アラビア語音声認識およびビジョンAPI

機能

• アラビア語音声認識

  湾岸地域、エジプト、レバント、マグリブ、および標準アラビア語の文字起こしに対応しています。アラビア語モデルは出力をアラビア文字で保持するため、通話やボイスノートは検索可能なアラビア語テキストとして返されます。

• ドキュメントとビジョン

  請求書、身分証明書、または手書きのフォームを撮影するだけで、数字を記載通りに保持したまま、正確なJSONをアラビア語と英語で取得できます。

• テキストと画像によるチャット

  BroadNetがチューニングおよび提供するGemma 4 VL 26B（アラビア語および英語対応）は、chat-completionsエンドポイントでテキストと画像を受け付け、ストリーミングをサポートしています。

モデルと料金

すべてのモデルはBroadNetハードウェア上で動作します。言語モデルの料金は100万トークン単位、文字起こしは音声1分単位で設定されています。これらは2026年9月24日時点でbroadnet.ai/inferenceに掲載されている価格であり、同サイトの料金表が正式な価格となります。

クイックスタート

アカウントページでキーを作成し、Bearerトークンとして送信してください。chat-completionsおよびaudio-transcriptionのリクエスト形式はOpenAI互換であるため、BroadNetベースURLを指定するだけで標準的なSDKが動作します。

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

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)

データの保存先

APIキー、制限、プライベートエンドポイント

• 従量課金制キー

  1分間に30リクエスト、同時実行リクエストは4件まで。カードでチャージ可能なプリペイド残高から支払われます。1アカウントにつき最大10個のライブキーを使用でき、各キーの有効期間は1年間です。

• 時間ごとのキー

  $0.50でGemma 4 VL 26Bを1時間利用可能：1ストリーム、毎分120リクエスト、毎分300,000トークン。APIにより残高から発行されます。

• IP許可リスト

  1アカウントあたり最大32個のIPv4またはIPv6アドレス、あるいはCIDR範囲を指定して、キーの使用を自社サーバーのみに制限できます。

• プライベートエンドポイント

  お客様専用のキー、制限、リージョンを使用し、アラビア語のファインチューニングを含む選択可能なモデルを実行する、専用のGPUまたはノード。料金はリクエストに応じて提示します。

質問

関連