---
title: "Trascrivere i vocali WhatsApp (.ogg) con un’API | BroadRouter"
description: "Converti i vocali WhatsApp .ogg o le registrazioni .m4a del telefono in WAV con ffmpeg e trascrivili in arabo o in altre 13 lingue con una sola chiamata API."
url: https://broadrouter.com/it/guides/transcribe-whatsapp-voice-notes/
lang: it
updated: 2026-11-16
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/guides/transcribe-whatsapp-voice-notes/) (aggiornato il 2026-11-16).

# Trascrivere i vocali WhatsApp in testo con un’API

Aggiornato 2026-11-16

Converti il vocale in WAV con ffmpeg e invialo all’API di trascrizione: i vocali WhatsApp sono audio Opus in file .ogg, che l’endpoint non accetta direttamente. Usa WAV mono a 16 kHz, poi chiama BroadNet Transcribe Arabic o BroadNet Transcribe con il campo language giusto. Un breve script fa entrambe le cose per un’intera cartella.

Esporta i vocali dalla chat (o ricevili tramite la tua integrazione WhatsApp Business) e avrai dei file `.ogg`. La documentazione della Cloud API di Meta dice che i messaggi vocali di WhatsApp sono file `.ogg` codificati con il codec Opus. Le registrazioni del telefono sono spesso `.m4a`. L’endpoint di trascrizione di BroadNet accetta WAV e MP3, quindi prima devi convertirli.

## 1\. Converti un file

```bash
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
```

`-ar 16000 -ac 1` produce audio mono a 16 kHz, la conversione che la documentazione di BroadNet usa per vocali e registrazioni telefoniche. Lo stesso comando funziona per i `.m4a`. Un WAV mono a 16 kHz e 16 bit occupa 32.000 byte al secondo, quindi il limite di 26.214.400 byte per file corrisponde a circa 13 minuti. Per registrazioni più lunghe, lo [splitter audio](https://broadrouter.com/tools/audio-splitter-ffmpeg/) calcola quanti pezzi ti servono e scrive i comandi ffmpeg.

## 2\. Trascrivi un’intera cartella

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

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

for src in sorted(pathlib.Path("voice-notes").glob("*.ogg")):
    wav = src.with_suffix(".wav")
    subprocess.run(["ffmpeg", "-y", "-loglevel", "error", "-i", str(src), "-ar", "16000", "-ac", "1", str(wav)], check=True)
    with open(wav, "rb") as audio:
        text = client.audio.transcriptions.create(
            model="broadnet/cohere-transcribe-arabic",
            file=audio,
            language="ar",          # use "en", "es", ... with broadnet/cohere-transcribe
        ).text
    src.with_suffix(".txt").write_text(text, encoding="utf-8")
    print(src.name, "->", text[:60])
```

Ogni `.txt` finisce accanto al suo vocale. Per eseguire gli stessi passaggi in automatico su ogni messaggio WhatsApp Business in arrivo, vedi il [workflow n8n per i vocali WhatsApp](https://broadrouter.com/it/guides/n8n-whatsapp-voice-note-transcription/).

## Costi

Un vocale di un minuto costa $0.0042 in arabo o $0.002 con il modello a 14 lingue. Audio e trascrizioni non vengono conservati dopo la richiesta; vedi [zero data retention](https://broadrouter.com/it/privacy/).

## Risoluzione dei problemi

-   **Lettere latine invece dell’arabo:** aggiungi `language="ar"`. La documentazione di BroadNet dice di inviare sempre `language`.
    
-   **Errore 413:** il file supera i 26.214.400 byte (25 MiB). Dividi le registrazioni lunghe in pezzi WAV da 10 minuti:
    
    ```bash
    ffmpeg -i long-note.ogg -ar 16000 -ac 1 -f segment -segment_time 600 part-%03d.wav
    ```
    
-   **400 o 422 al caricamento:** controlla che il file sia davvero WAV o MP3 e non un `.ogg` rinominato in `.wav`. Esegui la conversione con ffmpeg.
    
-   **`ffmpeg: command not found`:** installa ffmpeg dal tuo package manager (per esempio `apt install ffmpeg` o `brew install ffmpeg`).
    
-   **Errore 429:** le chiavi a consumo consentono 4 richieste in contemporanea; elabora i file con un piccolo pool. Vedi [tutti i codici di errore di BroadNet](https://broadrouter.com/it/guides/errors-and-retries/).
    

Più dettagli su modello, formati e accuratezza: [la guida allo speech-to-text in arabo](https://broadrouter.com/it/guides/arabic-speech-to-text-api/). Per confrontare quanto fanno pagare gli altri provider per minuto di audio, vedi l’[indice aperto dei prezzi delle API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/), con fonte e data per ogni prezzo. Per capire perché 16 kHz bastano per il parlato, vedi [frequenza di campionamento](https://broadrouter.com/it/glossary/sample-rate/).

## Termini in questa guida

[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.

[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.

[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.

[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.

[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.

[Frequenza di campionamento (sample rate)](https://broadrouter.com/it/glossary/sample-rate/)

La frequenza di campionamento (sample rate) è il numero di campioni audio acquisiti al secondo, misurato in hertz (Hz). I modelli di riconoscimento vocale si aspettano di solito audio mono a 16.000 Hz (16 kHz). Insieme a profondità di bit e numero di canali, determina quanto pesa al minuto un file audio non compresso.

[Ogg Opus](https://broadrouter.com/it/glossary/ogg-opus/)

Ogg Opus è audio codificato con il codec Opus (RFC 6716) e salvato in un container Ogg (RFC 7845). È pensato per il parlato e l’audio interattivo a bitrate bassi, ed è il formato che WhatsApp usa per i messaggi vocali, di solito come file .ogg o .opus.

[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.

## Domande frequenti

### In che formato audio sono i vocali WhatsApp?

Audio Opus in un contenitore Ogg, salvato come .ogg. La documentazione della Cloud API di Meta dice che i messaggi vocali devono essere file .ogg codificati con il codec Opus, solo mono.

### Posso inviare il file .ogg direttamente all’API di trascrizione?

Non a BroadNet Inference. Il suo endpoint di trascrizione accetta WAV e MP3, quindi prima converti il vocale con ffmpeg. Basta un comando per trasformarlo in WAV mono a 16 kHz.

### I vocali vengono conservati dopo la trascrizione?

BroadNet dice che audio e trascrizioni vengono elaborati per la richiesta e non conservati. Tiene solo registri senza contenuto, come tempi, stato e utilizzo, per la fatturazione e la sicurezza.

### Quale modello devo usare per i vocali in arabo?

BroadNet Transcribe Arabic, broadnet/cohere-transcribe-arabic, con language impostato su ar. Per le altre 13 lingue che copre usa BroadNet Transcribe, broadnet/cohere-transcribe.

## Guide correlate

-   [Trascrivere i vocali WhatsApp in n8n](https://broadrouter.com/it/guides/n8n-whatsapp-voice-note-transcription/)
-   [API speech-to-text in arabo, passo dopo passo](https://broadrouter.com/it/guides/arabic-speech-to-text-api/)
-   [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-guides-transcribe-whatsapp-voice-notes&utm_content=page-cta) ·

**Fonti**

-   [Riferimento API di BroadNet Inference, trascrizione e conversione con ffmpeg (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-guides-transcribe-whatsapp-voice-notes&utm_content=sources#requests)
-   [Prezzi di BroadNet Inference (in inglese)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-guides-transcribe-whatsapp-voice-notes&utm_content=sources)
-   [Meta WhatsApp Cloud API, messaggi audio (i vocali sono OGG con il codec Opus; verificato il 2026-11-14)](https://developers.facebook.com/documentation/business-messaging/whatsapp/messages/audio-messages)
-   [Documentazione dei formati di FFmpeg, muxer segment (verificata il 2026-11-14)](https://ffmpeg.org/ffmpeg-formats.html#segment)
