ne API de speech-to-text arabe convertit la parole arabe enregistrée en texte en caractères arabes que votre logiciel peut rechercher, résumer et stocker. La difficulté réside dans le dialecte : les parlers du Golfe, d'Égypte, du Levant et du Maghreb diffèrent de l'arabe standard moderne, et les locuteurs y intègrent de l'anglais. Choisissez votre solution en testant le taux d'erreur de mots (WER) sur vos propres audios. Le BroadNet Inference API transcrit l'arabe dans ces dialectes pour 0,0042 $ par minute audio, sans stocker vos fichiers.
Faits vérifiés auprès de leurs sources le 8 novembre 2026. Les données de recherche proviennent de l'Open Universal Arabic ASR Leaderboard et de son article, d'un classement bilingue arabe-anglais, ainsi que des pages des jeux de données ArzEn, Casablanca, MASC, SADA et FLEURS, chacune liée dans le texte. Les informations produits proviennent de broadnet.ai/inference, de ses pages de tarification, de modèle, de confidentialité et de développeur, ainsi que de son fichier llms.txt. Les prix et les classements étant sujets à modification, consultez la page liée avant tout achat.
Ce tableau est une version abrégée du guide. Utilisez-le comme liste de contrôle lors de la comparaison de n'importe quel service de transcription arabe.
| Quoi tester | Pourquoi est-ce crucial pour l'arabe | Comment tester | Ce que documente l'BroadNet Inference API |
|---|---|---|---|
| Précision des dialectes | Les taux d'erreur varient considérablement selon les dialectes et les conditions d'enregistrement | WER et CER sur 1 à 3 heures de vos propres enregistrements audio, par dialecte | Arabe du Golfe, égyptien, levantin, maghrébin et arabe standard moderne |
| Script et alternance codique (code-switching) | Les locuteurs mélangent des mots anglais ; certains systèmes basculent vers l'alphabet latin | Compter les mots écrits avec le mauvais script | Le modèle arabe conserve le script arabe ; envoyez toujours language=ar |
| Nombres, noms, codes | Un seul chiffre erroné corrompt un numéro de téléphone, un montant ou une commande | Vérifiez manuellement chaque nombre et chaque nom dans votre jeu de test | Ajustement précis des nombres, dates, noms et codes, sur demande |
| Locuteurs et horodatages | Le contrôle qualité des appels doit identifier l'interlocuteur et le moment de l'échange | Vérifier le format de réponse pour les étiquettes de locuteurs et les horaires | Non documenté : la sortie est du texte en arabe, sous forme de JSON ou en texte brut |
| Vitesse | Les traitements par lots et les agents vocaux nécessitent des vitesses différentes | Chronométrage de bout en bout d'un ensemble de fichiers fixes | 45x en temps réel par flux et 190x en mode batch, mesuré par BroadNet |
| Traitement des données et région | L'audio des centres de contact contient souvent des données personnelles | Lisez la déclaration de conservation et demandez où s'effectue le traitement | Zéro rétention de données ; GPU aux États-Unis ; MENA ou Europe sur demande |
| Tarif | Le volume d'heures audio augmente rapidement | Calculez le prix pour un mois basé sur votre volume réel | $0.0042 par minute (environ $0.25 par heure) ; $5 de crédit offert |
Pourquoi la reconnaissance vocale de l'arabe est-elle plus complexe que celle de l'anglais ?
La reconnaissance vocale de l'arabe est plus complexe car une norme écrite unique s'appuie sur de nombreux dialectes parlés, et l'arabe écrit omet généralement les voyelles brèves. Un système doit capter les sons et les mots des dialectes, puis les transcrire selon une orthographe qui ne possède pas de norme unique.
Les auteurs de l'article Open Universal Arabic ASR Leaderboard paper identifient trois causes : une morphologie riche, la variation des dialectes et l'absence de diacritiques dans le texte écrit. Ils notent également que l'arabe standard moderne est utilisé dans les contextes formels, tandis que les dialectes régionaux diffèrent tant par la prononciation que par le vocabulaire.
En pratique, cela pose quatre problèmes pour un système de transcription :
- Les mots dialectaux. Un locuteur du Golfe, d'Égypte ou du Maroc utilise des mots du quotidien qui n'apparaissent jamais dans l'arabe journalistique.
- Les choix d'orthographe. Un même mot dialectal peut s'écrire de plusieurs manières différentes.
- L'alternance codique. Les locuteurs passent de l'arabe à l'anglais, ou de l'arabe au français, au sein d'une même phrase.
- L'audio bruité. Les appels, les enregistrements de rue et les notes vocales sont bien plus difficiles à traiter que la parole en studio.
Les chiffres illustrent cet écart. Sur le Open Universal Arabic ASR Leaderboard, consulté le 8 novembre 2026, le meilleur système a obtenu un score d'environ 5 % WER sur l'ensemble de test Common Voice. Le meilleur score sur SADA, un ensemble de test saoudien comprenant 10 dialectes, était d'environ 29 %. Pour l'ensemble des 39 systèmes, les scores SADA ont atteint 89 %.
Quels dialectes arabes sont présents dans votre audio ?
Commencez par lister les dialectes réellement parlés par vos clients, puis assurez-vous que votre ensemble de test couvre chacun d'entre eux.
La plupart des acheteurs ont besoin d'un mélange de ces groupes :
- Golfe (Khaleeji) : Arabie saoudite, Émirats arabes unis, Qatar, Koweït, Bahreïn et Oman, avec de fortes variantes régionales au sein de l'Arabie saoudite.
- Égyptien : Égypte, et largement entendu dans le cinéma et la télévision régionaux.
- Levantin : Liban, Jordanie et Palestine.
- Irakien : un groupe distinct que certains services ne listent pas séparément.
- Maghrébin : Maroc, Algérie et Tunisie, avec de nombreux emprunts au français.
- Arabe standard moderne : actualités, discours, annonces officielles et textes lus.
Le jeu de données Casablanca recueille des paroles transcrites en 8 dialectes, dont l'émirati, l'égyptien, le jordanien, le marocain et l'algérien, avec des étiquettes pour l'alternance codique (code-switching). Le corpus ArzEn contient 12 heures de parole spontanée en alternance codique arabe égyptien-anglais provenant de 38 locuteurs bilingues.
L'alternance codique reste difficile, même pour les systèmes performants. Sur un classement bilingue arabe-anglais public, les meilleurs systèmes ont obtenu environ 30 % de WER sur la parole mixte arabe égyptien et anglais de ArzEn. Ces mêmes systèmes ont obtenu environ 6 % sur la parole arabe lue de FLEURS. Si vos appelants mélangent les langues, incluez ces paroles dans vos tests.
Comment mesurez-vous la précision de la transcription de l'arabe ?
Mesurez le taux d'erreur par mot (WER) et le taux d'erreur par caractère (CER) sur un échantillon de vos propres enregistrements, avec une transcription de référence vérifiée par un humain. Les classements publics ne servent qu'à établir une liste restreinte.
WER compte les mots qu'un système substitue, supprime ou insère, divisés par le nombre de mots de la référence. CER fait de même au niveau du caractère. CER est utile pour l'arabe car une légère différence d'orthographe, comme un hamza, compte comme un mot entier erroné dans WER mais seulement comme un caractère erroné dans CER.
Suivez ces étapes :
- Collectez de 1 à 3 heures d'audio réel par dialecte : appels, notes vocales ou fichiers multimédias, avec la même qualité que celle utilisée en production.
- Faites rédiger une transcription de référence en caractères arabes par des locuteurs natifs. Convenez des règles d'orthographe avant de commencer.
- Normalisez les deux textes de la même manière avant l'évaluation. Le document du classement supprime la ponctuation et les diacritiques, normalise les formes hamza et madda, et convertit les chiffres arabes orientaux en chiffres arabes occidentaux.
- Évaluez chaque système sur les mêmes fichiers avec les mêmes paramètres, et indiquez WER et CER par dialecte, et non une simple moyenne.
- Vérifiez manuellement les chiffres, les noms et les codes produits. Un WER faible peut masquer un chiffre erroné qui a plus d'importance que dix petites erreurs.
- Répétez le test tous les quelques mois. De nouveaux modèles apparaissent fréquemment et le classement du leaderboard évolue.
Notez toujours les conditions relatives à un chiffre publié. Le classement utilise des ensembles de tests multi-dialectes tels que MASC, qui contient environ 1 000 heures de parole provenant de plus de 700 chaînes YouTube, et SADA. Un score basé sur une lecture claire de texte dit peu de chose sur un appel bruité.
Que faut-il vérifier d'autre en dehors de la précision ?
Vérifiez le contenu de la sortie, sa rapidité de réception, les formats de fichiers acceptés et le lieu de traitement de l'audio. Ces détails déterminent si une transcription s'intègre à votre flux de travail.
- Étiquetage des locuteurs (diarisation). Les analyses de la qualité des appels nécessitent de savoir qui a dit quoi. Si un service ne permet pas d'identifier les locuteurs, enregistrez les appels en stéréo avec l'agent et le client sur des canaux distincts, puis transcrivez chaque canal.
- Horodatage. Les sous-titres multimédias et la recherche audio nécessitent le minutage des mots ou des segments. Vérifiez le format de réponse avant de lancer le développement.
- Traitement par lots ou en direct. L'analyse d'appels nocturne nécessite un débit élevé. Un agent vocal en direct nécessite des réponses rapides.
- Formats et taille des fichiers. Vérifiez les formats acceptés ainsi que la taille maximale des fichiers, et prévoyez de fractionner les enregistrements longs.
- Rétention des données. Demandez si les fichiers audio ou les transcriptions sont stockés, enregistrés ou utilisés pour l'entraînement, et obtenez une réponse écrite.
- Région de traitement. De nombreuses banques, administrations et prestataires de santé doivent conserver les données dans un pays ou une région spécifique. Consultez votre équipe juridique pour connaître les règles applicables.
Où la reconnaissance vocale (Speech-to-Text) en arabe est-elle rentable ?
La transcription en arabe est rentable partout où les gens parlent plus qu'ils n'écrivent : centres de contact, archives multimédias et messages vocaux. Dans chaque cas, la transcription devient une donnée que vous pouvez rechercher, vérifier et intégrer dans d'autres outils.
- QA Centre de contact. Transcrivez chaque appel, et non un simple échantillon. Recherchez les mots liés aux réclamations et vérifiez que les agents lisent les mentions obligatoires.
- Médias et archives. Rendez les interviews, les podcasts et les émissions de radio consultables par recherche.
- Notes vocales WhatsApp. Les clients envoient souvent des notes vocales plutôt que de taper du texte. Les transcrire permet à une équipe support ou à un agent IA de les lire, de les acheminer et d'y répondre.
- Agents vocaux. Un agent IA ne peut agir correctement que s'il saisit correctement le numéro de téléphone, le montant ou la date.
Si vous prévoyez de déployer des agents IA basés sur des transcriptions, consultez nos guides sur une plateforme d'IA agentique d'entreprise et sur les agents IA clés en main pour l'hôtellerie, le commerce de détail et la santé.
Comment l'API Inference BroadNet transcrit-il l'arabe ?
Le API Inference BroadNet est un API qui exécute des modèles de parole, de document et de chat sur des GPU exploités par BroadNet. Pour l'audio en arabe, vous envoyez un fichier au point de terminaison de transcription avec le modèle arabe et language=ar, et vous recevez en retour du texte en caractères arabes. Il utilise le format de requête standard chat-completions et audio-transcriptions, les bibliothèques clientes existantes sont donc opérationnelles dès que vous modifiez l'URL de base.
Ces informations proviennent des pages propres à BroadNet.AI.
- Dialectes. Le modèle arabe couvre l'arabe du Golfe, égyptien, levantin, maghrébin et l'arabe standard moderne, selon la page Inference API.
- Écriture arabe. Le site indique que le modèle arabe conserve l'écriture en caractères arabes, tandis que le modèle multilingue peut dériver vers l'anglais lors de discours mixtes. Il recommande le modèle arabe pour l'arabe.
- Modèle. Le modèle arabe est un modèle à poids ouverts (open-weight) de 2 milliards de paramètres sous licence Apache-2.0, servi sur du matériel BroadNet.
- Précision mesurée. Dans le benchmark propre à BroadNet, le modèle a obtenu un score de 21,1 WER sur de la parole dialectale réelle (MASC), 23,4 sur un ensemble Golfe, égyptien et levantin, et 3,8 sur de la parole lue proprement (FLEURS arabe).
- Classement public. Le 8 novembre 2026, le Open Universal Arabic ASR Leaderboard a classé le même modèle de base à la 4e place sur 39 systèmes, avec une moyenne WER de 24,19 %.
- Vitesse. BroadNet affiche une vitesse de 45x temps réel par flux et environ 190x temps réel lors de l'envoi de requêtes en parallèle.
- Fine-tuning sur demande. Un fine-tuning BroadNet entraîné sur de l'audio d'appels réels cible les numéros de téléphone, les montants, les dates, les codes de commande et les noms via les lignes téléphoniques et dans des notes vocales bruitées. Il est délivré sous forme d'identifiant de modèle privé et peut être affiné davantage à partir de vos propres enregistrements.
- Chat et documents. Le même API dessert des modèles vision-langage, incluant Gemma 4 VL 26B, qui lisent des documents en arabe et en anglais et renvoient des champs JSON.
Concernant les données, la déclaration de traitement des données précise que les prompts, l'audio, les images et les transcriptions sont conservés en mémoire pour une seule requête, puis supprimés. Le contenu n'est ni enregistré ni utilisé pour l'entraînement, et un audit automatisé vérifie cette configuration toutes les heures. BroadNet ne conserve que des registres sans contenu, tels que les horaires, le nombre de tokens et les coûts. Le traitement s'effectue sur du matériel opéré par BroadNet aux États-Unis, et un traitement régional dans la zone MENA ou en Europe est disponible sur demande.
Pour les charges de travail plus importantes ou réglementées, un point de terminaison (endpoint) privé vous offre un GPU ou un nœud réservé, le modèle de votre choix (y compris les fine-tunes en arabe), votre propre clé et vos propres limites, ainsi que la région dont vous avez besoin.
Quel est le coût de la transcription arabe sur BroadNet ?
Le modèle arabe public coûte 0,0042 $ par minute d'audio, soit environ 0,25 $ par heure. Les nouveaux comptes bénéficient de 5 $ de crédit gratuit, valables 30 jours sans carte bancaire, ce qui, selon la page des tarifs, couvre environ 19 heures de transcription de la parole arabe en texte.
| Option | Prix (USD) | Disponibilité |
|---|---|---|
| Modèle de transcription arabe | $0.0042 par minute audio | ID de modèle public, en direct |
| Modèle arabe, BroadNet ajusté pour les appels | $0.005 par minute audio | Sur demande, ID de modèle privé |
| Transcription multilingue (14 langues) | $0.002 par minute audio | ID de modèle public, en direct |
| Gemma 4 VL 26B (chat, images, documents) | $0.10 entrée / $0.22 sortie par 1M de tokens | ID de modèle public en direct |
| Clé horaire (Gemma 4 uniquement) | $0.50 par clé d'une heure | En direct, émis par API |
| Point de terminaison privé | Tarification adaptée à votre trafic | Sur demande |
Par exemple, 10 000 minutes d'appels en arabe par mois coûteraient $42 sur le modèle arabe public au tarif publié. Les tarifs basés sur le volume et la capacité réservée sont disponibles sur demande.
Ce que ne fait pas l'BroadNet Inference API
L'API est un service de transcription basé sur des fichiers et de service de modèles ; certaines fonctionnalités attendues par les acheteurs ne sont pas documentées.
- Aucune étiquette de locuteur ni horodatage documentés. Les pages du modèle décrivent la sortie comme du texte en caractères arabes en JSON ou en texte brut.
- Aucune transcription en streaming en direct documentée. Vous téléchargez un fichier audio par requête. Le streaming est documenté pour le chat, pas pour l'audio.
- Liste des dialectes. L'arabe irakien et d'autres variantes régionales ne sont pas nommés séparément sur le site. Testez-les avec vos propres fichiers audio.
- Formats et taille. La documentation de référence pour les développeurs mentionne le WAV et le MP3 avec une taille de fichier maximale de 26 214 400 octets (25 MiB). La page du modèle liste également le M4A, l'OGG et le FLAC, mais la référence indique que les autres conteneurs ne sont pas encore documentés pour l'API direct. Par mesure de sécurité, convertissez les notes vocales WhatsApp en WAV ou MP3.
- Région par défaut. Le traitement standard s'effectue aux États-Unis. Le traitement régional nécessite une requête spécifique.
- Limites. Une clé au paiement à l'usage permet 30 requêtes par minute et 4 requêtes simultanées, et un compte peut détenir jusqu'à 10 clés en direct.
- Accès au fine-tuning. Le modèle arabe ajusté par appels n'est pas en libre-service. Vous devez en faire la demande avec un échantillon de votre audio.
Comment débuter ?
Vous pouvez écouter le modèle arabe avec votre propre voix avant de créer un compte.
- Ouvrez le playground vocal. Enregistrez jusqu'à une minute de parole ou téléchargez une note vocale. Aucune inscription ni carte bancaire n'est requise.
- Créez un compte sur inference.broadnet.ai avec Google ou via un lien de connexion envoyé par e-mail. Le crédit de 5 $ est ajouté sans nécessiter de carte.
- Créez une clé API dans votre compte. Ajoutez les adresses IP de votre serveur pour que la clé soit refusée en dehors de ces emplacements.
- Suivez la référence développeur : configurez l'URL de base sur https://inference.broadnet.ai/v1 et utilisez n'importe quelle bibliothèque client prenant en charge le format chat-completions standard.
- Envoyez chaque fichier à /v1/audio/transcriptions avec l'ID du modèle arabe et language=ar. Sans language=ar, le modèle pourrait écrire l'arabe en caractères latins.
- Exécutez vos tests WER et CER par dialecte, puis demandez un modèle optimisé pour vos appels ou un point de terminaison privé si nécessaire.
BroadNet.AI est l'une des marques du groupe BroadNet. Pour le déploiement d'agents basés sur la transcription, consultez BroadNet AI et les notes de BroadNet.AI sur la variation des dialectes arabes dans 14 marchés.
Essayez par vous-même dès aujourd'hui. Ouvrez BroadNet Inference API, enregistrez une note vocale dans le dialecte de vos clients et lisez la transcription en quelques secondes. Profitez ensuite du crédit gratuit de 5 $ pour tester environ 19 heures de vos appels réels. Visitez BroadNet.AI pour comparer l'intégralité de la plateforme.
Foire aux questions
Quel est le meilleur API de speech-to-text en arabe ?
Le meilleur API de speech-to-text en arabe est celui qui présente le taux d'erreur le plus bas sur vos propres fichiers audio, dans vos dialectes, et à un prix que vous pouvez soutenir. Les classements publics changent souvent, utilisez-les donc uniquement pour établir une liste restreinte. Testez ensuite 2 ou 3 services sur les mêmes enregistrements. Le BroadNet Inference API propose une démo gratuite sur navigateur et 5 $ de crédit pour ce type de test.
La reconnaissance vocale peut-elle comprendre les dialectes arabes ?
Oui, les modèles modernes de reconnaissance vocale peuvent transcrire les principaux dialectes arabes, mais la précision varie considérablement selon le dialecte et la qualité de l'enregistrement. Les benchmarks publics affichent des taux d'erreur bien plus élevés sur le dialecte saoudien que sur une lecture de texte. L'arabe du Golfe, l'égyptien, le levantin et le maghrébin sont désormais couramment pris en charge. Les variantes régionales plus restreintes peuvent nécessiter des tests ou un modèle affiné.
Quelle est la précision du speech-to-text en arabe ?
La précision dépend de l'audio. Sur une lecture de texte claire, les systèmes performants atteignent des taux d'erreur de mots à un seul chiffre. Sur des appels bruyants ou des conversations en dialecte, des taux d'erreur de 20 % à 30 % ou plus sont courants, même pour les systèmes leaders. Mesurez WER et CER sur vos propres enregistrements, et vérifiez manuellement les chiffres et les noms.
Comment transcrire des notes vocales WhatsApp en arabe ?
Exportez ou recevez le fichier de la note vocale, convertissez-le en WAV ou MP3, puis envoyez-le à un API de transcription arabe en réglant la langue sur l'arabe. Utilisez un modèle qui conserve l'alphabet arabe, afin que le texte soit exploitable pour la recherche et le routage. Sur le BroadNet Inference API, chaque fichier peut atteindre 25 MiB, et l'audio n'est pas stocké après la requête.
Le speech-to-text en arabe gère-t-il l'arabe mélangé à l'anglais ?
De nombreux systèmes le peuvent, mais le mélange de l'arabe et de l'anglais reste l'un des cas les plus difficiles. Sur un classement bilingue public, les systèmes leaders ont obtenu environ 30 % WER sur l'arabe égyptien avec alternance de code (code-switching) et l'anglais. Incluez la parole mixte dans vos tests et vérifiez que les mots arabes restent en caractères arabes.
Mon audio est-il stocké lorsque j'utilise l'inférence BroadNet API ?
Non. BroadNet.AI stipule que l'audio, les prompts et les transcriptions sont conservés en mémoire pour une seule requête, puis supprimés. Le contenu n'est ni enregistré ni utilisé pour l'entraînement, et un audit automatisé vérifie ce point toutes les heures. BroadNet ne conserve que des enregistrements sans contenu, tels que les horaires, le nombre de tokens et les coûts. Le traitement s'effectue aux États-Unis, avec la possibilité de choisir la zone MENA ou l'Europe sur demande.
Quel est le coût de la transcription vocale arabe sur BroadNet ?
Le modèle public de transcription arabe coûte 0,0042 $ par minute d'audio, soit environ 0,25 $ par heure. Un modèle affiné (fine-tune) entraîné sur l'audio des appels coûte 0,005 $ par minute et est disponible sur demande. Les nouveaux comptes bénéficient de 5 $ de crédit gratuit, valables 30 jours sans carte bancaire, ce qui couvre environ 19 heures d'audio en arabe.