阿拉伯语语音转文本与视觉API

功能介绍

阿拉伯语语音识别
支持海湾方言、埃及方言、黎凡特方言、马格里布方言及现代标准阿拉伯语的转录。阿拉伯语模型会保持阿拉伯语脚本输出，因此通话和语音留言将以可搜索的阿拉伯语文本形式返回。
文档与视觉
拍摄发票、身份证或手写表格，即可获得准确的JSON（阿拉伯语和英语），数字与原件完全一致。
通过文本和图像进行聊天
由BroadNet针对阿拉伯语和英语进行微调并提供服务的Gemma 4 VL 26B，在chat-completions端点支持文本和图像输入，并支持流式传输。

模型与价格

所有模型均运行在BroadNet硬件上。语言模型按每百万token计费，转录服务按每分钟音频计费。上述价格为2026年9月24日在broadnet.ai/inference上公布的价格；该处的价目表即为最终计费标准。

模型	模型ID	输入类型	价格（USD）
Gemma 4 VL 26B	`broadnet/gemma-4-26b-a4b`	文本与图像	$0.10 / $0.22每100万token（输入 / 输出）
Qwen3-VL 8B Instruct	`broadnet/qwen3-vl-8b`	文本与图像	$0.117 / $0.455每100万token（输入 / 输出）
Qwen3-VL 30B-A3B Instruct	私有模型ID，可按需申请	文本与图像	$0.13 / $0.52每100万token（输入 / 输出）
Cohere Transcribe Arabic	`broadnet/cohere-transcribe-arabic`	音频（阿拉伯语）	$0.0042每分钟音频
Cohere Transcribe Arabic由BroadNet微调	私有模型ID，可按需申请	音频（阿拉伯语）	$0.005每分钟音频
Cohere Transcribe	`broadnet/cohere-transcribe`	音频（14种语言）	$0.002每分钟音频

快速入门

在您的账户页面创建一个密钥，并将其作为Bearer token发送。chat-completions和audio-transcription的请求格式与OpenAI兼容，因此只要您将SDK指向BroadNet基础URL，即可使用标准SDK。

转录阿拉伯语音频（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

读取发票照片（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)

您的数据去向

提示词、图像、音频、回答和转录内容在单次请求期间保留在内存中，随后即被丢弃。内容绝不会被记录或用于训练或评估模型，且自动化审计每小时会对该配置进行一次检查。

BroadNet仅保留不含内容的会计和安全记录，例如时间、Token计数和成本。

处理过程在BroadNet位于美国的硬件上运行。对于有数据驻留要求的客户，可根据需求提供中东和北非（MENA）或欧洲的区域处理服务。

密钥、限制与私有端点

按需付费密钥
每分钟30次请求，支持4个并发请求，通过您使用银行卡充值的预付费余额支付。每个账户最多支持10个实时密钥，每个密钥有效期为一年。
每小时密钥
$0.50可购买一小时的Gemma 4 VL 26B服务：单流，每分钟120次请求和每分钟300,000个token，通过API从您的余额中扣除。
IP白名单
每个账户最多可将密钥限制在32个IPv4或IPv6地址或CIDR范围内，仅限您自己的服务器使用。
私有端点
使用您选择的模型（包括阿拉伯语微调模型）运行的专用GPU或节点，配备您专属的密钥、限制和区域。价格请咨询。

问题

转录技术支持哪些阿拉伯语方言？

涵盖海湾阿拉伯语、埃及阿拉伯语、黎凡特阿拉伯语、马格里布阿拉伯语和现代标准阿拉伯语。使用阿拉伯语模型进行阿拉伯语语音处理：它将保持阿拉伯语脚本，而多语言模型在混合语音时可能会转向英语。

如何获取API密钥？

在inference.broadnet.ai创建账户，充值余额，然后在账户页面创建或撤销密钥。新账户可获得5美元的初始信用额度，有效期30天，无需信用卡。

我的音频文件和文档会被存储吗？

不。请求和响应内容仅在单个请求期间保存在内存中，随后即被丢弃。绝不会被记录或用于训练。

数据在哪里处理？

在位于美国的BroadNet运营的GPU上运行。对于有数据驻留要求的客户，可根据需求提供中东和北非（MENA）或欧洲的区域处理服务。

我可以私有化运行模型吗？

支持。私有端点可为您提供预留的GPU或节点，并可根据您的选择配置模型（包括经过微调和针对阿拉伯语优化的变体），同时提供专属密钥、配额以及您所需的区域。

获赠$5免费额度

创建账户，添加密钥，即可在几分钟内发送您的第一条阿拉伯语语音消息。账户、密钥和账单管理请访问inference.broadnet.ai。

创建账户联系BroadNet

阿拉伯语语音识别与视觉API