Di sebagian besar Timur Tengah, pelanggan tidak mengetik. Mereka mengirim voice note 40 detik dalam bahasa Arab Teluk atau Mesir, sering kali dengan nomor pesanan yang dibacakan di tengahnya. Agen lalu mendengarkan, memutar ulang, dan mengetiknya ke helpdesk. Kalikan dengan beberapa ratus per hari, dan voice note menjadi kanal paling lambat yang Anda miliki.
Artikel ini membangun alur kerja bisnis di sekitar transkripsi: mengeluarkan voice note dari WhatsApp dan Telegram, mengubahnya menjadi tiket terstruktur, dan menjaga datanya tetap terkendali. Untuk kode konversi dan transkripsinya sendiri, lihat panduan langkah demi langkah kami untuk mentranskripsi voice note WhatsApp. Kami tidak akan mengulanginya di sini.
Bagaimana voice note menjadi tiket support?
- Terima webhook dari WhatsApp atau Telegram.
- Unduh audionya segera.
- Konversi ke WAV mono 16 kHz.
- Transkripsi dengan kode bahasa yang tepat.
- Ekstrak field tiket dengan LLM.
- Buat tiketnya, beserta transkrip, dan balas dalam bentuk teks.
- Hapus file audionya.
Langkah 1 dan 2: bagaimana mengambil audio dari WhatsApp?
Di WhatsApp Business Cloud API, voice note masuk tiba sebagai webhook berisi media ID, bukan file-nya. Dokumentasi media Meta menetapkan aturannya:
- Panggil
GET /<MEDIA_ID>di Graph API untuk mendapatkanurl. - Unduh URL itu dengan
Authorization: Bearer <token>. Tanpa token, permintaannya gagal. - “Media URLs expire after 5 minutes.” (Terjemahan BroadRouter: URL media kedaluwarsa setelah 5 menit.) Minta yang baru jika Anda terlambat.
- Media ID dari webhook masuk berlaku selama 7 hari.
import os, requests
GRAPH = os.environ["GRAPH_BASE"] # e.g. https://graph.facebook.com/<version>
HDR = {"Authorization": f"Bearer {os.environ['WA_TOKEN']}"}
def download_whatsapp(media_id, path):
url = requests.get(f"{GRAPH}/{media_id}", headers=HDR, timeout=10).json()["url"]
with open(path, "wb") as f:
f.write(requests.get(url, headers=HDR, timeout=30).content)
Lakukan ini di background job milik handler webhook, bukan belakangan dalam batch. Antrean yang berjalan sejam sekali akan menemui URL yang sudah kedaluwarsa.
Bagaimana mengambil voice note dari bot Telegram?
Bot Telegram menerima objek voice berisi file_id. Bot API menyatakan bot “can download files of up to 20MB” (Terjemahan BroadRouter: bisa mengunduh file hingga 20 MB), lewat https://api.telegram.org/file/bot<token>/<file_path>, dan tautannya “valid for at least 1 hour” (Terjemahan BroadRouter: berlaku setidaknya 1 jam).
TG = f"https://api.telegram.org/bot{os.environ['TG_TOKEN']}"
def download_telegram(file_id, path):
file_path = requests.get(f"{TG}/getFile", params={"file_id": file_id}, timeout=10).json()["result"]["file_path"]
with open(path, "wb") as f:
f.write(requests.get(f"https://api.telegram.org/file/bot{os.environ['TG_TOKEN']}/{file_path}", timeout=30).content)
Dalam praktiknya, kedua platform mengirim voice note sebagai Ogg/Opus. Endpoint transkripsi menerima WAV atau MP3, jadi konversi dengan perintah ffmpeg satu baris dari panduan WhatsApp, lalu transkripsi dengan language="ar" (atau bahasa pelanggan).
Langkah 5: bagaimana mengubah transkrip menjadi tiket?
Transkrip mentah masih sulit di-triage. LLM bisa menarik field yang dibutuhkan helpdesk Anda:
import json
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
FIELDS = ("Return JSON with: intent (refund|delivery|billing|technical|other), urgency (low|normal|high), "
"order_number (string or null), language, summary_en (one sentence), needs_human (true/false).")
def to_ticket(transcript):
reply = client.chat.completions.create(
model="broadnet/qwen3.8-27b",
response_format={"type": "json_object"},
messages=[{"role": "system", "content": "You triage customer support voice notes. " + FIELDS},
{"role": "user", "content": transcript}],
).choices[0].message.content
return json.loads(reply)
Qwen3.8 27B adalah model yang diuji BroadNet untuk bahasa Arab, termasuk dialek Teluk dan Mesir. Validasi JSON-nya sebelum Anda menulisnya ke helpdesk, dan kembali ke needs_human: true jika parsing gagal; artikel output terstruktur punya loop validasi dan perbaikan. Jika sebuah voice note menyebut nomor kartu atau nomor identitas, lakukan redaksi sebelum langkah ini; lihat mengirim data sensitif ke API LLM.
Kasus tepi apa yang perlu ditangani sejak awal?
Inbox sungguhan lebih berantakan daripada demo. Bersiaplah untuk hal-hal ini sejak minggu pertama:
- Beberapa voice note berturut-turut. Pelanggan sering mengirim tiga pesan pendek alih-alih satu yang panjang. Kelompokkan pesan dari pengirim yang sama dalam beberapa menit menjadi satu tiket, dan transkripsi sesuai urutannya.
- Pesan yang sangat pendek. Pesan “Oke” atau “terima kasih” tidak perlu tiket. Lewati ekstraksi jika transkripnya kurang dari beberapa kata.
- Pesan yang diteruskan. Voice note yang diteruskan bisa jadi berisi orang lain yang berbicara. Perlakukan sebagai lampiran, bukan sebagai ucapan pelanggan sendiri.
- Bahasa campuran. Pelanggan dari kawasan Teluk mencampurkan nama produk berbahasa Inggris. Jika antrean Anda melayani beberapa bahasa, catat bahasa yang Anda kirim bersama setiap transkrip agar agen tahu apa yang akan dihadapi.
- File besar. Dokumentasi media Meta mencantumkan batas audio 16 MB dan bot Telegram bisa mengunduh hingga 20 MB, keduanya di bawah batas transkripsi 25 MiB, tetapi rekaman panjang tetap butuh waktu lebih lama. Proses di latar belakang.
Apa yang didapat tim dari alur ini?
| Sebelum | Sesudah |
|---|---|
| Agen mendengarkan setiap pesan, sering kali dua kali | Agen membaca transkrip dan ringkasan satu baris |
| Pesan tidak bisa dicari | Transkrip bisa dicari berdasarkan nomor pesanan atau kata kunci |
| Triage oleh siapa pun yang sedang senggang | Routing berdasarkan intent dan urgensi |
| Pesan berbahasa Arab menunggu penutur bahasa Arab | Ringkasan bahasa Inggris membuat agen mana pun bisa menangani kasus sederhana |
Berapa biaya transkripsi voice note?
Transkripsi adalah bagian murah dari pipeline ini. Dengan $0.0042 per menit, 10.000 voice note berbahasa Arab berdurasi 30 detik seharga $21.00. Model 14 bahasa seharga $0.002 per menit. Langkah LLM dihargai per token; transkrip pendek ditambah instruksinya biasanya hanya beberapa ratus token. Masukkan volume Anda sendiri ke kalkulator biaya speech-to-text, atau bandingkan penyedia lain di perbandingan harga speech-to-text.
Bagaimana menangani privasi dan masa simpan?
Voice note adalah data pribadi, dan sering berisi lebih dari yang ingin dibagikan pelanggan. Tiga kebiasaan ini membantu:
- Hapus audio setelah transkripsi kecuali ada kebijakan yang mengharuskan Anda menyimpannya.
- Simpan transkrip bersama tiketnya, di bawah kontrol akses helpdesk, bukan di log aplikasi.
- Gunakan penyedia yang tidak menyimpan audio. BroadNet tidak menyimpan audio maupun transkrip setelah permintaan selesai; lihat zero data retention.
Balas dengan teks biasa, dan buat balasan pertama ke kontak baru tetap singkat dan tanpa tautan. Platform perpesanan mengawasi pola mirip spam dari nomor bisnis.
Di mana posisi BroadNet Inference?
BroadNet mencakup langkah transkripsi dan ekstraksi dengan satu kunci yang kompatibel dengan OpenAI: BroadNet Transcribe Arabic untuk voice note berbahasa Arab, BroadNet Transcribe untuk bahasa Arab plus 13 bahasa lainnya, dan model chat yang sudah diuji dalam bahasa Arab untuk field tiket. BroadNet melaporkan model Arabnya #2 dari 37 (angka September 2026; papan peringkat langsung mencantumkannya di #4 dari 39 pada 15 November 2026) di Open Universal Arabic ASR Leaderboard. Kredit awal $5 mencakup sekitar 1,190 menit audio berbahasa Arab.
BroadNet tidak menghubungkan WhatsApp, Telegram, atau helpdesk Anda untuk Anda; penanganan webhook dan pembuatan tiket adalah tugas kode Anda atau alat otomasi Anda. Panggilan telepon adalah bentuk masalah yang berbeda, dengan dua pembicara dan rekaman panjang: lihat transkripsi rekaman call center.

