---
title: "阿拉伯语语音转文字 API 怎么选（2026） | BroadRouter"
description: "如何挑选阿拉伯语转写 API：词错误率、方言、文件限制、每音频小时价格和隐私，外加一套用你自己录音测试的方案。"
url: https://broadrouter.com/zh/blog/arabic-speech-to-text-api-buyers-guide/
lang: zh-Hans
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/arabic-speech-to-text-api-buyers-guide/)（2026-11-15 更新）。

# 阿拉伯语语音转文字 API：2026 年怎么选

BroadNet Inference 团队 · 阅读约 7 分钟 · 发布于 2026-11-14 · 更新于 2026-11-15

选择阿拉伯语语音转文字 API，要用你自己的录音来测试：先按你的方言测量词错误率，再比较每音频小时价格、文件限制和数据保留。BroadNet Transcribe Arabic 每音频小时 $0.25（每分钟 $0.0042），2026年11月15日 Open Universal Arabic ASR Leaderboard 将其列为 第 4 名（共 39 个）。

## 要点

-   你自己音频上的词错误率（WER）比任何排行榜都重要。越低越好。
-   现代标准阿拉伯语是简单的情况。海湾、埃及、黎凡特和马格里布口语要分别测试。
-   评分前先规范化阿拉伯语文本，否则拼写变体会被算作错误。
-   BroadNet Transcribe Arabic 每音频小时 $0.25；1,000 小时为 $252.00。
-   务必发送 `language=ar`，否则阿拉伯语可能以拉丁字母转写的形式返回。
-   免费的 $5 初始额度大约可以测试 1,190 分钟的阿拉伯语音频。

**本页内容**

1.  为什么你自己音频上的词错误率最重要？
2.  如何检查方言覆盖？
3.  阿拉伯语转写每音频小时多少钱？
4.  阿拉伯语语音转文字 API 应具备哪些功能？
5.  有哪些文件限制和格式要求？
6.  音频会被保存吗？
7.  如何在一个下午内测试一个阿拉伯语转写 API？
8.  常见错误
9.  BroadNet Inference 的定位

选择阿拉伯语[语音转文字](https://broadrouter.com/zh/glossary/speech-to-text/) API 时，每种方言用每个候选 API 转写 30 到 50 段你自己的音频，按方言比较词错误率，然后再权衡每音频小时价格、文件限制、流式需求和数据保留。在基准测试上表现亮眼的模型，仍可能在你的呼叫中心音频上失灵。

阿拉伯语对语音识别来说很难：一种书面标准之下是众多口语方言，说话人会在句子中途切换到英语，而大部分真实音频是电话和语音消息。

## 为什么你自己音频上的词错误率最重要？

[词错误率（WER）](https://broadrouter.com/zh/glossary/word-error-rate/)是模型出错的词所占的比例：替换、遗漏或凭空添加。越低越好。公开数字只是起点：

| 测试集 | 内容 | BroadNet Transcribe Arabic | ElevenLabs Scribe v2 | Whisper large-v3 |
| --- | --- | --- | --- | --- |
| FLEURS-ar | 清晰的朗读句子 | 3.8 | 未公布 | 未公布 |
| MASC-ar | 混合的真实场景阿拉伯语语音 | 21.1 | 22.3 | 31.5 |
| BroadNet 方言测试集 | 海湾、埃及和黎凡特口语 | 23.4 | 25.6 | 31.8 |

这些是 BroadNet 的实验室测量结果，发布在它的[模型目录](https://www.broadnet.ai/inference/models)和 [Transcribe Arabic 页面](https://www.broadnet.ai/inference/models/cohere-transcribe-arabic)上。对比是 BroadNet 自己做的，所以请把 ElevenLabs 和 Whisper 两列视为一家厂商对竞争对手的测试，而不是独立结果。BroadNet 还报告，该模型在 [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) 上位列 第 2 名（共 37 个）（这是 2026年9月的数据；2026年11月15日实时榜单上为 39 个中的第 4 名），并且在许可证允许通过 API 提供服务的模型中排名第 1。2026 年 11 月 15 日，排在它前面的三项是 Jais-ASR、Sygma-ASR-Arabic（排行榜称其为在 Cohere 模型上使用束搜索解码）和 Audar-ASR-V1-Turbo；Whisper large-v3 排第 19。我们没有逐一核查这些条目的许可证。

注册之前，你就可以用自己的声音试听模型：BroadNet 的[浏览器体验页](https://www.broadnet.ai/inference/playground)无需账号，可以转写最长 60 秒的阿拉伯语或英语音频。参见[如何使用体验页](https://broadrouter.com/zh/guides/try-broadnet-inference-playground/)。

3.8 与 23.4 之间的差距就是教训：\*\*同一个模型，在朗读语音上可能近乎完美，在方言对话上却弱得多。\*\*请用你的音频测试。

对厂商数字普遍要谨慎。许多已发表的阿拉伯语 WER 数字来自厂商自己的测试，用的是你看不到的音频。只有当测试集、规范化方式和评分工具都相同时，数字才可比。

想看全貌，我们公开的[语音转文字 API 价格索引](https://broadrouter.com/data/speech-to-text-api-prices/)列出了 20 多款产品的批量和流式价格、计费粒度及阿拉伯语支持情况，每一项都对照服务商自己的价格页面核查过（提供 CSV 和 JSON）。

## 如何检查方言覆盖？

按方言给测试文件分组：海湾（Khaleeji）、埃及、黎凡特、伊拉克、马格里布，再加上[现代标准阿拉伯语](https://broadrouter.com/zh/glossary/msa/)。每组单独评分。如果你的大多数客户在利雅得，海湾方言的 WER 远比平均值重要。

注意\*\*[语码转换](https://broadrouter.com/zh/glossary/code-switching/)\*\*。海湾地区的商务口语里会夹杂英文产品名和数字。检查数字、日期和人名的转写结果，因为下游系统正是根据这些词采取行动的。BroadNet 可按需提供一个针对嘈杂音频中数字、日期和人名的[微调阿拉伯语模型](https://broadrouter.com/zh/models/#on-request)。

## 阿拉伯语转写每音频小时多少钱？

按每小时音频比较，因为你的用量就是这样衡量的：

| 模型 | 每分钟 | 每小时 | 1,000 小时 |
| --- | --- | --- | --- |
| [BroadNet Transcribe Arabic](https://broadrouter.com/zh/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | $252.00 |
| [BroadNet Transcribe（14 种语言）](https://broadrouter.com/zh/models/cohere-transcribe/) | $0.002 | $0.12 | — |
| Soniox 异步（文件），60 多种语言 | 约 USD 0.0017（推算） | 约 USD 0.10 | 约 USD 100 |
| Soniox 实时（流式） | 约 USD 0.002（推算） | 约 USD 0.12 | 约 USD 120 |

Soniox 的数据来自 [Soniox 价格页面](https://soniox.com/pricing)，2026 年 11 月 14 日查阅。Soniox 按 token 计费（每小时约 30,000 个音频 token），每小时价格是它给出的近似值。

\*\*按小时算，Soniox 比 BroadNet 便宜。\*\*它的文件转写费率不到 BroadNet Transcribe Arabic $0.25 的一半，也低于 BroadNet Transcribe 的 $0.12。它的实时费率与 BroadNet Transcribe 持平，仍低于阿拉伯语模型，而 BroadNet 的文档根本没有写明实时流式。Soniox 在其[支持的语言](https://docs.soniox.com/stt/concepts/supported-languages)中列出了阿拉伯语（`ar`），所有语言统一费率。它没有公布阿拉伯语专门的价格、阿拉伯语 WER 数字或方言覆盖情况，所以价格清楚，准确率却不清楚。按价格做决定之前，请对两者跑同样的方言测试。

以客服收件箱为例，10,000 条每条 30 秒的 WhatsApp 语音消息，用阿拉伯语模型转写费用为 $21.00。算式是 `10,000 × 0.5 minutes × $0.0042`。用[语音转文字成本计算器](https://broadrouter.com/tools/speech-to-text-cost-calculator/)算算你自己的用量。

比较服务商时，除了费率还要看计费单位：按秒、按分钟还是按起始计费块，以及每个文件是否有最低收费。计费取整的影响在短语音消息上最明显。其他服务商对照价格页面核查过的每分钟费率，见[语音转文字 API 价格对比](https://broadrouter.com/zh/blog/speech-to-text-api-pricing-compared/)；如果你要从 OpenAI 的端点迁移，见 [Whisper API 替代方案](https://broadrouter.com/zh/blog/whisper-api-alternative/)检查清单。[Transcribe 与 Transcribe Arabic 对比](https://broadrouter.com/compare/cohere-transcribe-vs-cohere-transcribe-arabic/)说明了什么时候更便宜的 14 语言模型就够用。

## 阿拉伯语语音转文字 API 应具备哪些功能？

并不是每个产品都需要所有功能。比较之前先确定哪些对你重要：

| 功能 | 为什么重要 | 要问什么 |
| --- | --- | --- |
| 批量文件上传 | 语音消息、录音、档案 | 支持的格式和最大文件大小 |
| 实时流式 | 实时字幕、语音智能体 | 延迟，以及是否是单独的产品 |
| 说话人标注（[说话人分离](https://broadrouter.com/zh/glossary/diarization/)） | 客服与客户的通话 | 只支持批量，还是实时也支持？ |
| 词级时间戳 | 字幕、搜索、审核工具 | 词级还是片段级？ |
| 语码转换 | 夹杂英文术语的阿拉伯语 | 是否要求每个请求只有一种语言？ |
| 数据保留 | 通话包含个人数据 | 音频或文本是否保留，保留多久？ |

BroadNet 目前文档中写明的有：通过 OpenAI 兼容的 `/v1/audio/transcriptions` 端点进行批量转写、WAV 或 MP3 输入、`language` 字段，以及零数据保留。清单上的其他功能，依赖之前请先查看 [API 参考](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-speech-to-text-api-buyers-guide&utm_content=body)。

## 有哪些文件限制和格式要求？

-   \*\*文件大小。\*\*BroadNet 接受每个最大 26,214,400 字节（25 MiB）的 WAV 或 MP3 文件。更大的文件会返回 413；较长的录音请先切分。
-   **格式。**.ogg 语音消息和 .m4a 录音要先转换；[WhatsApp 语音消息指南](https://broadrouter.com/zh/guides/transcribe-whatsapp-voice-notes/)给出了 ffmpeg 命令。
-   \*\*language 字段。\*\*发送 `language=ar`。不加的话，阿拉伯语可能以拉丁字母转写的形式返回。
-   \*\*速率限制。\*\*按量付费密钥每分钟允许 30 个请求，同时最多 4 个。积压文件很多时，把文件排队，遇到 429 时退避重试；参见[错误与重试](https://broadrouter.com/zh/guides/errors-and-retries/)。

## 音频会被保存吗？

语音消息和通话里有姓名、电话号码以及健康或银行信息。问清每个服务商是否保留音频和转写文本、保留多久。BroadNet Inference 两者都不保留；参见[零数据保留](https://broadrouter.com/zh/privacy/)和我们的[零数据保留检查清单](https://broadrouter.com/zh/blog/zero-data-retention-llm-api-checklist/)。

## 如何在一个下午内测试一个阿拉伯语转写 API？

1.  从你的生产渠道中，每种方言收集 30 到 50 段真实音频。去掉任何你不能分享的内容。
2.  每种方言人工写出 10 段音频的正确转写，统一使用一套约定好的拼写规范。
3.  用每个候选 API 转写所有音频。[阿拉伯语分步指南](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)提供了调用 BroadNet 的 curl 和 Python 代码。
4.  用相同的方式规范化两份文本，按方言计算 WER 和 CER。[阿拉伯语 WER 详解](https://broadrouter.com/zh/blog/arabic-asr-wer-explained/)给出了 Python 规范化函数，并说明了为什么跳过这一步会让一份完美的转写变成 75% 的 WER。
5.  亲自读 20 份转写结果。WER 低也可能掩盖数字或人名的错误。

如何挑选音频、编写参考文本以及为每个方言组评分，详见[阿拉伯语方言语音识别](https://broadrouter.com/zh/blog/arabic-dialect-speech-recognition/)。

## 常见错误

-   \*\*只测试清晰音频。\*\*请使用真实的电话和语音消息录音。
-   \*\*只看一个平均 WER。\*\*平均值不错，也可能掩盖了你客户使用的某种方言。
-   \*\*省略 language 字段。\*\*拉丁字母转写的输出在评分时几乎全是错误。
-   \*\*忽略数字。\*\*人工检查数字、日期和金额；你的系统正是根据它们采取行动的。

## BroadNet Inference 的定位

BroadNet Transcribe Arabic 适合按分钟计价、批量转写阿拉伯语语音消息、通话和录音，且不保留音频。$5 的初始额度大约够转写 1,190 分钟的阿拉伯语音频，无需绑卡就能完成上面的测试。如果你需要它文档中没有写明的功能，比如实时流式字幕，请测试提供这些功能的服务商。转写之后的阿拉伯语文本任务，参见[如何为阿拉伯语选择大模型](https://broadrouter.com/zh/blog/choosing-an-llm-for-arabic/)。

相关免费工具（英文）

-   [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.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[语音转文字（speech-to-text）](https://broadrouter.com/zh/glossary/speech-to-text/)

语音转文字，也叫自动语音识别（ASR），是把口语音频转换成书面文字的技术。语音转文字 API 接收音频文件或音频流并返回转写文本，通常按音频分钟计价。准确率用词错误率衡量，会随口音、方言和录音质量变化。

[词错误率（WER，word error rate）](https://broadrouter.com/zh/glossary/word-error-rate/)

词错误率（WER）是语音识别的标准准确率指标：把转写结果改成正确参考文本所需的替换、删除和插入词数，除以参考文本的词数。数值越低越好。

[语码转换（code-switching）](https://broadrouter.com/zh/glossary/code-switching/)

语码转换是在同一段对话或同一句话中使用两种或更多语言，或同一语言的不同变体，口语和书面语都有。例如讲阿拉伯语的人在方言里夹杂英语单词，或在现代标准阿拉伯语和方言之间来回切换。

[按量付费（pay-as-you-go）](https://broadrouter.com/zh/glossary/pay-as-you-go/)

按量付费是一种计价模式：你只为实际用量付费，按 token、请求次数或音频分钟等单位计量，没有订阅费，也没有最低消费承诺。大多数大模型 API 都这样计费，从预付余额中扣减或定期开具账单。

[现代标准阿拉伯语（MSA）](https://broadrouter.com/zh/glossary/msa/)

现代标准阿拉伯语（MSA）是阿拉伯世界在书面、新闻、教育和正式讲话中使用的标准化阿拉伯语。它不是任何人日常使用的母语：人们平时说埃及阿拉伯语、海湾阿拉伯语等地区方言，在正式场合才切换到 MSA。

[速率限制（rate limit）](https://broadrouter.com/zh/glossary/rate-limit/)

速率限制是 API 对客户端在一个时间窗口内的使用量设定的上限，例如每分钟请求数或每分钟 token 数。超出限制的请求会被拒绝，通常返回 HTTP 429 Too Many Requests，直到用量回落到限制以下。

[Token（词元）](https://broadrouter.com/zh/glossary/token/)

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[WAV](https://broadrouter.com/zh/glossary/wav/)

WAV（Waveform Audio File Format，又称 WAVE）是建立在微软与 IBM 的 RIFF 格式之上的音频容器。它通常存放未压缩的线性 PCM 样本，因此大小可以预测：每秒字节数 = 采样率 × 每样本字节数 × 声道数。

## 常见问题

### 阿拉伯语的词错误率多少算好？

取决于音频。BroadNet 报告，BroadNet Transcribe Arabic 在 FLEURS-ar（清晰的朗读语音）上为 3.8，在 MASC-ar 上为 21.1，在其方言测试集上为 23.4。对话式方言音频总是比朗读语音难。

### 哪个语音转文字 API 最适合阿拉伯语方言？

没有统一答案，因为结果随方言和录音质量而变。先挑出两三个 API，每种方言用每个 API 转写 30 到 50 段你自己的音频，按方言比较词错误率，而不是看总体平均值。

### 转写 1,000 小时阿拉伯语音频要多少钱？

按每音频分钟 $0.0042 计算，用 BroadNet Transcribe Arabic 转写 1,000 小时为 $252.00。

### BroadNet 的阿拉伯语语音转文字支持实时流式识别吗？

BroadNet 文档中写明的是通过 /v1/audio/transcriptions 进行批量转写，支持最大 25 MiB 的 WAV 或 MP3 文件。文档中没有写明实时流式字幕。如果你需要，例如 Soniox 就提供实时转写，其语言列表中包含阿拉伯语（2026 年 11 月 14 日查阅）。

### 能转写 WhatsApp 语音消息吗？

能，先用 ffmpeg 把 .ogg 文件转换成 WAV 或 MP3。本站的 WhatsApp 指南给出了一行命令的转换方法。

### 我的音频会被保存吗？

不会。请求结束后，BroadNet Inference 不保留音频或转写文本；只保留时间和费用等不含内容的记录。

## 继续阅读

-   [转写超过 25 MB 的长音频：切分、发送、拼接](https://broadrouter.com/zh/blog/transcribe-long-audio-files-api/)
-   [阿拉伯语语音识别的词错误率（WER）详解](https://broadrouter.com/zh/blog/arabic-asr-wer-explained/)
-   [阿拉伯语方言语音识别：海湾、埃及、黎凡特、马格里布](https://broadrouter.com/zh/blog/arabic-dialect-speech-recognition/)
-   [语音转文字 API 价格对比：2026 年每分钟多少钱](https://broadrouter.com/zh/blog/speech-to-text-api-pricing-compared/)
-   [Whisper API 替代方案：什么时候该换，怎么测试](https://broadrouter.com/zh/blog/whisper-api-alternative/)
-   [如何选择阿拉伯语大模型 API：该测试什么](https://broadrouter.com/zh/blog/choosing-an-llm-for-arabic/)
-   [用大模型给阿拉伯语加注音符号：提示词、校验与 DER](https://broadrouter.com/zh/blog/arabic-diacritization-llm/)
-   [用大模型做阿拉伯语语法和拼写纠错：实操指南](https://broadrouter.com/zh/blog/arabic-grammar-spelling-correction-llm/)
-   [指南：阿拉伯语语音转文字 API 分步教程](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)
-   [指南：用 API 把 WhatsApp 语音消息转成文字](https://broadrouter.com/zh/guides/transcribe-whatsapp-voice-notes/)
-   [指南：BroadNet Inference 错误码，以及什么时候该重试](https://broadrouter.com/zh/guides/errors-and-retries/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-speech-to-text-api-buyers-guide&utm_content=page-cta) ·

**来源**

-   [BroadNet Transcribe Arabic 模型页面：与 ElevenLabs Scribe v2 和 Whisper large-v3 的 WER 对比（2026-11-15 获取）（英文）](https://www.broadnet.ai/inference/models/cohere-transcribe-arabic)
-   [BroadNet 模型目录，语音转文字：BroadNet 报告的 WER 与排行榜名次（2026-11-14 获取）（英文）](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard，Hugging Face Space（2026-11-15 获取）](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [BroadNet Inference API 参考：转写格式、26,214,400 字节上限、413、language 字段（2026-11-14 获取）（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-speech-to-text-api-buyers-guide&utm_content=sources)
-   [BroadNet Inference 机器可读价格，pricing.json（2026-11-14 获取）（英文）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-speech-to-text-api-buyers-guide&utm_content=sources)
-   [Soniox 价格：异步约 0.10 USD/小时，实时约 0.12 USD/小时，按 token 计费（2026-11-14 查阅）](https://soniox.com/pricing)
-   [Soniox 文档，支持的语言：60 种语言中包括阿拉伯语（ar）（2026-11-14 查阅）](https://docs.soniox.com/stt/concepts/supported-languages)
-   [jiwer，计算 ASR 错误率的 Python 包（2026-11-14 获取）](https://github.com/jitsi/jiwer)
