अरबी स्पीच-टू-टेक्स्ट और विज़न API

यह क्या करता है

अरबी स्पीच रिकग्निशन
गल्फ, इजिप्शियन, लेवेंटाइन, मगरेबी और मॉडर्न स्टैंडर्ड अरबी का ट्रांसक्रिप्शन करता है। अरबी मॉडल अपने आउटपुट को अरबी स्क्रिप्ट में रखता है, इसलिए कॉल और वॉइस नोट्स सर्च करने योग्य अरबी टेक्स्ट के रूप में वापस आते हैं।
डॉक्यूमेंट्स और विज़न
किसी इनवॉइस, आईडी या हाथ से भरे हुए फॉर्म की फोटो खींचें और अरबी और अंग्रेजी में सटीक JSON प्राप्त करें, जिसमें नंबर बिल्कुल वैसे ही होंगे जैसे लिखे गए हैं।
टेक्स्ट और इमेज के माध्यम से चैट करें
Gemma 4 VL 26B, जिसे BroadNet द्वारा अरबी और अंग्रेजी के लिए ट्यून और सर्व किया गया है, chat-completions एंडपॉइंट पर टेक्स्ट और इमेज स्वीकार करता है और स्ट्रीमिंग का समर्थन करता है।

मॉडल्स और कीमतें

प्रत्येक मॉडल BroadNet हार्डवेयर पर चलता है। लैंग्वेज मॉडल्स की कीमत प्रति मिलियन टोकन और ट्रांसक्रिप्शन की कीमत प्रति मिनट ऑडियो के आधार पर है। ये कीमतें 24 सितंबर 2026 को broadnet.ai/inference पर प्रकाशित की गई थीं; वहां दिया गया रेट कार्ड ही आधिकारिक कीमतें हैं।

मॉडल	मॉडल ID	इनपुट प्रकार	कीमत (USD)
Gemma 4 VL 26B	`broadnet/gemma-4-26b-a4b`	टेक्स्ट और इमेज	$0.10 / $0.22प्रति 1M टोकन (इनपुट / आउटपुट)
Qwen3-VL 8B Instruct	`broadnet/qwen3-vl-8b`	टेक्स्ट और इमेज	$0.117 / $0.455प्रति 1M टोकन (इनपुट / आउटपुट)
Qwen3-VL 30B-A3B Instruct	प्राइवेट मॉडल ID, अनुरोध पर उपलब्ध	टेक्स्ट और इमेज	$0.13 / $0.52प्रति 1M टोकन (इनपुट / आउटपुट)
Cohere Transcribe Arabic	`broadnet/cohere-transcribe-arabic`	ऑडियो (अरबी)	$0.0042प्रति मिनट ऑडियो
Cohere Transcribe ArabicBroadNet द्वारा फाइन-ट्यून किया गया	प्राइवेट मॉडल ID, अनुरोध पर उपलब्ध	ऑडियो (अरबी)	$0.005प्रति मिनट ऑडियो
Cohere Transcribe	`broadnet/cohere-transcribe`	ऑडियो (14 भाषाएं)	$0.002प्रति मिनट ऑडियो

क्विकस्टार्ट

अपने अकाउंट पेज पर एक key बनाएं और इसे Bearer टोकन के रूप में भेजें। chat-completions और audio-transcription रिक्वेस्ट शेप्स OpenAI-कम्पैटिबल हैं, इसलिए एक बार जब आप इसे BroadNet बेस URL पर पॉइंट कर देते हैं, तो स्टैंडर्ड SDK काम करता है।

अरबी ऑडियो को ट्रांसक्राइब करें (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

इनवॉइस फोटो पढ़ें (Python)

import base64, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1",
                api_key=os.environ["BROADNET_API_KEY"])

invoice = base64.b64encode(open("invoice.jpg", "rb").read()).decode()
response = client.chat.completions.create(
    model="broadnet/gemma-4-26b-a4b",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "ما هو المبلغ الإجمالي في هذه الفاتورة؟"},
        {"type": "image_url",
         "image_url": {"url": "data:image/jpeg;base64," + invoice}},
    ]}])
print(response.choices[0].message.content)

आपका डेटा कहाँ जाता है

प्रॉम्प्ट्स, इमेज, ऑडियो, उत्तर और ट्रांसक्रिप्ट एक रिक्वेस्ट के लिए मेमोरी में रहते हैं और फिर हटा दिए जाते हैं। कंटेंट को कभी भी लॉग नहीं किया जाता है और न ही मॉडल को ट्रेन या इवैल्यूएट करने के लिए उपयोग किया जाता है, और एक ऑटोमेटेड ऑडिट हर घंटे इस कॉन्फ़िगरेशन की जाँच करता है।

BroadNet केवल कंटेंट-फ्री अकाउंटिंग और सुरक्षा रिकॉर्ड रखता है, जैसे कि टाइमिंग्स, टोकन काउंट और लागत।

प्रोसेसिंग संयुक्त राज्य अमेरिका में हार्डवेयर BroadNet पर चलती है। डेटा-रेजिडेंसी आवश्यकताओं के लिए अनुरोध पर MENA या यूरोप में रीजनल प्रोसेसिंग उपलब्ध है।

Keys, लिमिट्स और प्राइवेट एंडपॉइंट्स

Pay-as-you-go कीज़
प्रति मिनट 30 अनुरोध और 4 समवर्ती अनुरोध, जिनका भुगतान आपके द्वारा कार्ड से टॉप-अप किए गए प्रीपेड बैलेंस से किया जाता है। प्रत्येक अकाउंट के लिए दस लाइव कीज़ तक उपलब्ध हैं, जिनमें से प्रत्येक एक वर्ष के लिए वैध है।
प्रति घंटा कीज़
$0.50 में Gemma 4 VL 26B का एक घंटा मिलता है: एक स्ट्रीम, प्रति मिनट 120 रिक्वेस्ट और प्रति मिनट 300,000 टोकन, जो आपके बैलेंस से API द्वारा मिंट किए जाते हैं।
IP अलाउ-लिस्ट
प्रति अकाउंट 32 IPv4 या IPv6 एड्रेस या CIDR रेंज तक, अपनी keys को केवल अपने सर्वर तक सीमित रखें।
प्राइवेट एंडपॉइंट्स
आपके अपने key, लिमिट्स और रीजन के साथ, अरबी फाइन-ट्यून्स सहित आपके द्वारा चुने गए मॉडल को चलाने वाला एक रिजर्व्ड GPU या नोड। कीमतें अनुरोध पर उपलब्ध हैं।

प्रश्न

ट्रांसक्रिप्शन किन अरबी बोलियों को हैंडल करता है?

गल्फ, इजिप्शियन, लेवेंटाइन, मगरेबी और मॉडर्न स्टैंडर्ड अरबी। अरबी स्पीच के लिए अरबी मॉडल का उपयोग करें: यह अरबी स्क्रिप्ट में रहता है, जबकि मल्टीलिंगुअल मॉडल मिश्रित स्पीच होने पर इंग्लिश में बदल सकता है।

मुझे API की कैसे मिलेगी?

inference.broadnet.ai पर एक अकाउंट बनाएं, बैलेंस जोड़ें, फिर अपने अकाउंट पेज से कीज़ बनाएं या उन्हें हटा दें। नए अकाउंट्स में $5 का क्रेडिट मिलता है, जो 30 दिनों के लिए वैध है, और इसके लिए किसी कार्ड की आवश्यकता नहीं है।

क्या मेरी ऑडियो फ़ाइलें और दस्तावेज़ स्टोर किए जाते हैं?

नहीं। रिक्वेस्ट और रिस्पॉन्स कंटेंट को एक रिक्वेस्ट के लिए मेमोरी में रखा जाता है और फिर हटा दिया जाता है। इसे कभी भी लॉग या ट्रेनिंग के लिए उपयोग नहीं किया जाता है।

डेटा कहाँ प्रोसेस किया जाता है?

संयुक्त राज्य अमेरिका में BroadNet-संचालित GPUs पर। डेटा-रेसिडेंसी आवश्यकताओं वाले ग्राहकों के लिए MENA या यूरोप में रीजनल प्रोसेसिंग अनुरोध पर उपलब्ध है।

क्या मैं निजी तौर पर मॉडल चला सकता हूँ?

हाँ। एक प्राइवेट एंडपॉइंट आपको आपकी पसंद के मॉडल के साथ एक आरक्षित GPU या नोड देता है, जिसमें फाइन-ट्यून्ड और अरबी-अनुकूलित वेरिएंट, आपकी अपनी key, लिमिट्स और आपकी ज़रूरत का रीजन शामिल है।

$5 के फ्री क्रेडिट के साथ शुरू करें

एक अकाउंट बनाएं, एक key जोड़ें और मिनटों में अपना पहला अरबी वॉयस नोट भेजें। अकाउंट, keys और बिलिंग inference.broadnet.ai पर उपलब्ध हैं।

अकाउंट बनाएं BroadNet से बात करें

एक API के रूप में अरबी स्पीच रिकग्निशन और विजन