BroadRouter

الرسائل الصوتية إلى نص للشركات: من WhatsApp وTelegram إلى تذاكر

بقلم فريق BroadNet Inference · قراءة في 4 دقائق · تاريخ النشر · آخر تحديث

لتحويل رسائل العملاء الصوتية إلى تذاكر، نزّل كل رسالة من WhatsApp Cloud API أو Telegram Bot API فور وصول الـ webhook، وحوّلها إلى WAV، وفرّغها برمز اللغة الصحيح، ثم اطلب من نموذج LLM استخراج النية ودرجة الاستعجال وأرقام الطلبات بصيغة JSON. أنشئ التذكرة مع إرفاق النص المفرّغ، وردّ نصيًا.

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

في معظم أنحاء الشرق الأوسط، لا يكتب العملاء. بل يرسلون رسالة صوتية مدتها 40 ثانية بلهجة خليجية أو مصرية، وكثيرًا ما يُقرأ رقم الطلب في منتصفها. ثم يستمع الموظفون، ويعيدون التشغيل، ويكتبونها في نظام الدعم. اضرب ذلك في بضع مئات يوميًا، فتصبح الرسائل الصوتية أبطأ قناة لديك.

يبني هذا المقال مسار العمل التجاري حول التفريغ الصوتي: إخراج الرسائل من WhatsApp وTelegram، وتحويلها إلى تذاكر مهيكلة، وإبقاء البيانات تحت السيطرة. أما شيفرة التحويل والتفريغ نفسها، فراجع دليلنا خطوة بخطوة لـ تفريغ رسائل WhatsApp الصوتية. لن نكررها هنا.

كيف تصبح الرسالة الصوتية تذكرة دعم؟

  1. استقبل الـ webhook من WhatsApp أو Telegram.
  2. نزّل الصوت فورًا.
  3. حوّل إلى WAV أحادي القناة بتردد 16 kHz.
  4. فرّغ برمز اللغة الصحيح.
  5. استخرج حقول التذكرة بنموذج LLM.
  6. أنشئ التذكرة مع النص المفرّغ، وردّ نصيًا.
  7. احذف الملف الصوتي.

الخطوتان 1 و2: كيف تُخرج الصوت من WhatsApp؟

في WhatsApp Business Cloud API تصل الرسالة الصوتية الواردة في صورة webhook يحمل معرّف وسائط، لا الملف نفسه. وتحدد وثائق الوسائط من Meta القواعد:

  • استدعِ GET /<MEDIA_ID> على Graph API للحصول على url.
  • نزّل ذلك الرابط مع Authorization: Bearer <token>. فدون الرمز يفشل الطلب.
  • “Media URLs expire after 5 minutes.” (الترجمة: تنتهي صلاحية روابط الوسائط بعد 5 دقائق.) اطلب رابطًا جديدًا إذا تأخرت.
  • معرّفات الوسائط القادمة من الـ webhooks الواردة صالحة لمدة 7 أيام.
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)

نفّذ ذلك في مهمة خلفية تابعة لمعالج الـ webhook، لا لاحقًا ضمن دفعة. فالطابور الذي يعمل مرة كل ساعة سيصطدم بروابط منتهية الصلاحية.

كيف تُخرج الرسائل الصوتية من بوت Telegram؟

يستقبل بوت Telegram كائن voice يحمل file_id. وتقول Bot API إن البوتات “can download files of up to 20MB” (الترجمة: يمكنها تنزيل ملفات حتى 20MB)، عبر https://api.telegram.org/file/bot<token>/<file_path>، وإن الرابط “valid for at least 1 hour” (الترجمة: صالح لساعة واحدة على الأقل).

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)

تسلّم المنصتان الرسائل الصوتية عمليًا بصيغة Ogg/Opus. ونقطة نهاية التفريغ تقبل WAV أو MP3، فحوّل بأمر ffmpeg ذي السطر الواحد من دليل WhatsApp، ثم فرّغ مع language="ar" (أو لغة العميل).

الخطوة 5: كيف تحوّل النص المفرّغ إلى تذكرة؟

يظل النص المفرّغ الخام صعب الفرز. ويستطيع نموذج LLM استخراج الحقول التي يحتاجها نظام الدعم لديك:

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 هو النموذج الذي اختبرته BroadNet للعربية، بما في ذلك اللهجتان الخليجية والمصرية. تحقّق من صحة JSON قبل كتابته في نظام الدعم، وارجع إلى needs_human: true حين يفشل التحليل؛ وفي مقال المخرجات المهيكلة حلقة للتحقق والإصلاح. وإذا ذكرت الرسالة أرقام بطاقات أو هويات، فاحجبها قبل هذه الخطوة؛ راجع إرسال البيانات الحساسة إلى LLM API.

ما الحالات الطرفية التي يجب التعامل معها مبكرًا؟

صناديق الوارد الحقيقية أكثر فوضى من العرض التجريبي. خطّط لهذه الحالات منذ الأسبوع الأول:

  • عدة رسائل متتالية. كثيرًا ما يرسل العملاء ثلاث رسائل قصيرة بدل رسالة طويلة واحدة. اجمع رسائل المرسل نفسه خلال دقيقتين تقريبًا في تذكرة واحدة، وفرّغها بالترتيب.
  • الرسائل القصيرة جدًا. رسائل مثل “تمام” أو “شكرًا” لا تحتاج إلى تذكرة. تخطَّ الاستخراج حين يكون النص المفرّغ أقل من بضع كلمات.
  • الرسائل المُعاد توجيهها. قد يكون المتحدث في الرسالة الصوتية المُعاد توجيهها شخصًا آخر. تعامل معها كمرفق، لا ككلام العميل نفسه.
  • اللغة المختلطة. يخلط عملاء الخليج أسماء منتجات إنجليزية في كلامهم. وإذا كان طابورك يخدم عدة لغات، فسجّل اللغة التي أرسلتها مع كل نص مفرّغ ليعرف الموظفون ما يتوقعونه.
  • الملفات الكبيرة. تذكر وثائق الوسائط من Meta حدًا قدره 16 MB للصوت، وتستطيع بوتات Telegram تنزيل حتى 20 MB، وكلاهما أدنى من حد التفريغ البالغ 25 MiB، لكن التسجيلات الطويلة تظل تستغرق وقتًا أطول. عالجها في الخلفية.

ما الذي يكسبه الفريق

قبل بعد
يستمع الموظف إلى كل رسالة، مرتين غالبًا يقرأ الموظف نصًا مفرّغًا وملخصًا من سطر واحد
لا يمكن البحث في الرسائل يمكن البحث في النصوص المفرّغة برقم الطلب أو بكلمة مفتاحية
يفرز من يكون متفرغًا توجيه حسب النية ودرجة الاستعجال
تنتظر الرسائل العربية موظفًا يتحدث العربية يتيح الملخص الإنجليزي لأي موظف تولّي الحالات البسيطة

كم يكلّف تفريغ الرسائل الصوتية؟

التفريغ الصوتي هو الجزء الرخيص في المسار. فبسعر $0.0042 للدقيقة، تكلّف 10,000 رسالة صوتية عربية مدة كل منها 30 ثانية $21.00. ويكلّف النموذج متعدد اللغات (14 لغة) $0.002 للدقيقة. أما خطوة LLM فتُسعَّر لكل رمز (توكن)؛ والنص المفرّغ القصير مع التعليمات يبلغ عادةً بضع مئات من الرموز. أدخل أحجامك في حاسبة تكلفة تحويل الكلام إلى نص، أو قارن المزوّدين الآخرين في مقارنة أسعار تحويل الكلام إلى نص.

كيف تتعامل مع الخصوصية والاحتفاظ بالبيانات؟

الرسائل الصوتية بيانات شخصية، وكثيرًا ما تحتوي على أكثر مما قصد العميل مشاركته. ثلاث عادات تساعد:

  • احذف الصوت بعد التفريغ ما لم تُلزمك سياسة ما بالاحتفاظ به.
  • خزّن النصوص المفرّغة مع التذكرة، تحت ضوابط الوصول في نظام الدعم، لا في سجلات التطبيق.
  • استخدم مزوّدًا لا يحتفظ بالصوت. لا تحتفظ BroadNet بأي صوت أو نصوص مفرّغة بعد الطلب؛ راجع عدم الاحتفاظ بالبيانات.

ردّ بنص عادي، واجعل الردود الأولى على جهات الاتصال الجديدة قصيرة وخالية من الروابط. فمنصات المراسلة تراقب الأنماط الشبيهة بالرسائل المزعجة من أرقام الشركات.

أين تناسب BroadNet Inference

تغطي BroadNet خطوتَي التفريغ والاستخراج بمفتاح واحد متوافق مع OpenAI: BroadNet Transcribe Arabic للرسائل العربية، وBroadNet Transcribe للعربية إضافة إلى 13 لغة أخرى، ونماذج محادثة مختبَرة على العربية لحقول التذكرة. وتُفيد BroadNet بأن نموذجها العربي يحتل المرتبة #2 من أصل 37 (وهو رقمها لشهر سبتمبر 2026؛ وأدرجته اللوحة المباشرة في المرتبة #4 من أصل 39 في 15 نوفمبر 2026) في Open Universal Arabic ASR Leaderboard. ويغطي الرصيد المبدئي البالغ $5 نحو 1,190 دقيقة من الصوت العربي.

لا تربطك BroadNet بـ WhatsApp أو Telegram أو نظام الدعم لديك؛ فمعالجة الـ webhook وإنشاء التذاكر من شيفرتك أو من أداة الأتمتة لديك. أما المكالمات فمشكلة من نوع مختلف، بمتحدثَين وتسجيلات طويلة: راجع تفريغ تسجيلات مراكز الاتصال.

أسئلة شائعة

هل يمكنني تفريغ رسائل WhatsApp الصوتية تلقائيًا؟

نعم. مع WhatsApp Business Cloud API تصل كل رسالة صوتية في صورة webhook يحمل معرّف وسائط. يجلب خادمك رابط الوسائط، وينزّل الملف برمز الوصول الخاص بك، ويحوّله، ثم يرسله إلى API للتفريغ الصوتي.

كيف أحوّل رسائل Telegram الصوتية إلى نص؟

يستقبل البوت كائن voice يحمل file_id. استدعِ getFile، ونزّل الملف من المسار المُعاد، وحوّله إلى WAV بـ ffmpeg، ثم فرّغه. تستطيع البوتات تنزيل ملفات حتى 20 MB.

كم يكلّف تفريغ رسائل العملاء الصوتية؟

مع BroadNet Transcribe Arabic بسعر $0.0042 للدقيقة، تكلّف 10,000 رسالة مدة كل منها 30 ثانية $21.00. أما النموذج متعدد اللغات (14 لغة) فيكلّف $0.002 للدقيقة.

هل أردّ على الرسالة الصوتية برسالة صوتية؟

عادةً ما يكون الرد النصي القصير أفضل في الدعم: يستطيع العميل قراءته في أي مكان، ويمكن البحث فيه لدى الطرفين. اجعل الرد الأول بسيطًا وقصيرًا.

هل أحتاج إلى تخزين الصوت الأصلي؟

غالبًا لا. فالنص المفرّغ يكفي لمعظم مسارات عمل الدعم. وإذا احتفظت بالصوت لأسباب تتعلق بالجودة أو لأسباب قانونية، فحدّد مدة للاحتفاظ وقيّد الوصول إليه، لأن الصوت بيانات شخصية.

اقرأها بصيغة Markdownاسأل ChatGPTاسأل Claudeاسأل Perplexity