Téléchargez un message vocal WhatsApp et vous obtenez un petit fichier .ogg. À l’intérieur, de l’audio Opus, un codec conçu pour les appels vocaux.
Comment ça marche
Il y a deux couches, chacune définie par une RFC de l’IETF :
| Couche | Spécification | Rôle |
|---|---|---|
| Codec Opus | RFC 6716 | Compresse l’audio. Il combine une couche de prédiction linéaire fondée sur SILK et une couche MDCT fondée sur CELT, et va de 6 kbit/s pour la parole en bande étroite jusqu’à 510 kbit/s pour la musique stéréo |
| Conteneur Ogg | RFC 7845 | Encapsule les paquets Opus dans un fichier, en commençant par un en-tête d’identification OpusHead |
La RFC 6716 définit cinq largeurs de bande, de la bande étroite (fréquence d’échantillonnage de 8 kHz) à la bande complète (48 kHz). La RFC 7845 précise que les positions de granule comptent toujours les échantillons à 48 kHz, quelle que soit la fréquence de sortie du décodeur. Elle recommande l’extension .opus et le type de média audio/ogg, éventuellement audio/ogg; codecs=opus.
La référence des médias de la WhatsApp Cloud API de Meta indique l’audio OGG en audio/ogg avec « Opus codec only » (traduction : « codec Opus uniquement »), mono, jusqu’à 16 Mo.
Pourquoi c’est important
- Beaucoup d’API ne l’acceptent pas. Un endpoint speech-to-text qui n’accepte que le WAV ou le MP3 rejette un message vocal tant que vous ne l’avez pas converti.
- La conversion ne coûte presque rien. Une seule commande ffmpeg décode l’Opus en PCM. Le résultat est bien plus lourd que le message vocal : surveillez les limites de taille de fichier.
- Confusion de noms. « Opus » est aussi un nom de modèle chez d’autres fournisseurs. En contexte audio, il désigne le codec.
Sur BroadNet Inference
L’endpoint de transcription de BroadNet n’accepte que le WAV (audio/wav) ou le MP3 (audio/mpeg), jusqu’à 26 214 400 octets par fichier. Sa documentation convertit un message vocal WhatsApp en une étape :
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
D’après la documentation de ffmpeg, -ar règle la fréquence d’échantillonnage et -ac le nombre de canaux : cette commande écrit donc un WAV mono à 16 kHz. Envoyez-le ensuite avec language=ar (ou en) à BroadNet Transcribe Arabic ou BroadNet Transcribe. Le guide des messages vocaux WhatsApp fournit un script qui convertit et transcrit tout un dossier, et le guide n8n le fait dans un workflow. Pour un message vocal trop long pour un seul fichier, le découpeur audio calcule les morceaux.
Erreurs fréquentes
- Renommer au lieu de convertir. Passer de
.oggà.wavne change rien à l’audio contenu. Décodez avec ffmpeg. - Oublier
-ac 1. La stéréo double la taille du WAV sans aider la transcription.