BroadRouter

Trascrivere i vocali per le aziende: da WhatsApp e Telegram ai ticket

A cura del team di BroadNet Inference · 4 min di lettura · Pubblicato · Aggiornato

Per trasformare i messaggi vocali dei clienti in ticket, scarica ogni vocale dalla WhatsApp Cloud API o dalla Telegram Bot API appena arriva il webhook, convertilo in WAV, trascrivilo con il codice di lingua giusto, poi chiedi a un LLM di estrarre intento, urgenza e numeri d’ordine in JSON. Crea il ticket con la trascrizione allegata e rispondi per iscritto.

An invoice, a phone showing an audio waveform and the Arabic word "مرحبا", with the text "Speech. Documents. Intelligence."

In gran parte del Medio Oriente i clienti non scrivono. Mandano un vocale di 40 secondi in arabo del Golfo o egiziano, spesso con un numero d’ordine letto a metà. Gli operatori ascoltano, tornano indietro e lo ricopiano nell’helpdesk. Moltiplica per qualche centinaio al giorno e i vocali diventano il canale più lento che hai.

Questo articolo costruisce il flusso aziendale attorno alla trascrizione: estrarre i vocali da WhatsApp e Telegram, trasformarli in ticket strutturati e tenere i dati sotto controllo. Per il codice di conversione e trascrizione vero e proprio, vedi la nostra guida passo passo per trascrivere i vocali di WhatsApp. Non lo ripeteremo qui.

Come diventa un ticket di assistenza un messaggio vocale?

  1. Ricevi il webhook da WhatsApp o Telegram.
  2. Scarica subito l’audio.
  3. Converti in WAV mono a 16 kHz.
  4. Trascrivi con il codice di lingua giusto.
  5. Estrai i campi del ticket con un LLM.
  6. Crea il ticket, con la trascrizione, e rispondi per iscritto.
  7. Elimina il file audio.

Passaggi 1 e 2: come si recupera l’audio da WhatsApp?

Sulla WhatsApp Business Cloud API, un vocale in arrivo si presenta come webhook con un ID media, non con il file. La documentazione sui media di Meta fissa le regole:

  • Chiama GET /<MEDIA_ID> sulla Graph API per ottenere un url.
  • Scarica quell’URL con Authorization: Bearer <token>. Senza token la richiesta fallisce.
  • «Media URLs expire after 5 minutes.» (traduzione: gli URL dei media scadono dopo 5 minuti). Se arrivi tardi, richiedine uno nuovo.
  • Gli ID media dei webhook in arrivo sono validi per 7 giorni.
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)

Fallo nel job in background del gestore del webhook, non più tardi in un batch. Una coda che gira una volta all’ora troverà URL scaduti.

Come si recuperano i vocali da un bot Telegram?

Un bot Telegram riceve un oggetto voice con un file_id. La Bot API dice che i bot «can download files of up to 20MB» (traduzione: possono scaricare file fino a 20 MB), tramite https://api.telegram.org/file/bot<token>/<file_path>, e che il link è «valid for at least 1 hour» (traduzione: valido per almeno 1 ora).

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)

In pratica entrambe le piattaforme consegnano i vocali in Ogg/Opus. L’endpoint di trascrizione accetta WAV o MP3, quindi converti con il comando ffmpeg di una riga della guida WhatsApp, poi trascrivi con language="ar" (o la lingua del cliente).

Passaggio 5: come si trasforma una trascrizione in un ticket?

Una trascrizione grezza resta difficile da smistare. Un LLM può estrarre i campi che servono al tuo helpdesk:

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 è il modello che BroadNet ha testato per l’arabo, compresi i dialetti del Golfo ed egiziano. Valida il JSON prima di scriverlo nell’helpdesk, e ripiega su needs_human: true quando il parsing fallisce; l’articolo sull’output strutturato ha un ciclo di validazione e riparazione. Se un vocale menziona numeri di carta o di documento, oscurali prima di questo passaggio; vedi inviare dati sensibili a un’API LLM.

Quali casi limite conviene gestire subito?

Le caselle reali sono più disordinate di una demo. Prevedi questi casi fin dalla prima settimana:

  • Più vocali di fila. Spesso i clienti mandano tre vocali brevi invece di uno lungo. Raggruppa in un unico ticket i vocali dello stesso mittente arrivati a un paio di minuti di distanza, e trascrivili in ordine.
  • Vocali brevissimi. I vocali «okay» o «grazie» non richiedono un ticket. Salta l’estrazione quando la trascrizione è sotto poche parole.
  • Vocali inoltrati. In un vocale inoltrato può parlare qualcun altro. Trattalo come un allegato, non come parole del cliente.
  • Lingue miste. I clienti del Golfo inseriscono nomi di prodotto in inglese. Se la tua coda serve più lingue, registra con ogni trascrizione la lingua che hai inviato, così gli operatori sanno cosa aspettarsi.
  • File grandi. La documentazione sui media di Meta indica un limite di 16 MB per l’audio e i bot Telegram possono scaricare fino a 20 MB, entrambi sotto il limite di 25 MiB della trascrizione, ma le registrazioni lunghe richiedono comunque più tempo. Elaborale in background.

Cosa ci guadagna un team

Prima Dopo
L’operatore ascolta ogni vocale, spesso due volte L’operatore legge una trascrizione e un riassunto di una riga
I vocali non sono ricercabili Le trascrizioni si cercano per numero d’ordine o parola chiave
Smistamento affidato a chi è libero Instradamento per intento e urgenza
I vocali in arabo aspettano un operatore arabofono Il riassunto in inglese permette a qualsiasi operatore di gestire i casi semplici

Quanto costa trascrivere i vocali?

La trascrizione è la parte economica della pipeline. A $0.0042 al minuto, 10.000 vocali in arabo da 30 secondi costano $21.00. Il modello a 14 lingue costa $0.002 al minuto. Il passaggio con l’LLM si paga a token; una trascrizione breve più l’istruzione sono in genere qualche centinaio di token. Inserisci i tuoi volumi nel calcolatore dei costi speech-to-text, oppure confronta altri provider nel confronto dei prezzi speech-to-text.

Come gestire privacy e conservazione?

I vocali sono dati personali, e spesso contengono più di quanto il cliente volesse condividere. Tre abitudini aiutano:

  • Elimina l’audio dopo la trascrizione, a meno che una policy non ti imponga di conservarlo.
  • Archivia le trascrizioni con il ticket, sotto i controlli di accesso dell’helpdesk, non nei log dell’app.
  • Usa un provider che non conserva l’audio. BroadNet non conserva audio né trascrizioni dopo la richiesta; vedi zero data retention.

Rispondi in testo semplice, e tieni le prime risposte ai nuovi contatti brevi e senza link. Le piattaforme di messaggistica sorvegliano gli schemi simili allo spam provenienti dai numeri aziendali.

Dove si colloca BroadNet Inference

BroadNet copre i passaggi di trascrizione ed estrazione con un’unica chiave compatibile con OpenAI: BroadNet Transcribe Arabic per i vocali in arabo, BroadNet Transcribe per l’arabo più altre 13 lingue e modelli di chat testati sull’arabo per i campi del ticket. BroadNet dichiara il suo modello arabo #2 su 37 (dato di settembre 2026; la classifica in tempo reale lo indicava #4 su 39 il 15 novembre 2026) nella Open Universal Arabic ASR Leaderboard. Il credito iniziale di $5 copre circa 1,190 minuti di audio in arabo.

BroadNet non si collega al posto tuo a WhatsApp, Telegram o al tuo helpdesk; la gestione dei webhook e la creazione dei ticket sono codice tuo o del tuo strumento di automazione. Le chiamate sono un problema di forma diversa, con due parlanti e registrazioni lunghe: vedi trascrivere le registrazioni del call center.

Domande frequenti

Posso trascrivere automaticamente i vocali di WhatsApp?

Sì. Con la WhatsApp Business Cloud API, ogni vocale arriva come webhook con un ID media. Il tuo server recupera l’URL del media, scarica il file con il tuo token di accesso, lo converte e lo invia a un’API di trascrizione.

Come si trasformano in testo i messaggi vocali di Telegram?

Il tuo bot riceve un oggetto voice con un file_id. Chiama getFile, scarica il file dal percorso restituito, convertilo in WAV con ffmpeg e trascrivilo. I bot possono scaricare file fino a 20 MB.

Quanto costa trascrivere i vocali dei clienti?

Con BroadNet Transcribe Arabic a $0.0042 al minuto, 10.000 vocali da 30 secondi costano $21.00. Il modello a 14 lingue costa $0.002 al minuto.

Devo rispondere a un vocale con un altro vocale?

Per l’assistenza di solito funziona meglio una breve risposta scritta: il cliente può leggerla ovunque ed è ricercabile da entrambe le parti. Tieni la prima risposta semplice e breve.

Devo conservare l’audio originale?

Spesso no. Per la maggior parte dei flussi di assistenza basta la trascrizione. Se conservi l’audio per motivi di qualità o legali, fissa un periodo di conservazione e limita l’accesso, perché la voce è un dato personale.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity