---
title: "Transcrever áudios do WhatsApp (.ogg) com uma API | BroadRouter"
description: "Converta áudios .ogg do WhatsApp ou gravações .m4a do celular para WAV com ffmpeg e transcreva em árabe ou em outros 13 idiomas com uma única chamada de API."
url: https://broadrouter.com/pt/guides/transcribe-whatsapp-voice-notes/
lang: pt-BR
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/guides/transcribe-whatsapp-voice-notes/) (atualizado em 2026-11-16).

# Transcrever áudios do WhatsApp para texto com uma API

Atualizado em 2026-11-16

Converta o áudio para WAV com ffmpeg e envie para a API de transcrição: os áudios do WhatsApp são Opus em arquivos .ogg, que o endpoint não aceita direto. Use WAV mono de 16 kHz e chame o BroadNet Transcribe Arabic ou o BroadNet Transcribe com o campo language certo. Um script curto faz as duas coisas para uma pasta inteira.

Exporte os áudios da conversa (ou receba pela sua integração com o WhatsApp Business) e você terá arquivos `.ogg`. A documentação da Cloud API da Meta diz que as mensagens de voz do WhatsApp são arquivos `.ogg` codificados com o codec Opus. Gravações do celular costumam ser `.m4a`. O endpoint de transcrição da BroadNet aceita WAV e MP3, então converta primeiro.

## 1\. Converta um arquivo

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

`-ar 16000 -ac 1` gera áudio mono de 16 kHz, a conversão que a documentação da BroadNet usa para áudios do WhatsApp e gravações de telefone. O mesmo comando funciona para `.m4a`. Um WAV mono de 16 kHz e 16 bits ocupa 32.000 bytes por segundo, então o limite de 26.214.400 bytes por arquivo comporta cerca de 13 minutos. Para gravações mais longas, o [divisor de áudio](https://broadrouter.com/tools/audio-splitter-ffmpeg/) calcula quantas partes você precisa e escreve os comandos do ffmpeg.

## 2\. Transcreva uma pasta inteira

```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])
```

Cada `.txt` fica ao lado do seu áudio. Para rodar os mesmos passos automaticamente em toda mensagem que chega no WhatsApp Business, veja o [workflow do n8n para áudios do WhatsApp](https://broadrouter.com/pt/guides/n8n-whatsapp-voice-note-transcription/).

## Custo

Um áudio de um minuto custa $0.0042 em árabe ou $0.002 com o modelo de 14 idiomas. Áudio e transcrições não são retidos depois da requisição; veja [zero data retention](https://broadrouter.com/pt/privacy/).

## Solução de problemas

-   **Letras latinas em vez de árabe:** adicione `language="ar"`. A documentação da BroadNet diz para sempre enviar `language`.
    
-   **Erro 413:** o arquivo passa de 26.214.400 bytes (25 MiB). Divida gravações longas em partes WAV de 10 minutos:
    
    ```bash
    ffmpeg -i long-note.ogg -ar 16000 -ac 1 -f segment -segment_time 600 part-%03d.wav
    ```
    
-   **400 ou 422 no upload:** confira se o arquivo é mesmo WAV ou MP3, e não um `.ogg` renomeado para `.wav`. Rode a conversão com ffmpeg.
    
-   **`ffmpeg: command not found`:** instale o ffmpeg pelo seu gerenciador de pacotes (por exemplo, `apt install ffmpeg` ou `brew install ffmpeg`).
    
-   **Erro 429:** chaves de pagamento por uso permitem 4 requisições ao mesmo tempo; processe os arquivos em um pool pequeno. Veja [todos os códigos de erro da BroadNet](https://broadrouter.com/pt/guides/errors-and-retries/).
    

Mais detalhes sobre o modelo, os formatos e a precisão: [o guia de speech-to-text em árabe](https://broadrouter.com/pt/guides/arabic-speech-to-text-api/). Para comparar quanto outros provedores cobram por minuto de áudio, veja o [índice aberto de preços de APIs de speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/), com fonte e data para cada preço. Para entender por que 16 kHz bastam para fala, veja [taxa de amostragem](https://broadrouter.com/pt/glossary/sample-rate/).

## Termos neste guia

[Fala para texto (speech-to-text)](https://broadrouter.com/pt/glossary/speech-to-text/)

Fala para texto, ou reconhecimento automático de fala (ASR), é a tecnologia que converte áudio falado em texto. Uma API de fala para texto recebe um arquivo ou stream de áudio e retorna uma transcrição, normalmente cobrada por minuto de áudio. A precisão é medida pela taxa de erro de palavras e varia com sotaque, dialeto e qualidade da gravação.

[WAV (arquivo de áudio WAV)](https://broadrouter.com/pt/glossary/wav/)

WAV (Waveform Audio File Format, ou WAVE) é um contêiner de áudio baseado no formato RIFF da Microsoft e da IBM. Ele costuma guardar amostras PCM lineares sem compressão, então o tamanho é previsível: taxa de amostragem vezes bytes por amostra vezes canais, por segundo.

[Concorrência (concurrency)](https://broadrouter.com/pt/glossary/concurrency/)

Concorrência é o número de requisições que um cliente tem em andamento ao mesmo tempo. APIs de LLM muitas vezes a limitam por chave ou por plano, separadamente das requisições por minuto, porque cada requisição aberta ocupa capacidade de GPU até a resposta terminar.

[Pagamento por uso (pay-as-you-go)](https://broadrouter.com/pt/glossary/pay-as-you-go/)

Pagamento por uso é um modelo de preço em que você paga só pelo que usa, medido por unidade, como tokens, requisições ou minutos de áudio, sem assinatura nem compromisso mínimo. A maioria das APIs de LLM cobra assim, a partir de um saldo pré-pago ou de uma fatura periódica.

[Retenção zero de dados (zero data retention)](https://broadrouter.com/pt/glossary/zero-data-retention/)

Retenção zero de dados (ZDR) é uma política de tratamento de dados em que um provedor de IA processa prompts e saídas só para atender uma requisição e não guarda esse conteúdo depois, nem em logs, nem em caches, nem em dados de treinamento. Registros sem conteúdo, como contagens de tokens e tempos, costumam continuar sendo guardados.

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

Ogg Opus é áudio codificado com o codec Opus (RFC 6716) e guardado em um contêiner Ogg (RFC 7845). Ele foi feito para fala e áudio interativo com bitrates baixos, e é o formato que o WhatsApp usa para mensagens de voz, normalmente como arquivos .ogg ou .opus.

[Rate limit (limite de taxa)](https://broadrouter.com/pt/glossary/rate-limit/)

Um rate limit é um teto que uma API impõe a quanto um cliente pode usá-la em um intervalo de tempo, como requisições por minuto ou tokens por minuto. As requisições acima do limite são recusadas, normalmente com HTTP 429 Too Many Requests, até que o uso volte a ficar abaixo dele.

[Taxa de amostragem (sample rate)](https://broadrouter.com/pt/glossary/sample-rate/)

Taxa de amostragem (sample rate) é o número de amostras de áudio capturadas por segundo, medido em hertz (Hz). Modelos de reconhecimento de fala costumam esperar áudio mono a 16.000 Hz (16 kHz). Junto com a profundidade de bits e o número de canais, ela define quanto um arquivo de áudio sem compressão ocupa por minuto.

## Perguntas frequentes

### Qual é o formato de áudio dos áudios do WhatsApp?

Áudio Opus em um contêiner Ogg, salvo como .ogg. A documentação da Cloud API da Meta diz que mensagens de voz precisam ser arquivos .ogg codificados com o codec Opus, só mono.

### Posso mandar o arquivo .ogg direto para a API de transcrição?

Não para a BroadNet Inference. O endpoint de transcrição dela aceita WAV e MP3, então converta o áudio com ffmpeg antes. Um comando transforma o arquivo em WAV mono de 16 kHz.

### Os áudios ficam armazenados depois da transcrição?

A BroadNet diz que áudio e transcrições são processados para a requisição e não são retidos. Ela guarda só registros sem conteúdo, como tempos, status e uso, para cobrança e segurança.

### Qual modelo devo usar para áudios em árabe?

O BroadNet Transcribe Arabic, broadnet/cohere-transcribe-arabic, com language definido como ar. Para os outros 13 idiomas que ele cobre, use o BroadNet Transcribe, broadnet/cohere-transcribe.

## Guias relacionados

-   [Transcrever áudios do WhatsApp no n8n](https://broadrouter.com/pt/guides/n8n-whatsapp-voice-note-transcription/)
-   [API de transcrição de áudio em árabe, passo a passo](https://broadrouter.com/pt/guides/arabic-speech-to-text-api/)
-   [Códigos de erro da BroadNet Inference e quando tentar de novo](https://broadrouter.com/pt/guides/errors-and-retries/)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-guides-transcribe-whatsapp-voice-notes&utm_content=page-cta) ·

**Fontes**

-   [Referência da API da BroadNet Inference, transcrição e conversão com ffmpeg (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-guides-transcribe-whatsapp-voice-notes&utm_content=sources#requests)
-   [Preços da BroadNet Inference (em inglês)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-guides-transcribe-whatsapp-voice-notes&utm_content=sources)
-   [Meta WhatsApp Cloud API, mensagens de áudio (mensagens de voz são OGG com o codec Opus; conferido em 2026-11-14)](https://developers.facebook.com/documentation/business-messaging/whatsapp/messages/audio-messages)
-   [Documentação de formatos do FFmpeg, muxer segment (conferido em 2026-11-14)](https://ffmpeg.org/ffmpeg-formats.html#segment)
