Sesli notları sohbetten dışa aktarın (ya da WhatsApp Business entegrasyonunuz üzerinden alın); elinizde .ogg dosyaları olur. Meta’nın Cloud API belgelerine göre WhatsApp sesli mesajları Opus codec’iyle kodlanmış .ogg dosyalarıdır. Telefon kayıtları ise çoğunlukla .m4a olur. BroadNet’in transkripsiyon uç noktası WAV ve MP3 kabul ettiği için önce dönüştürün.
1. Tek bir dosyayı dönüştürün
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
-ar 16000 -ac 1 16 kHz mono ses üretir; BroadNet’in belgeleri sesli notlar ve telefon kayıtları için bu dönüştürmeyi kullanır. Aynı komut .m4a için de çalışır. 16 kHz mono 16 bit WAV saniyede 32.000 bayttır; yani 26.214.400 baytlık dosya sınırı yaklaşık 13 dakikalık ses alır. Daha uzun kayıtlar için ses bölücü kaç parçaya ihtiyacınız olduğunu hesaplar ve ffmpeg komutlarını yazar.
2. Bütün bir klasörü metne çevirin
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])
Her .txt dosyası kendi sesli notunun yanına kaydedilir. Aynı adımları gelen her WhatsApp Business mesajında otomatik çalıştırmak için n8n WhatsApp sesli not iş akışına bakın.
Maliyet
Bir dakikalık sesli not Arapçada $0.0042, 14 dilli modelle $0.002 tutar. Ses kayıtları ve transkriptler istekten sonra saklanmaz; bkz. sıfır veri saklama.
Sorun giderme
-
Arapça yerine Latin harfleri:
language="ar"ekleyin. BroadNet’in belgelerilanguagealanının her zaman gönderilmesini söyler. -
413 hatası: dosya 26.214.400 baytı (25 MiB) aşıyor. Uzun kayıtları 10 dakikalık WAV parçalarına bölün:
ffmpeg -i long-note.ogg -ar 16000 -ac 1 -f segment -segment_time 600 part-%03d.wav -
Yüklemede 400 veya 422: dosyanın gerçekten WAV ya da MP3 olduğunu,
.wavolarak yeniden adlandırılmış bir.oggolmadığını kontrol edin. ffmpeg dönüştürmesini çalıştırın. -
ffmpeg: command not found: ffmpeg’i paket yöneticinizden kurun (örneğinapt install ffmpegveyabrew install ffmpeg). -
429 hatası: kullandıkça öde anahtarları aynı anda 4 isteğe izin verir; dosyaları küçük bir havuzda işleyin. Bkz. tüm BroadNet hata kodları.
Model, formatlar ve doğruluk hakkında daha fazla ayrıntı: Arapça konuşmadan metne rehberi. Diğer sağlayıcıların ses dakikası başına ne aldığını karşılaştırmak için açık konuşmadan metne API fiyat endeksine bakın; her fiyatın bir kaynağı ve tarihi vardır. Konuşma için 16 kHz’in neden yeterli olduğuna dair arka plan için bkz. örnekleme hızı.
