BroadRouter

Cara transkripsikan nota suara WhatsApp dalam n8n

Dikemas kini

Gunakan lapan nod n8n: WhatsApp Trigger pada Messages, nod If yang hanya meneruskan audio, operasi WhatsApp Download untuk URL media, HTTP Request yang mengambil fail .ogg, nod Read/Write Files yang menyimpannya, ffmpeg dalam nod Execute Command untuk menghasilkan WAV, nod Read/Write Files kedua yang memuatkan WAV, dan HTTP Request ke /v1/audio/transcriptions. Ia memerlukan n8n yang dihos sendiri dengan ffmpeg dipasang.

Aliran kerja ini menukar setiap nota suara WhatsApp yang masuk kepada teks di dalam n8n. Ia versi n8n bagi skrip dalam panduan nota suara WhatsApp: penukaran ffmpeg yang sama dan panggilan transkripsi yang sama. Nama nod dan pilihan di bawah telah disemak dengan dokumentasi dan kod sumber n8n pada 2026-11-14; pautannya ada dalam sumber.

Apa yang anda perlukan

  • n8n yang dihos sendiri. Dokumentasi n8n menyatakan nod Execute Command tiada pada n8n Cloud dan dinyahaktifkan secara lalai sejak n8n 2.0.
  • ffmpeg pada hos n8n. Dengan Docker, arahan itu berjalan di dalam bekas n8n, bukan pada hos Docker, jadi ffmpeg mesti ada dalam imej.
  • Kelayakan WhatsApp Business Cloud dalam n8n, disambungkan kepada aplikasi Meta dengan WhatsApp Business Account anda, serta token akses untuk aplikasi itu.
  • Kunci API BroadNet. Akaun baharu mendapat kredit permulaan $5 tanpa kad, dan kedua-dua model transkripsi berjalan dengannya.

Sediakan n8n: ffmpeg, Execute Command dan folder fail

Imej Docker rasmi n8n tiada pengurus pakej. Dokumentasi n8n menunjukkan cara memulihkan apk dalam imej tersuai untuk memasang curl; Dockerfile yang sama dengan ffmpeg menggantikan curl akan memberi anda ffmpeg:

FROM n8nio/n8n
USER root

# Restore the apk package manager (removed from the base image)
COPY --from=alpine:3.22 /sbin/apk /sbin/apk
COPY --from=alpine:3.22 /lib/apk /lib/apk
COPY --from=alpine:3.22 /usr/lib/libapk* /usr/lib/

RUN apk add --no-cache ffmpeg
USER node

Bina dengan docker build -t n8n-ffmpeg . dan jalankan n8n-ffmpeg sebagai ganti n8nio/n8n. Pertukaran kepada ffmpeg ialah perubahan kami pada contoh curl n8n, jadi jalankan ffmpeg -version dalam nod Execute Command sekali untuk mengesahkannya.

Kemudian tetapkan dua pembolehubah persekitaran:

Pembolehubah Nilai Sebab
NODES_EXCLUDE "[]" Execute Command disekat secara lalai. Senarai kosong menyahsekatnya, dan juga setiap nod lain yang disekat n8n secara lalai, jadi tambah semula mana-mana nod yang anda mahu kekal disekat.
N8N_RESTRICT_FILE_ACCESS_TO biarkan tidak ditetapkan Sejak n8n 2.0 lalainya ~/.n8n-files. Dalam imej rasmi itu ialah /home/node/.n8n-files, folder yang digunakan di bawah.

Aliran kerja, nod demi nod

# Nod Tetapan
1 WhatsApp Trigger Event: Messages
2 If {{ $json.messages?.[0]?.type ?? '' }} is equal to audio
3 WhatsApp Business Cloud Resource Media, Operation Download, Media ID {{ $json.messages[0].audio.id }}
4 HTTP Request GET {{ $json.url }}, header Authorization: Bearer <WhatsApp access token>, Response Format File, Put Output in Field data
5 Read/Write Files from Disk Write File to Disk, path /home/node/.n8n-files/{{ $('WhatsApp Trigger').item.json.messages[0].audio.id }}.ogg, Input Binary Field data
6 Execute Command arahan ffmpeg di bawah
7 Read/Write Files from Disk Read File(s) From Disk, laluan .wav, Put Output File in Field data
8 HTTP Request POST ke endpoint transkripsi, di bawah

Nod 5 hingga 7 wujud kerana Execute Command menjalankan arahan shell dan tidak menerima data binari n8n, jadi fail ditulis ke cakera dan dibaca semula.

Import aliran kerja dan bukannya membinanya

Muat turun aliran kerja sebagai JSON n8n (8 nod, disediakan untuk bahasa Arab) dan importnya dalam n8n dengan Import from File. Ia tidak mengandungi kunci atau token. Setiap nod yang memerlukan log masuk mempunyai kelayakan pemegang tempat yang namanya bermula dengan REPLACE:; buka empat nod itu dan pilih kelayakan anda sendiri. Nama jenis nod dan nama parameter telah disemak dengan kod sumber n8n pada 2026-11-14; panduan di bawah menerangkan setiap nod, jadi anda juga boleh membinanya secara manual.

1–2. Cetuskan pada mesej, simpan audio sahaja

Dalam kod sumber n8n, WhatsApp Trigger mengeluarkan satu item bagi setiap change dalam webhook Meta, dengan senarai mesej di bawah messages. Teks, imej dan nota suara semuanya tiba pada acara Messages, jadi nod If hanya meneruskan item yang mesej pertamanya mempunyai type bernilai audio. Resit penghantaran dan resit dibaca tiba pada acara yang sama tanpa senarai messages; ?? '' menukar nilai yang tiada itu kepada rentetan kosong supaya semakan jenis yang ketat tidak gagal padanya.

WhatsApp hanya membenarkan satu URL webhook berdaftar bagi setiap aplikasi. Dokumentasi n8n memberi amaran bahawa bertukar antara URL ujian dan produksi pencetus akan menimpanya, jadi URL yang satu lagi berhenti menerima acara.

3–4. Muat turun nota suara daripada Meta

Operasi Download nod WhatsApp memanggil endpoint media Meta dengan ID media dan memulangkan JSON dengan url, bukan audio. Dokumentasi Meta menyatakan URL itu sah selama 5 minit dan muat turun gagal tanpa token akses anda. Jadi nod HTTP Request seterusnya mengambil {{ $json.url }} dengan token dalam pengepala Authorization dan menyimpan respons sebagai fail dalam medan data. Dalam n8n, simpan token dalam kelayakan Header Auth (nama Authorization, nilai Bearer diikuti token) dan bukannya menaipnya ke dalam nod.

5–7. Tukar kepada WAV dengan ffmpeg

Tulis fail ke cakera (nod 5), kemudian tukarkannya dalam nod Execute Command (nod 6):

ffmpeg -y -loglevel error -i /home/node/.n8n-files/{{ $('WhatsApp Trigger').item.json.messages[0].audio.id }}.ogg -ar 16000 -ac 1 /home/node/.n8n-files/{{ $('WhatsApp Trigger').item.json.messages[0].audio.id }}.wav

-ar 16000 -ac 1 menghasilkan WAV mono 16 kHz, penukaran yang digunakan dokumentasi BroadNet untuk nota suara. ID media ialah nombor, jadi ia selamat digunakan dalam nama fail. Nod 7 membaca semula fail .wav ke dalam medan data.

8. Transkripsi

Cipta kelayakan Header Auth kedua untuk BroadNet (nama Authorization, nilai Bearer diikuti kunci BroadNet anda). Kemudian konfigurasikan nod HTTP Request terakhir:

Medan Nilai
Method POST
URL https://inference.broadnet.ai/v1/audio/transcriptions
Authentication Generic Credential Type, Header Auth, kelayakan BroadNet
Send Body hidup, Body Content Type Form-Data
Body parameter model broadnet/cohere-transcribe-arabic (atau broadnet/cohere-transcribe untuk 13 bahasa lain)
Body parameter language ar (atau en, es, …)
Body parameter file Parameter Type n8n Binary File, Input Data Field Name data

Respons ialah JSON dengan transkrip dalam text, jadi nod seterusnya membaca {{ $json.text }}. Itu permintaan yang sama dengan panggilan curl ini:

curl https://inference.broadnet.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -F model=broadnet/cohere-transcribe-arabic \
  -F language=ar \
  -F file=@voice-note.wav

Sentiasa hantar language. Tanpanya, bahasa Arab boleh kembali dalam bentuk transliterasi huruf Rumi.

Apa yang perlu dibuat dengan teks

Simpan dalam CRM atau sistem helpdesk anda, atau hantar kepada model chat untuk meringkaskan atau mengelaskan mesej. Panduan n8n serasi OpenAI menunjukkan cara menghalakan nod OpenAI Chat Model n8n ke BroadNet dengan kunci yang sama. Untuk membersihkan, tambah nod Execute Command terakhir yang memadam dua fail untuk ID media itu.

Penyelesaian masalah

  • Pencetus tidak menerima apa-apa. Semak bahawa aliran kerja diterbitkan pada URL produksi dan aplikasi Meta anda dilanggankan kepada WhatsApp Business Account; dokumentasi n8n menyatakan n8n tidak mencipta langganan itu.
  • Muat turun media memulangkan 404. URL telah tamat tempoh selepas 5 minit. Dokumentasi Meta menyuruh anda meminta URL media baharu, dan memperbaharui token akses jika itu juga gagal.
  • “Unrecognized node type” atau Execute Command tiada. Ia disekat secara lalai sejak n8n 2.0; tetapkan NODES_EXCLUDE.
  • ffmpeg: not found. Imej tiada ffmpeg; bina imej tersuai di atas.
  • Access to the file is not allowed. Tulis di bawah /home/node/.n8n-files, atau tetapkan N8N_RESTRICT_FILE_ACCESS_TO kepada folder yang anda gunakan.
  • 400, 413 atau 429 daripada BroadNet. 413 bermaksud fail melebihi 26,214,400 bait (kira-kira 13 minit WAV mono 16 kHz); 429 bermaksud terlalu banyak permintaan serentak. Lihat kod ralat BroadNet dan cuba semula.

Ketepatan, dialek dan perbandingan harga BroadNet dengan API speech-to-text lain dibincangkan dalam panduan speech-to-text bahasa Arab. Untuk harga senarai batch dan streaming bagi lebih 20 produk speech-to-text, setiap satu dengan sumber dan tarikh disemak, lihat indeks harga API speech-to-text yang terbuka.

Soalan lazim

Adakah aliran kerja ini berjalan pada n8n Cloud?

Tidak seperti yang ditulis. Dokumentasi n8n menyatakan nod Execute Command tiada pada n8n Cloud, dan langkah penukaran memerlukan ffmpeg pada mesin yang menjalankan n8n. Pada n8n Cloud, tukar audio dalam perkhidmatan luar yang anda kawal dan panggilnya dengan nod HTTP Request.

Mengapakah saya tidak boleh menghantar fail .ogg WhatsApp terus ke endpoint transkripsi?

Nota suara WhatsApp ialah audio Opus dalam bekas Ogg. Endpoint transkripsi BroadNet menerima WAV dan MP3, jadi aliran kerja ini menukar setiap nota kepada WAV mono 16 kHz dengan ffmpeg terlebih dahulu.

Mengapakah operasi WhatsApp Download tidak memulangkan fail audio?

Dalam kod sumber n8n, operasi Download memanggil endpoint GET media Meta, yang memulangkan objek JSON dengan URL sementara. Nod HTTP Request kedua mengambil URL itu dengan token akses WhatsApp anda. Meta menyatakan URL itu sah selama 5 minit.

Mengapakah WhatsApp Trigger saya tidak menerima apa-apa selepas saya menerbitkan aliran kerja?

WhatsApp hanya membenarkan satu URL webhook bagi setiap aplikasi, jadi bertukar antara URL ujian dan produksi n8n akan menimpanya. Dokumentasi n8n juga menyatakan n8n tidak melanggankan aplikasi Meta anda kepada WhatsApp Business Account; semak langganan itu dalam Subscribed Apps API Meta.

Berapakah kos mentranskripsikan nota suara WhatsApp dengan cara ini?

BroadNet mengebil mengikut minit audio: $0.0042 dengan BroadNet Transcribe Arabic atau $0.002 dengan BroadNet Transcribe. 10,000 nota suara bahasa Arab yang setiap satunya 30 saat berharga $21.00. Caj n8n dan Meta adalah berasingan.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity