BroadRouter

تحويل رسائل WhatsApp الصوتية إلى نص عبر API

آخر تحديث

رسائل WhatsApp الصوتية صوت بترميز Opus في ملفات .ogg، ونقطة نهاية التفريغ لا تقبلها مباشرة. حوّل كل رسالة إلى WAV أحادي القناة بتردد 16 kHz عبر ffmpeg، ثم أرسلها إلى BroadNet Transcribe Arabic أو BroadNet Transcribe مع حقل language المناسب. وسكربت قصير ينفّذ الخطوتين لمجلد كامل.

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 ترسل language دائمًا.

  • 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 .ogg أُعيدت تسميته إلى .wav. شغّل أمر التحويل بـ ffmpeg.

  • ffmpeg: command not found: ثبّت ffmpeg من مدير الحزم لديك (مثل apt install ffmpeg أو brew 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.

أسئلة شائعة

ما صيغة الرسائل الصوتية في WhatsApp؟

صوت بترميز Opus داخل حاوية Ogg، محفوظ بامتداد .ogg. ويقول توثيق Cloud API من Meta إن الرسائل الصوتية يجب أن تكون ملفات .ogg مرمّزة بـ Opus، وأحادية القناة فقط.

هل يمكنني إرسال ملف .ogg مباشرة إلى واجهة التفريغ؟

ليس إلى BroadNet Inference. فنقطة نهاية التفريغ فيها تقبل WAV وMP3، لذا حوّل الرسالة الصوتية بـ ffmpeg أولًا. أمر واحد يحوّلها إلى WAV أحادي القناة بتردد 16 kHz.

هل تُخزَّن الرسائل الصوتية بعد تفريغها؟

تقول BroadNet إن الصوت والنصوص المفرّغة تُعالج لأجل الطلب ولا يُحتفظ بها. ولا تحتفظ إلا بسجلات خالية من المحتوى، مثل التوقيتات والحالة والاستخدام، لأغراض الفوترة والأمان.

أي نموذج أستخدم للرسائل الصوتية العربية؟

BroadNet Transcribe Arabic، أي broadnet/cohere-transcribe-arabic، مع ضبط language على ar. واستخدم BroadNet Transcribe، أي broadnet/cohere-transcribe، للغات الـ 13 الأخرى التي يغطيها.

اقرأها بصيغة Markdownاسأل ChatGPTاسأل Claudeاسأل Perplexity