# أفضل واجهات تحويل الكلام العربي إلى نص في 2026: مقارنة في اللهجة والسعر والمزايا

> ست واجهات برمجية تقبل العربية، جنبًا إلى جنب: تكلفة ساعة الصوت في كل منها، وطريقتها مع اللهجة الخليجية، والبث المباشر، ووجهة تسجيلاتك. مع اختبار تجريه في ساعات.

- المصدر: https://nutq.dev/ar/blog/best-arabic-speech-to-text-api-2026
- نُشر: 2026-10-17
- حُدّث: 2026-10-17
- الكاتب: nutq team (https://nutq.dev)

## الجواب المختصر

أفضل واجهة لتحويل الكلام العربي إلى نص تعتمد على صوتك. للهجتين الخليجية والشامية والمكالمات الهاتفية، استخدم نموذجًا مضبوطًا على اللهجة مثل نُطق (0.15 دولار للساعة، يحفظ اللهجة كما قيلت، ويمكن تشغيله داخل شبكتك). وإن احتجت لغات كثيرة معًا، فالنماذج العامة الكبيرة — OpenAI وDeepgram Nova-3 وElevenLabs Scribe وGoogle Chirp 3 وAzure — تقبل العربية كلها، بسعر بين 0.18 دولار ونحو دولار للساعة بحسب الأسعار المعلنة. وأيًّا كانت قائمتك، اختبرها على عشرين تسجيلًا من تسجيلاتك يقيّمها متحدث أصلي.

إن سألت مساعدًا ذكيًا عن **أفضل واجهة لتحويل الكلام العربي إلى نص**، فستحصل على قائمة بأسماء مشهورة. والسؤال الأنفع: الأفضل لأي عربية؟ مكالمة دعم سعودية، ورسالة صوتية إماراتية، ومقطع من نشرة أخبار — ثلاث مشكلات مختلفة. تغطي هذه المقارنة ست واجهات تقبل العربية في أكتوبر 2026، وتكلفتها، وكيف تختار بينها على صوتك أنت.

## ما الواجهات التي تستحق المقارنة؟

| الواجهة | النموذج العربي | السعر المعلن لساعة الصوت | البث المباشر |
|---|---|---|---|
| **نُطق** (`nutq-listen-1`) | مضبوط على الخليجية والشامية، ويحفظ اللهجة كما قيلت | 0.15 دولار | نعم (WebSocket) |
| **OpenAI** gpt-4o-mini-transcribe | متعدد اللغات، ومنها العربية | 0.18 دولار | نماذج مباشرة منفصلة |
| **ElevenLabs** Scribe v2 | متعدد اللغات، ومنها العربية | 0.22 دولار (المباشر 0.39) | نعم |
| **Deepgram** Nova-3 Arabic | عربي أحادي، `ar` و16 رمزًا إقليميًا | نحو 0.26 دولار للمسجّل | نعم |
| **OpenAI** Whisper وgpt-4o-transcribe | متعدد اللغات، ومنها العربية | 0.36 دولار | نماذج مباشرة منفصلة |
| **Google Cloud** Chirp 3 | متعدد اللغات، يسرد `ar-AE` و`ar-SA` وغيرها | نحو 0.96 دولار (الفئة القياسية) | نعم |
| **Microsoft Azure** AI Speech | لهجات عربية كثيرة، منها `ar-AE` | يختلف بحسب المنطقة والفئة | نعم |

الأسعار هي أسعار الدفع حسب الاستخدام المعلنة، تحققنا منها في أكتوبر 2026 على صفحة أسعار كل مزوّد؛ وفئات الحجم والعروض تغيّرها. هي نقطة بداية، لا عرض سعر.

## ما الذي يهم فعلًا مع العربية؟

السعر هو العمود السهل. ثلاثة أمور تحدد إن كانت النصوص صالحة للاستخدام:

1. **التعامل مع اللهجة.** معظم الصوت العربي الذي يستحق التفريغ لهجة. والنماذج المدرّبة أساسًا على العربية المكتوبة والإذاعية تميل إلى "تصحيحها" فصحى، فيُقرأ النص جيدًا وينسب إلى المتحدث ما لم يقله. نشرح السبب في [اللهجة الخليجية أم الفصحى](/ar/blog/gulf-arabic-vs-msa-transcription).
2. **صوت الهاتف والرسائل الصوتية.** تسجيلات مراكز الاتصال ورسائل واتساب ضيّقة النطاق ومضغوطة. والنموذج الممتاز على البودكاست قد يتراجع هنا بشدة؛ راجع [تفريغ المكالمات الهاتفية العربية](/ar/blog/transcribe-arabic-phone-calls).
3. **وجهة الصوت.** البنوك والرعاية الصحية والجهات الحكومية كثيرًا ما لا تستطيع إرسال تسجيلاتها إلى سحابة طرف ثالث أصلًا.

## بماذا تختلف الخيارات؟

**نُطق** متخصص: نموذج واحد مبني للهجتين الخليجية والشامية يكتب اللهجة كما قيلت. على مكالمة هاتفية حقيقية ضيّقة النطاق ارتكب أخطاء حروف أقل بنسبة 40% من المزوّد العربي الرائد، عبر 986 مقطعًا قورنت بنصوص كتبها بشر، ويعمل أسرع من الزمن الحقيقي بنحو 22 مرة. ويفرّغ كذلك 13 لغة أخرى، ويمكن تشغيل النماذج نفسها [داخل شبكتك](/ar/blog/on-premise-arabic-speech-recognition).

**OpenAI** المرجع الأكثر شيوعًا. يقبل Whisper وgpt-4o-transcribe العربية ضمن لغات كثيرة، ونموذج gpt-4o-mini-transcribe بنصف السعر.

**Deepgram** أطلقت نموذج Nova-3 Arabic المخصص في يناير 2026، برموز إقليمية من `ar-AE` و`ar-SA` إلى `ar-EG` و`ar-MA`، ويستهدف الصوت الحواري ومراكز الاتصال والوكلاء الصوتيين.

**ElevenLabs Scribe** نموذج متعدد اللغات من شركة اشتهرت بالأصوات، والعربية ضمن لغاته المدعومة.

**Google Chirp 3** و**Azure AI Speech** خيارا المنصات السحابية، بقوائم واسعة من اللهجات العربية. وهما الأنسب إن كانت بقية أنظمتك في تلك السحابة.

## كيف تختبر تفريغ الكلام العربي بنفسك؟

كل مزوّد ينشر مقياسًا يفوز فيه. أجرِ مقياسك في ساعات:

1. اختر **20 تسجيلًا** يشبه صوتك الفعلي: خط هاتفك، ولهجات عملائك، وأسماء منتجاتك.
2. اطلب من متحدث أصلي تفريغها **كما قيلت تمامًا**، باللهجة.
3. مرّر كل ملف على كل واجهة في قائمتك.
4. احسب **أخطاء الحروف** لا الكلمات — فالعربية تلصق السوابق واللواحق، وحرف واحد خاطئ قد يُحسب كلمة كاملة خاطئة.
5. علّم منفصلًا **الكلمات اللهجية التي أعيدت صياغتها فصحى**. المرجع الفصيح لا يحسبها أخطاء، لكن مستخدميك سيلاحظونها.

ومع نُطق لا يكلّفك الاختبار شيئًا: الحسابات الجديدة تحصل على رصيد بقيمة 5 دولارات، أي نحو 33 ساعة صوت، بلا بطاقة. والطلب سطر واحد؛ راجع [دليل تحويل الكلام العربي إلى نص](/ar/blog/arabic-speech-to-text-api)، أو أفلِت ملفًا في [صفحة التفريغ الصوتي العربي](/ar/arabic-transcription).

## أيها تختار؟

| إن كان صوتك… | القائمة المختصرة |
|---|---|
| مكالمات ورسائل صوتية ومقابلات خليجية أو شامية | نُطق أولًا، ثم Deepgram Nova-3 Arabic رأيًا ثانيًا |
| أخبار ومحاضرات وفصحى رسمية | أي من الستة؛ قرّر بالسعر والتكامل |
| عشرات اللغات في منتج واحد | OpenAI أو Deepgram أو ElevenLabs أو Google أو Azure، مع توجيه العربية إلى نُطق |
| تسجيلات لا يجوز أن تغادر شبكتك | نُطق داخل الشبكة |
| مكالمات مباشرة ووكلاء صوتيون | البث المباشر في نُطق أو Deepgram؛ راجع [التفريغ الصوتي العربي المباشر](/ar/blog/real-time-arabic-transcription) |

الجواب الصحيح هو النموذج الذي يخطئ أقل على تسجيلاتك أنت. عشرون ملفًا ومتحدث أصلي سيخبرانك أكثر من أي جدول مقارنة، وهذا الجدول منها.

## أسئلة شائعة

### ما أفضل واجهة برمجية لتحويل الكلام العربي إلى نص؟

للهجتين الخليجية والشامية، خصوصًا على صوت الهاتف، النموذج المضبوط على اللهجة مثل نُطق هو الأنسب والأرخص بسعر 0.15 دولار للساعة. وإن كان منتجك يحتاج عشرات اللغات، فالنماذج العامة من OpenAI وDeepgram وElevenLabs وGoogle وAzure تقبل العربية كلها. اختبر على صوتك قبل الاختيار.

### ما أرخص واجهة لتفريغ الصوت العربي؟

بحسب الأسعار المعلنة للدفع حسب الاستخدام في أكتوبر 2026: نُطق 0.15 دولار للساعة، وgpt-4o-mini-transcribe من OpenAI ‏0.18، وElevenLabs Scribe v2 ‏0.22، وDeepgram Nova-3 أحادي اللغة نحو 0.26، وWhisper وgpt-4o-transcribe ‏0.36، والفئة القياسية في Google نحو 0.96.

### هل يعمل Whisper جيدًا مع اللهجة الخليجية؟

يقبل Whisper العربية وهو مرجع عام معقول. لكنه مثل أغلب النماذج المدرّبة على العربية المكتوبة والإذاعية يميل إلى الفصحى، فراجع مخرجاته بحثًا عن كلمات لهجية أعيدت صياغتها فصحى.

### أي واجهة لتفريغ الكلام العربي يمكن تشغيلها داخل الشبكة؟

يشغّل نُطق نماذجه داخل شبكتك على بطاقة رسومية واحدة بذاكرة 24 غيغابايت، دون أن يغادرها أي صوت ودون رسوم على الدقيقة. أما الواجهات الأخرى في هذه المقارنة فتعمل في سحابة المزوّد.

### كيف أقارن دقة تفريغ الكلام العربي؟

خذ 20 تسجيلًا يشبه صوتك الفعلي، واطلب من متحدث أصلي تفريغها كما قيلت تمامًا، واحسب أخطاء الحروف لكل واجهة. وعلّم كذلك الكلمات اللهجية التي أعيدت صياغتها فصحى، لأن المرجع الفصيح لا يحسبها أخطاء.