẻ nhất?

Trong các nhà cung cấp được kiểm tra ngày 2026-11-14, Soniox niêm yết mức giá thấp nhất, khoảng USD 0.10 mỗi giờ khi chép lời từ file. BroadNet Transcribe Arabic có giá $0.25 mỗi giờ. Deepgram Nova-3 và Speechmatics đắt hơn. Giá mỗi giờ không quan trọng bằng tỷ lệ lỗi từ trên chính âm thanh phương ngữ của bạn.

API nhận những định dạng âm thanh nào?

WAV (audio/wav) và MP3 (audio/mpeg). Hãy dùng ffmpeg chuyển các định dạng khác như .ogg hoặc .m4a trước.

Vì sao bản chép lời tiếng Ả Rập lại hiện bằng chữ Latin?

Request không có trường language. Thiếu trường này, giọng nói tiếng Ả Rập có thể bị chuyển tự sang chữ Latin. Hãy gửi language=ar trong mọi request tiếng Ả Rập.

Có thể dùng thử chép lời tiếng Ả Rập miễn phí không?

Có. Cả hai model chép lời của BroadNet đều dùng được tín dụng ban đầu miễn phí mà tài khoản mới nhận được, nên bạn có thể thử trên bản ghi của chính mình trước khi nạp tiền.

Nên dùng BroadNet Transcribe Arabic hay BroadNet Transcribe cho tiếng Ả Rập?

Cả hai đều nhận language=ar. BroadNet Transcribe Arabic là model dành cho tiếng Ả Rập và là model BroadNet báo cáo trên bảng xếp hạng tiếng Ả Rập. BroadNet Transcribe rẻ hơn mỗi phút và hỗ trợ 14 ngôn ngữ, nên hãy thử cả hai trên âm thanh của bạn.

Đọc dạng MarkdownHỏi ChatGPTHỏi ClaudeHỏi Perplexity