Unduh pesan suara WhatsApp dan Anda akan mendapat file .ogg berukuran kecil. Isinya audio Opus, codec yang dirancang untuk panggilan suara.
Cara kerjanya
Ada dua lapisan, masing-masing didefinisikan oleh sebuah RFC IETF:
| Lapisan | Spesifikasi | Fungsinya |
|---|---|---|
| Codec Opus | RFC 6716 | Mengompresi audio. Menggabungkan lapisan linear prediction berbasis SILK dengan lapisan MDCT berbasis CELT, dan bekerja dari ucapan narrowband 6 kbit/s hingga musik stereo 510 kbit/s |
| Container Ogg | RFC 7845 | Membungkus paket Opus dalam sebuah file, diawali header identifikasi OpusHead |
RFC 6716 mencantumkan lima bandwidth, dari narrowband (sample rate 8 kHz) hingga fullband (48 kHz). RFC 7845 menyebut bahwa posisi granule selalu menghitung sampel pada 48 kHz, berapa pun rate output decoder-nya. RFC ini merekomendasikan ekstensi .opus dan media type audio/ogg, opsional audio/ogg; codecs=opus.
Referensi media WhatsApp Cloud API dari Meta mencantumkan audio OGG sebagai audio/ogg dengan “Opus codec only” (terjemahan: hanya codec Opus), mono, hingga 16 MB.
Mengapa penting
- Banyak API tidak menerimanya. Endpoint speech-to-text yang hanya menerima WAV atau MP3 akan menolak pesan suara sampai Anda mengonversinya.
- Konversinya murah. Satu perintah ffmpeg mendekode Opus menjadi PCM. Hasilnya jauh lebih besar daripada pesan suaranya, jadi perhatikan batas ukuran file.
- Kebingungan nama. “Opus” juga merupakan nama model di penyedia lain. Dalam konteks audio, artinya codec.
Di BroadNet Inference
Endpoint transkripsi BroadNet hanya menerima WAV (audio/wav) atau MP3 (audio/mpeg), hingga 26.214.400 byte per file. Dokumentasinya mengonversi pesan suara WhatsApp dalam satu langkah:
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
Menurut dokumentasi ffmpeg, -ar mengatur frekuensi sampling audio dan -ac jumlah kanal, jadi perintah ini menulis WAV mono 16 kHz. Lalu kirim dengan language=ar (atau en) ke BroadNet Transcribe Arabic atau BroadNet Transcribe. Panduan pesan suara WhatsApp punya skrip yang mengonversi dan mentranskripsikan satu folder sekaligus, dan panduan n8n melakukannya di dalam workflow. Untuk pesan suara yang terlalu panjang untuk satu file, pemotong audio menghitung potongan-potongannya.
Kesalahan umum
- Mengganti nama alih-alih mengonversi. Mengubah
.oggmenjadi.wavtidak mengubah audio di dalamnya. Dekode dengan ffmpeg. - Melewatkan
-ac 1. Stereo menggandakan ukuran WAV tanpa membantu transkripsi.