---
title: "Chatbot WhatsApp in arabo: architettura con vocali e LLM"
description: "Un’architettura funzionante per un assistente WhatsApp in arabo: webhook, coda, trascrizione dei vocali, risposta LLM, regole di policy e costi, con codice Python."
url: https://broadrouter.com/it/blog/arabic-whatsapp-chatbot-architecture/
lang: it
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/blog/arabic-whatsapp-chatbot-architecture/) (aggiornato il 2026-11-16).

# Architettura di un chatbot WhatsApp in arabo: dai vocali alle risposte

A cura del team di BroadNet Inference · 5 min di lettura · Pubblicato 2026-11-14 · Aggiornato 2026-11-16

Un assistente WhatsApp in arabo ha cinque parti: un webhook che riceve i messaggi dalla WhatsApp Business Platform, una coda, lo speech-to-text per i vocali, un LLM che scrive la bozza di risposta e un mittente che risponde tramite l’API. Convertire un vocale e trascriverlo con BroadNet Transcribe Arabic costa $0.0042 per minuto di audio.

## Punti chiave

-   Conferma subito la ricezione del webhook e fai il lavoro lento (download, trascrizione, LLM) da una coda.
-   I vocali di WhatsApp arrivano come audio Ogg/Opus. Convertili in WAV mono a 16 kHz con ffmpeg, poi trascrivili con language=ar.
-   Scrivi solo a chi ha dato il consenso (opt-in) e rispondi entro la finestra di assistenza clienti. Non inviare mai messaggi non richiesti.
-   Tieni le prime risposte ai nuovi contatti brevi, in testo semplice e senza link.
-   Trascrivere 10.000 vocali da 30 secondi con BroadNet Transcribe Arabic costa $21.00.

**In questa pagina**

1.  Quali sono le parti di un chatbot WhatsApp in arabo?
2.  Quali regole della policy WhatsApp valgono per un chatbot?
3.  Quanto costa far funzionare un bot WhatsApp in arabo?
4.  Come si tengono privati i vocali?
5.  Checklist per il lancio

Un chatbot WhatsApp in arabo ha bisogno di cinque parti: un webhook che riceve i messaggi dalla WhatsApp Business Platform ufficiale, una coda, lo speech-to-text per i vocali, un LLM che scrive le bozze di risposta in arabo e un mittente che risponde entro la finestra di 24 ore di WhatsApp. I vocali contano perché molti clienti arabofoni parlano in dialetto invece di scrivere.

BroadRouter è gestito da BroadNet, quindi gli esempi usano BroadNet Inference. Qualsiasi fornitore di speech-to-text e chat compatibile con OpenAI si inserisce negli stessi punti.

## Quali sono le parti di un chatbot WhatsApp in arabo?

```
WhatsApp user
   │  text or voice note
   ▼
WhatsApp Business Platform (Cloud API)
   │  webhook POST
   ▼
1. Webhook receiver ── verify signature, store event, return 200
   │
   ▼
2. Queue (Redis, SQS, a database table)
   │
   ▼
3. Worker
   ├─ voice note? download media → ffmpeg → speech to text
   ├─ build prompt: system rules + recent history + new message
   └─ LLM drafts reply (or hands over to a human)
   │
   ▼
4. Sender ── POST /messages on the Cloud API
   │
   ▼
5. Store ── conversation state, opt-in status, audit log
```

### 1\. Ricevitore del webhook

La WhatsApp Cloud API consegna i messaggi in arrivo come richieste HTTPS POST a un webhook che registri tu. Due regole mantengono sana questa parte:

-   **Verifica ogni richiesta.** La documentazione di Meta dice di calcolare un HMAC-SHA256 del payload JSON con l’app secret e di confrontarlo con l’header `X-Hub-Signature-256`. Rifiuta tutto ciò che non corrisponde.
-   **Restituisci 200 subito.** Salva l’evento e conferma la ricezione. Non scaricare audio e non chiamare un LLM dentro l’handler del webhook. Se la consegna fallisce, Meta riprova «immediately, then a few more times with decreasing frequency over the next 7 days» (traduzione: subito, poi ancora qualche volta con frequenza decrescente nei 7 giorni successivi) e ti chiede di gestire la deduplicazione.

Usa l’id del messaggio WhatsApp come [chiave di idempotenza](https://broadrouter.com/it/glossary/idempotency-key/), così un webhook consegnato di nuovo non produce mai due risposte.

### 2\. Coda

Una coda separa i tempi di consegna di WhatsApp dai tuoi tempi di elaborazione. Ti permette anche di limitare la concorrenza in base ai tuoi limiti di inferenza. Una chiave BroadNet a consumo consente 30 richieste al minuto e 4 in contemporanea, quindi la forma giusta è un piccolo pool di worker con nuovi tentativi sui 429. Vedi [errori e nuovi tentativi](https://broadrouter.com/it/guides/errors-and-retries/) e [come gestire i rate limit 429](https://broadrouter.com/it/blog/handle-llm-api-429-rate-limits/).

### 3\. Worker: dai vocali al testo

Per un vocale il webhook ti dà un oggetto `audio` con un `id` del media, un `mime_type` come `audio/ogg; codecs=opus` e `voice: true` per le registrazioni fatte in WhatsApp. Il worker fa una GET sull’id del media per ottenere l’URL di download, scarica il file con il tuo access token, poi lo converte e lo trascrive. L’endpoint di BroadNet accetta WAV o MP3, quindi prima converti:

```python
import os, subprocess, tempfile
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

def transcribe_voice_note(ogg_bytes: bytes) -> str:
    with tempfile.TemporaryDirectory() as d:
        src, wav = os.path.join(d, "in.ogg"), os.path.join(d, "in.wav")
        open(src, "wb").write(ogg_bytes)
        subprocess.run(["ffmpeg", "-y", "-loglevel", "error", "-i", src,
                        "-ar", "16000", "-ac", "1", wav], check=True)
        with open(wav, "rb") as audio:
            return client.audio.transcriptions.create(
                model="broadnet/cohere-transcribe-arabic",
                file=audio,
                language="ar",   # without it, Arabic can come back in Latin letters
            ).text
```

La directory temporanea sparisce dopo la chiamata, così l’audio non resta sui tuoi dischi. La [guida ai vocali WhatsApp](https://broadrouter.com/it/guides/transcribe-whatsapp-voice-notes/) ha una versione batch per le chat esportate, e la [guida speech-to-text per l’arabo](https://broadrouter.com/it/guides/arabic-speech-to-text-api/) tratta formati e limiti. I file devono restare sotto i 26.214.400 byte (25 MiB); i normali vocali sono molto al di sotto.

### 3b. Worker: scrivere la risposta

Tratta una trascrizione esattamente come un messaggio scritto, ma di’ al modello che viene dal parlato, perché le trascrizioni non hanno punteggiatura e possono contenere errori di riconoscimento:

```python
SYSTEM = """You are the WhatsApp assistant of a clinic in Dubai.
Customers write or speak in Gulf Arabic, other dialects, MSA, English or Arabizi.
Reply in simple Modern Standard Arabic unless the customer used English.
Keep replies under 60 words. Plain text only: no links, no markdown.
You can: answer opening hours, explain how to book, collect name and preferred time.
If the message is a complaint, medical question or you are unsure, reply that a
staff member will follow up, and set handover=true."""

def draft_reply(history: list[dict], text: str, from_voice: bool) -> str:
    note = "(transcribed voice note, may contain errors) " if from_voice else ""
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=1500,
        messages=[{"role": "system", "content": SYSTEM}, *history[-10:],
                  {"role": "user", "content": note + text}],
    )
    return r.choices[0].message.content
```

Per l’instradamento, chiedi al modello un [output strutturato](https://broadrouter.com/it/glossary/structured-output/) (`intent`, `handover`, `reply`) invece di testo libero e agisci sui campi; il [generatore gratuito di JSON schema](https://broadrouter.com/tools/json-schema-generator/) scrive lo schema partendo da una risposta di esempio. Nei test di BroadNet [Qwen3.8 27B](https://broadrouter.com/it/models/qwen3.8-27b/) ha capito i dialetti del Golfo ed egiziano e ha scritto un arabo scorrevole; [DeepSeek V4.1 Flash](https://broadrouter.com/it/models/deepseek-v4.1-flash/) costa meno per token ed è il modello dei piani illimitati di BroadNet. Entrambi ragionano prima di rispondere, quindi lascia margine in `max_tokens`. La gestione dei dialetti è approfondita in [arabo del Golfo, egiziano e levantino con gli LLM](https://broadrouter.com/it/blog/arabic-llm-gulf-egyptian-dialects/).

### 4\. Mittente

Le risposte escono tramite l’endpoint messages della Cloud API per il tuo phone number id. Per le risposte di conversazione invia testo semplice. La formattazione di WhatsApp (grassetto, elenchi) viene visualizzata, ma tabelle e titoli Markdown no, quindi di’ al modello di non produrli.

### 5\. Archivio

Conserva lo stato della conversazione (gli ultimi dieci turni bastano per la maggior parte dei bot di assistenza), lo stato del consenso del cliente e un log di audit di cosa ha inviato il bot e perché. Non conservare più del necessario: le trascrizioni dei vocali contengono spesso nomi, indirizzi e dati sulla salute.

## Quali regole della policy WhatsApp valgono per un chatbot?

WhatsApp è severo su come le aziende lo usano, e le regole proteggono il tuo numero tanto quanto i tuoi clienti. Leggi la [WhatsApp Business Messaging Policy](https://whatsappbusiness.com/policy/) prima del lancio. In pratica:

1.  **Prima il consenso.** La policy ti permette di contattare le persone solo se ti hanno dato il loro numero e hanno accettato di ricevere tuoi messaggi su WhatsApp. Un cliente che ti scrive non sta dando il consenso al marketing.
2.  **Nessun messaggio non richiesto.** La policy dice: «Do not confuse, deceive, defraud, mislead, spam, or surprise people with your communications.» (traduzione: non confondere, ingannare, frodare, fuorviare, spammare o sorprendere le persone con le tue comunicazioni). Non inviare mai primi messaggi a chi non ti ha contattato o non ha dato il consenso.
3.  **Rispetta la finestra di assistenza clienti di 24 ore.** Le risposte libere sono consentite entro 24 ore dall’ultimo messaggio del cliente. Fuori da quella finestra puoi inviare solo template di messaggio approvati.
4.  **Offri una persona.** Le risposte automatiche sono consentite entro la finestra di 24 ore, ma la policy richiede «prompt, clear, and direct escalation paths» (traduzione: percorsi di escalation rapidi, chiari e diretti) verso una persona.
5.  **Rispetta le disiscrizioni.** La policy dice che devi rispettare ogni richiesta di blocco, interruzione o opt-out. Tratta “stop” o “توقف” come tale.

Un’altra regola è nostra, non di Meta: **tieni semplici le prime risposte ai nuovi contatti.** Una risposta breve, in testo semplice e senza URL è la scelta più sicura. Messaggi pieni di link da un’azienda sconosciuta sembrano spam agli utenti, che possono bloccarti e segnalarti. Condividi i link più avanti, quando è il cliente a chiederli.

## Quanto costa far funzionare un bot WhatsApp in arabo?

Lo speech-to-text si paga per minuto di audio. Con BroadNet Transcribe Arabic:

| Volume | Costo |
| --- | --- |
| Un minuto di vocali | $0.0042 |
| Un’ora di vocali | $0.25 |
| 10.000 vocali da 30 secondi | $21.00 |

Le risposte dell’LLM si pagano per token con il pagamento a consumo: per 1M di token, Qwen3.8 27B costa $0.175 di input e $2.17 di output, e DeepSeek V4.1 Flash $0.175 di input e $0.52 di output. Una risposta di assistenza con dieci turni di cronologia vale qualche migliaio di token, ragionamento compreso, quindi una singola risposta costa qualche millesimo dei prezzi per 1M indicati sopra. Inserisci il tuo volume di messaggi nel [calcolatore gratuito dei costi delle API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) per una cifra mensile. Se il bot gira tutto il giorno su DeepSeek V4.1 Flash, confrontalo con il piano Full Moon da $60 nella [pagina prezzi](https://broadrouter.com/it/pricing/).

## Come si tengono privati i vocali?

I vocali sono tra i dati più personali che un’azienda gestisce. BroadNet Inference non conserva audio, prompt o trascrizioni dopo la richiesta (vedi [zero data retention](https://broadrouter.com/it/privacy/)), ma questo copre solo il passaggio di inferenza. Decidi per quanto tempo la tua coda, i tuoi log e il tuo database conservano le trascrizioni, ed elimina i file media dopo l’elaborazione.

## Checklist per il lancio

-   Firma del webhook verificata, 200 restituito prima dell’elaborazione.
-   Idempotenza sull’id del messaggio WhatsApp.
-   Vocali convertiti in WAV e trascritti con `language=ar`.
-   Pool di worker dimensionato sui tuoi rate limit, con backoff sui 429.
-   Il system prompt fissa dialetto, registro, lunghezza e “niente link”.
-   Passaggio a un operatore umano, testato.
-   Consenso registrato; nessun invio non richiesto; solo template fuori dalla finestra di 24 ore.
-   Trascrizioni eliminate a scadenza.

Se ti serve solo trasformare i vocali in ticket, invece di un bot che risponde, [dai vocali al testo per le aziende](https://broadrouter.com/it/blog/voice-notes-to-text-for-business/) descrive quella pipeline più semplice.

Strumenti gratuiti sul tema (in inglese)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Strumenti gratuiti (in inglese)](https://broadrouter.com/tools/)

## Termini in questo articolo

[Speech-to-text (riconoscimento vocale)](https://broadrouter.com/it/glossary/speech-to-text/)

Lo speech-to-text, detto anche riconoscimento automatico del parlato (ASR), è la tecnologia che converte l’audio parlato in testo scritto. Un’API speech-to-text riceve un file o uno stream audio e restituisce una trascrizione, di solito a prezzo per minuto di audio. L’accuratezza si misura con il word error rate e varia con accento, dialetto e qualità della registrazione.

[Token](https://broadrouter.com/it/glossary/token/)

Un token è l’unità di testo che un modello linguistico legge e scrive: una parola, una parte di parola, un segno di punteggiatura o una sequenza di byte prodotta dal tokenizer del modello. Le API LLM contano, limitano e di solito fatturano l’uso in token.

[Rate limit (limite di frequenza)](https://broadrouter.com/it/glossary/rate-limit/)

Un rate limit è un tetto che un’API pone a quanto un client può usarla in un intervallo di tempo, per esempio richieste al minuto o token al minuto. Le richieste oltre il limite vengono rifiutate, di solito con HTTP 429 Too Many Requests, finché l’uso non torna sotto la soglia.

[Pagamento a consumo (pay-as-you-go)](https://broadrouter.com/it/glossary/pay-as-you-go/)

Il pagamento a consumo è un modello di prezzo in cui paghi solo ciò che usi, misurato per unità come token, richieste o minuti di audio, senza abbonamento né impegno minimo. La maggior parte delle API LLM fattura così, da un saldo prepagato o con una fattura periodica.

[Concorrenza (concurrency)](https://broadrouter.com/it/glossary/concurrency/)

La concorrenza è il numero di richieste che un client ha in corso nello stesso momento. Le API LLM spesso la limitano per chiave o per piano, separatamente dalle richieste al minuto, perché ogni richiesta aperta occupa capacità GPU finché la sua risposta non è terminata.

[Tool calling (chiamata di strumenti)](https://broadrouter.com/it/glossary/tool-calling/)

Il tool calling, detto anche function calling, è una funzionalità delle API LLM in cui il modello restituisce una richiesta strutturata di eseguire una funzione definita dallo sviluppatore, con argomenti JSON. L’applicazione esegue la funzione e rimanda il risultato; il modello non esegue mai codice da solo.

[WAV (file audio WAV)](https://broadrouter.com/it/glossary/wav/)

WAV (Waveform Audio File Format, o WAVE) è un contenitore audio basato sul formato RIFF di Microsoft e IBM. Di solito contiene campioni PCM lineari non compressi, quindi la sua dimensione è prevedibile: frequenza di campionamento per byte per campione per canali, al secondo.

[Zero data retention (nessuna conservazione dei dati)](https://broadrouter.com/it/glossary/zero-data-retention/)

La zero data retention (ZDR) è una policy di gestione dei dati in cui un provider AI elabora prompt e output solo per servire una richiesta e poi non ne conserva il contenuto, né in log né in cache né in dati di addestramento. Di solito restano registri senza contenuti, come conteggi di token e tempi.

## Domande frequenti

### Posso scrivere a clienti che non mi hanno mai contattato?

Solo se hanno dato il consenso a ricevere messaggi dalla tua azienda, e solo con template di messaggio approvati. I messaggi non richiesti violano le policy di WhatsApp e possono portare a restrizioni sul tuo numero.

### Perché convertire i vocali prima di trascriverli?

I vocali di WhatsApp sono file Ogg/Opus, e l’endpoint di trascrizione di BroadNet accetta WAV o MP3. Un solo comando ffmpeg li converte in WAV mono a 16 kHz.

### Quale LLM deve scrivere le risposte?

Fai i test sui tuoi messaggi. BroadNet riporta che nei suoi test Qwen3.8 27B ha capito i dialetti del Golfo ed egiziano e ha scritto un arabo scorrevole; DeepSeek V4.1 Flash costa meno per token ed è disponibile con i piani flat.

### Per quanto tempo un bot WhatsApp può rispondere senza template?

Entro la finestra di assistenza clienti di 24 ore che segue l’ultimo messaggio del cliente puoi inviare risposte libere. Fuori da quella finestra, la WhatsApp Business Messaging Policy consente solo template di messaggio approvati.

### Un chatbot WhatsApp deve prevedere il passaggio a un operatore umano?

Sì. La policy consente l’automazione ma richiede percorsi di escalation rapidi, chiari e diretti, come il trasferimento a un operatore umano nella chat, un numero di telefono, un’email o un modulo di assistenza.

### BroadNet conserva i vocali?

No. BroadNet Inference elabora audio e trascrizioni per la richiesta e non li conserva. I tuoi server e WhatsApp ne hanno comunque delle copie, quindi pianifica la conservazione anche lì.

## Continua a leggere

-   [Classificare testo arabo con un LLM: sentiment, intenzione, triage](https://broadrouter.com/it/blog/arabic-text-classification-llm/)
-   [Trascrivere i vocali per le aziende: da WhatsApp e Telegram ai ticket](https://broadrouter.com/it/blog/voice-notes-to-text-for-business/)
-   [Arabo del Golfo, egiziano e levantino: gli LLM e i dialetti](https://broadrouter.com/it/blog/arabic-llm-gulf-egyptian-dialects/)
-   [Prompt engineering in arabo: registro, RTL, cifre e testo misto](https://broadrouter.com/it/blog/arabic-prompt-engineering/)
-   [Arabizi e LLM: gestire il franco-arabo con numeri come 3 e 7](https://broadrouter.com/it/blog/arabizi-llm-handling/)
-   [Errore 429 nelle API LLM: backoff, jitter e limitatori](https://broadrouter.com/it/blog/handle-llm-api-429-rate-limits/)
-   [Aggiungere i diacritici all’arabo con un LLM: prompt, controlli, DER](https://broadrouter.com/it/blog/arabic-diacritization-llm/)
-   [Correzione grammaticale e ortografica dell’arabo con un LLM: guida](https://broadrouter.com/it/blog/arabic-grammar-spelling-correction-llm/)
-   [Guida: Trascrivere i vocali WhatsApp in testo con un’API](https://broadrouter.com/it/guides/transcribe-whatsapp-voice-notes/)
-   [Guida: API speech-to-text in arabo, passo dopo passo](https://broadrouter.com/it/guides/arabic-speech-to-text-api/)
-   [Guida: Codici di errore di BroadNet Inference e quando ritentare](https://broadrouter.com/it/guides/errors-and-retries/)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

[Inizia](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-arabic-whatsapp-chatbot-architecture&utm_content=page-cta) ·

**Fonti**

-   [Meta, WhatsApp Cloud API: creare un endpoint webhook (X-Hub-Signature-256, nuovi tentativi per 7 giorni; consultato il 2026-11-14)](https://developers.facebook.com/documentation/business-messaging/whatsapp/webhooks/create-webhook-endpoint)
-   [Meta, riferimento webhook della WhatsApp Cloud API: messaggi audio (consultato il 2026-11-14)](https://developers.facebook.com/documentation/business-messaging/whatsapp/webhooks/reference/messages/audio)
-   [WhatsApp Business Messaging Policy (consultato il 2026-11-14)](https://whatsappbusiness.com/policy/)
-   [Riferimento API di BroadNet Inference, trascrizione e conversione con ffmpeg (consultato il 2026-11-14) (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-arabic-whatsapp-chatbot-architecture&utm_content=sources)
-   [Prezzi di BroadNet Inference in formato leggibile dalle macchine, pricing.json (consultato il 2026-11-14) (in inglese)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-arabic-whatsapp-chatbot-architecture&utm_content=sources)
