صدّر الرسائل الصوتية من المحادثة (أو استقبلها عبر تكامل WhatsApp Business لديك) وستحصل على ملفات .ogg. ويقول توثيق Cloud API من Meta إن رسائل WhatsApp الصوتية ملفات .ogg مرمّزة بـ Opus. أما تسجيلات الهاتف فغالبًا ما تكون .m4a. ونقطة نهاية التفريغ في BroadNet تقبل WAV وMP3، لذا حوّل الملف أولًا.
1. حوّل ملفًا واحدًا
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
الخياران -ar 16000 -ac 1 ينتجان صوتًا أحادي القناة بتردد 16 kHz، وهو التحويل الذي يستخدمه توثيق BroadNet للرسائل الصوتية وتسجيلات الهاتف. والأمر نفسه يعمل مع .m4a. يشغل WAV أحادي القناة بتردد 16 kHz وعمق 16 بت 32,000 بايت في الثانية، فيتسع حد الملف البالغ 26,214,400 بايت لنحو 13 دقيقة. وللتسجيلات الأطول، تحسب أداة تقسيم الصوت عدد الأجزاء التي تحتاج إليها وتكتب أوامر ffmpeg.
2. فرّغ مجلدًا كاملًا
import os, pathlib, subprocess
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
for src in sorted(pathlib.Path("voice-notes").glob("*.ogg")):
wav = src.with_suffix(".wav")
subprocess.run(["ffmpeg", "-y", "-loglevel", "error", "-i", str(src), "-ar", "16000", "-ac", "1", str(wav)], check=True)
with open(wav, "rb") as audio:
text = client.audio.transcriptions.create(
model="broadnet/cohere-transcribe-arabic",
file=audio,
language="ar", # use "en", "es", ... with broadnet/cohere-transcribe
).text
src.with_suffix(".txt").write_text(text, encoding="utf-8")
print(src.name, "->", text[:60])
يُحفظ كل ملف .txt بجوار رسالته الصوتية. ولتشغيل الخطوات نفسها تلقائيًا على كل رسالة واردة في WhatsApp Business، راجع مسار n8n لرسائل WhatsApp الصوتية.
التكلفة
تكلّف الرسالة الصوتية التي مدتها دقيقة واحدة $0.0042 بالعربية، أو $0.002 مع النموذج متعدد اللغات (14 لغة). ولا يُحتفظ بالصوت ولا بالنصوص المفرّغة بعد الطلب؛ راجع عدم الاحتفاظ بالبيانات.
حل المشكلات
-
حروف لاتينية بدلًا من العربية: أضف
language="ar". يقول توثيق BroadNet أن ترسلlanguageدائمًا. -
الخطأ 413: الملف أكبر من 26,214,400 بايت (25 MiB). قسّم التسجيلات الطويلة إلى أجزاء WAV مدة كل منها 10 دقائق:
ffmpeg -i long-note.ogg -ar 16000 -ac 1 -f segment -segment_time 600 part-%03d.wav -
400 أو 422 عند الرفع: تأكّد أن الملف WAV أو MP3 فعلًا، وليس ملف
.oggأُعيدت تسميته إلى.wav. شغّل أمر التحويل بـ ffmpeg. -
ffmpeg: command not found: ثبّت ffmpeg من مدير الحزم لديك (مثلapt install ffmpegأوbrew install ffmpeg). -
الخطأ 429: تسمح مفاتيح الدفع حسب الاستخدام بـ 4 من الطلبات في آن واحد؛ عالج الملفات عبر مجموعة صغيرة من العمليات المتوازية. راجع كل رموز أخطاء BroadNet.
لمزيد من التفاصيل عن النموذج والصيغ والدقة: دليل تحويل الكلام العربي إلى نص. ولمقارنة ما يتقاضاه المزوّدون الآخرون لكل دقيقة صوت، راجع مؤشر أسعار واجهات تحويل الكلام إلى نص المفتوح، مع مصدر وتاريخ لكل سعر. ولمعرفة لماذا يكفي تردد 16 kHz للكلام، راجع معدل أخذ العينات.
