Este workflow convierte en texto, dentro de n8n, cada nota de voz que llega por WhatsApp. Es la versión para n8n del script de la guía de notas de voz de WhatsApp: la misma conversión con ffmpeg y la misma llamada de transcripción. Los nombres de nodos y opciones de abajo se verificaron con la documentación y el código fuente de n8n el 2026-11-14; los enlaces están en las fuentes.
Qué necesita
- n8n autoalojado. La documentación de n8n dice que el nodo Execute Command no está disponible en n8n Cloud y que viene desactivado de forma predeterminada desde n8n 2.0.
- ffmpeg en el host de n8n. Con Docker, el comando se ejecuta dentro del contenedor de n8n, no en el host de Docker, así que ffmpeg debe estar en la imagen.
- Una credencial de WhatsApp Business Cloud en n8n, conectada a una app de Meta con su cuenta de WhatsApp Business, y el token de acceso de esa app.
- Una clave de API de BroadNet. Las cuentas nuevas reciben $5 de crédito inicial sin tarjeta, y ambos modelos de transcripción funcionan con él.
Preparar n8n: ffmpeg, Execute Command y una carpeta de archivos
La imagen oficial de Docker de n8n no tiene gestor de paquetes. La documentación de n8n muestra cómo restaurar apk en una imagen personalizada para instalar curl; el mismo Dockerfile con ffmpeg en lugar de curl le da ffmpeg:
FROM n8nio/n8n
USER root
# Restore the apk package manager (removed from the base image)
COPY --from=alpine:3.22 /sbin/apk /sbin/apk
COPY --from=alpine:3.22 /lib/apk /lib/apk
COPY --from=alpine:3.22 /usr/lib/libapk* /usr/lib/
RUN apk add --no-cache ffmpeg
USER node
Constrúyala con docker build -t n8n-ffmpeg . y ejecute n8n-ffmpeg en lugar de n8nio/n8n. El cambio a ffmpeg es una modificación nuestra del ejemplo de curl de n8n, así que ejecute una vez ffmpeg -version en un nodo Execute Command para confirmarlo.
Luego defina dos variables de entorno:
| Variable | Valor | Motivo |
|---|---|---|
NODES_EXCLUDE |
"[]" |
Execute Command está bloqueado de forma predeterminada. Una lista vacía lo desbloquea, junto con todos los demás nodos que n8n bloquea de forma predeterminada, así que vuelva a agregar los que quiera mantener bloqueados. |
N8N_RESTRICT_FILE_ACCESS_TO |
sin definir | Desde n8n 2.0 su valor predeterminado es ~/.n8n-files. En la imagen oficial es /home/node/.n8n-files, la carpeta que se usa abajo. |
El workflow, nodo por nodo
| # | Nodo | Configuración |
|---|---|---|
| 1 | WhatsApp Trigger | Event: Messages |
| 2 | If | {{ $json.messages?.[0]?.type ?? '' }} is equal to audio |
| 3 | WhatsApp Business Cloud | Resource Media, Operation Download, Media ID {{ $json.messages[0].audio.id }} |
| 4 | HTTP Request | GET {{ $json.url }}, encabezado Authorization: Bearer <WhatsApp access token>, Response Format File, Put Output in Field data |
| 5 | Read/Write Files from Disk | Write File to Disk, ruta /home/node/.n8n-files/{{ $('WhatsApp Trigger').item.json.messages[0].audio.id }}.ogg, Input Binary Field data |
| 6 | Execute Command | el comando de ffmpeg de abajo |
| 7 | Read/Write Files from Disk | Read File(s) From Disk, la ruta del .wav, Put Output File in Field data |
| 8 | HTTP Request | POST al endpoint de transcripción, abajo |
Los nodos 5 a 7 existen porque Execute Command ejecuta un comando de shell y no recibe datos binarios de n8n, así que el archivo va al disco y vuelve.
Importe el workflow en lugar de construirlo
Descargue el workflow como JSON de n8n (8 nodos, configurado para árabe) e impórtelo en n8n con Import from File. No contiene claves ni tokens. Cada nodo que necesita inicio de sesión tiene una credencial de marcador cuyo nombre empieza por REPLACE:; abra esos cuatro nodos y elija sus propias credenciales. Los nombres de tipos de nodo y de parámetros se verificaron con el código fuente de n8n el 2026-11-14; la guía de abajo explica cada nodo, así que también puede construirlo a mano.
1–2. Disparar con los mensajes y quedarse solo con el audio
En el código fuente de n8n, el WhatsApp Trigger emite un ítem por cada cambio del webhook de Meta, con la lista de mensajes en messages. Los textos, las imágenes y las notas de voz llegan todos por el evento Messages, así que el nodo If solo deja pasar los ítems cuyo primer mensaje tiene type igual a audio. Las confirmaciones de entrega y de lectura llegan por el mismo evento sin lista messages; el ?? '' convierte ese valor ausente en una cadena vacía para que la comprobación estricta de tipo no falle con ellas.
WhatsApp permite una sola URL de webhook registrada por app. La documentación de n8n advierte que alternar entre las URL de prueba y de producción del trigger la sobrescribe, y la otra URL deja de recibir eventos.
3–4. Descargar la nota de voz de Meta
La operación Download del nodo de WhatsApp llama al endpoint de medios de Meta con el ID del medio y devuelve un JSON con una url, no el audio. La documentación de Meta dice que esa URL es válida durante 5 minutos y que la descarga falla sin su token de acceso. Por eso el siguiente nodo HTTP Request descarga {{ $json.url }} con el token en un encabezado Authorization y guarda la respuesta como archivo en el campo data. En n8n, guarde el token en una credencial Header Auth (nombre Authorization, valor Bearer seguido del token) en lugar de escribirlo en el nodo.
5–7. Convertir a WAV con ffmpeg
Escriba el archivo en el disco (nodo 5) y conviértalo en el nodo Execute Command (nodo 6):
ffmpeg -y -loglevel error -i /home/node/.n8n-files/{{ $('WhatsApp Trigger').item.json.messages[0].audio.id }}.ogg -ar 16000 -ac 1 /home/node/.n8n-files/{{ $('WhatsApp Trigger').item.json.messages[0].audio.id }}.wav
-ar 16000 -ac 1 genera WAV mono de 16 kHz, la conversión que usa la documentación de BroadNet para notas de voz. El ID del medio es un número, así que es seguro usarlo en un nombre de archivo. El nodo 7 vuelve a leer el archivo .wav en el campo data.
8. Transcribir
Cree una segunda credencial Header Auth para BroadNet (nombre Authorization, valor Bearer seguido de su clave de BroadNet). Luego configure el último nodo HTTP Request:
| Campo | Valor |
|---|---|
| Method | POST |
| URL | https://inference.broadnet.ai/v1/audio/transcriptions |
| Authentication | Generic Credential Type, Header Auth, la credencial de BroadNet |
| Send Body | activado, Body Content Type Form-Data |
Parámetro del body model |
broadnet/cohere-transcribe-arabic (o broadnet/cohere-transcribe para los otros 13 idiomas) |
Parámetro del body language |
ar (o en, es, …) |
Parámetro del body file |
Parameter Type n8n Binary File, Input Data Field Name data |
La respuesta es un JSON con la transcripción en text, así que los nodos siguientes leen {{ $json.text }}. Es la misma solicitud que esta llamada con 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
Envíe siempre language. Sin él, el árabe puede volver transliterado a letras latinas.
Qué hacer con el texto
Guárdelo en su CRM o en su herramienta de soporte, o páselo a un modelo de chat para resumir o clasificar el mensaje. La guía de n8n compatible con OpenAI muestra cómo apuntar el nodo OpenAI Chat Model de n8n a BroadNet con la misma clave. Para limpiar, agregue un último nodo Execute Command que borre los dos archivos de ese ID de medio.
Solución de problemas
- El trigger no recibe nada. Verifique que el workflow esté publicado en la URL de producción y que su app de Meta esté suscrita a la cuenta de WhatsApp Business; la documentación de n8n dice que n8n no crea esa suscripción.
- La descarga del medio devuelve 404. La URL venció a los 5 minutos. La documentación de Meta indica solicitar una nueva URL del medio y, si eso también falla, renovar el token de acceso.
- “Unrecognized node type” o falta Execute Command. Está bloqueado de forma predeterminada desde n8n 2.0; configure
NODES_EXCLUDE. ffmpeg: not found. La imagen no tiene ffmpeg; construya la imagen personalizada de arriba.- No se permite el acceso al archivo. Escriba en
/home/node/.n8n-fileso configureN8N_RESTRICT_FILE_ACCESS_TOcon la carpeta que use. - 400, 413 o 429 de BroadNet. 413 significa que el archivo supera los 26,214,400 bytes (unos 13 minutos de WAV mono de 16 kHz); 429 significa demasiadas solicitudes a la vez. Consulte códigos de error y reintentos de BroadNet.
La precisión, los dialectos y cómo se compara el precio de BroadNet con otras API de voz a texto se tratan en la guía de voz a texto en árabe. Para ver precios de lista por lotes y en streaming de más de 20 productos de voz a texto, cada uno con su fuente y la fecha de verificación, consulte el índice abierto de precios de API de voz a texto.
