BroadRouter

WhatsApp-Sprachnachrichten in n8n transkribieren

Aktualisiert

Sie brauchen acht n8n-Nodes: einen WhatsApp Trigger auf Messages, einen If-Node, der nur Audio durchlässt, die WhatsApp-Operation Download für die Medien-URL, einen HTTP Request, der die .ogg-Datei holt, einen Read/Write-Files-Node, der sie speichert, ffmpeg in einem Execute-Command-Node zur Umwandlung in WAV, einen zweiten Read/Write-Files-Node, der die WAV lädt, und einen HTTP Request an /v1/audio/transcriptions. Voraussetzung ist selbst gehostetes n8n mit installiertem ffmpeg.

Dieser Workflow macht in n8n aus jeder eingehenden WhatsApp-Sprachnachricht Text. Er ist die n8n-Version des Skripts aus dem Leitfaden zu WhatsApp-Sprachnachrichten: dieselbe Umwandlung mit ffmpeg und derselbe Transkriptionsaufruf. Die Node-Namen und Optionen unten haben wir am 14. November 2026 mit der Dokumentation und dem Quellcode von n8n abgeglichen; die Links stehen in den Quellen.

Was Sie brauchen

  • Selbst gehostetes n8n. Laut n8n-Dokumentation ist der Execute-Command-Node auf n8n Cloud nicht verfügbar und ab n8n 2.0 standardmäßig deaktiviert.
  • ffmpeg auf dem n8n-Host. Unter Docker läuft der Befehl im n8n-Container, nicht auf dem Docker-Host; ffmpeg muss also im Image sein.
  • Ein WhatsApp-Business-Cloud-Credential in n8n, verbunden mit einer Meta-App samt Ihrem WhatsApp Business Account, und das Access Token dieser App.
  • Ein BroadNet-API-Schlüssel. Neue Konten erhalten $5 Startguthaben ohne Karte, und beide Transkriptionsmodelle laufen damit.

n8n vorbereiten: ffmpeg, Execute Command und ein Dateiordner

Das offizielle n8n-Docker-Image hat keinen Paketmanager. Die n8n-Dokumentation zeigt, wie man apk in einem eigenen Image wiederherstellt, um curl zu installieren; dasselbe Dockerfile mit ffmpeg statt curl liefert Ihnen 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

Bauen Sie es mit docker build -t n8n-ffmpeg . und starten Sie n8n-ffmpeg statt n8nio/n8n. Der Tausch gegen ffmpeg ist unsere Änderung am curl-Beispiel von n8n; führen Sie also einmal ffmpeg -version in einem Execute-Command-Node aus, um es zu bestätigen.

Setzen Sie dann zwei Umgebungsvariablen:

Variable Wert Warum
NODES_EXCLUDE "[]" Execute Command ist standardmäßig blockiert. Eine leere Liste gibt ihn frei – und jeden anderen Node, den n8n standardmäßig blockiert. Tragen Sie also alle wieder ein, die blockiert bleiben sollen.
N8N_RESTRICT_FILE_ACCESS_TO nicht setzen Ab n8n 2.0 ist der Standard ~/.n8n-files. Im offiziellen Image ist das /home/node/.n8n-files, der Ordner, der unten genutzt wird.

Der Workflow, Node für Node

# Node Einstellung
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, Pfad /home/node/.n8n-files/{{ $('WhatsApp Trigger').item.json.messages[0].audio.id }}.ogg, Input Binary Field data
6 Execute Command der ffmpeg-Befehl unten
7 Read/Write Files from Disk Read File(s) From Disk, der .wav-Pfad, Put Output File in Field data
8 HTTP Request POST an den Transkriptions-Endpoint, siehe unten

Die Nodes 5 bis 7 gibt es, weil Execute Command einen Shell-Befehl ausführt und keine Binärdaten von n8n annimmt; die Datei geht also auf die Platte und wieder zurück.

Workflow importieren statt selbst bauen

Workflow als n8n-JSON herunterladen (8 Nodes, für Arabisch eingerichtet) und in n8n per Import from File importieren. Er enthält keine Schlüssel oder Tokens. Jeder Node, der eine Anmeldung braucht, hat ein Platzhalter-Credential, dessen Name mit REPLACE: beginnt; öffnen Sie diese vier Nodes und wählen Sie Ihre eigenen Credentials. Node-Typnamen und Parameternamen haben wir am 14. November 2026 mit dem Quellcode von n8n abgeglichen. Der Leitfaden unten erklärt jeden Node, Sie können den Workflow also auch von Hand bauen.

1–2. Auf Nachrichten triggern, nur Audio behalten

Laut n8n-Quellcode gibt der WhatsApp Trigger ein Item pro Änderung im Webhook von Meta aus, mit der Nachrichtenliste unter messages. Text, Bilder und Sprachnachrichten kommen alle über das Event Messages; der If-Node lässt daher nur Items durch, deren erste Nachricht type gleich audio hat. Zustell- und Lesebestätigungen kommen über dasselbe Event, aber ohne messages-Liste; ?? '' macht aus dem fehlenden Wert einen leeren String, damit die strikte Typprüfung bei ihnen nicht fehlschlägt.

WhatsApp erlaubt eine registrierte Webhook-URL pro App. Die n8n-Dokumentation warnt, dass der Wechsel zwischen Test- und Produktions-URL des Triggers sie überschreibt; die jeweils andere URL erhält dann keine Events mehr.

3–4. Die Sprachnachricht bei Meta herunterladen

Die Operation Download des WhatsApp-Nodes ruft mit der Media-ID den Media-Endpoint von Meta auf und liefert JSON mit einer url, nicht das Audio. Laut Meta-Dokumentation ist diese URL 5 Minuten gültig, und der Download schlägt ohne Ihr Access Token fehl. Deshalb holt der nächste HTTP-Request-Node {{ $json.url }} mit dem Token in einem Authorization-Header und speichert die Antwort als Datei im Feld data. Hinterlegen Sie das Token in n8n als Header Auth-Credential (Name Authorization, Wert Bearer, gefolgt vom Token), statt es in den Node einzutippen.

5–7. Mit ffmpeg in WAV umwandeln

Schreiben Sie die Datei auf die Platte (Node 5) und wandeln Sie sie dann im Execute-Command-Node um (Node 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 erzeugt 16-kHz-Mono-WAV, die Umwandlung, die die BroadNet-Dokumentation für Sprachnachrichten verwendet. Die Media-ID ist eine Zahl und lässt sich daher gefahrlos in einem Dateinamen verwenden. Node 7 liest die .wav-Datei zurück ins Feld data.

8. Transkribieren

Legen Sie ein zweites Header Auth-Credential für BroadNet an (Name Authorization, Wert Bearer, gefolgt von Ihrem BroadNet-Schlüssel). Konfigurieren Sie dann den letzten HTTP-Request-Node:

Feld Wert
Method POST
URL https://inference.broadnet.ai/v1/audio/transcriptions
Authentication Generic Credential Type, Header Auth, das BroadNet-Credential
Send Body an, Body Content Type Form-Data
Body-Parameter model broadnet/cohere-transcribe-arabic (oder broadnet/cohere-transcribe für die anderen 13 Sprachen)
Body-Parameter language ar (oder en, es, …)
Body-Parameter file Parameter Type n8n Binary File, Input Data Field Name data

Die Antwort ist JSON mit dem Transkript in text; nachfolgende Nodes lesen also {{ $json.text }}. Das ist dieselbe Anfrage wie dieser curl-Aufruf:

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

Senden Sie immer language mit. Ohne diesen Parameter kann Arabisch in lateinische Buchstaben transliteriert zurückkommen.

Was Sie mit dem Text machen

Speichern Sie ihn in Ihrem CRM oder Helpdesk, oder geben Sie ihn an ein Chat-Modell weiter, das die Nachricht zusammenfasst oder klassifiziert. Der Leitfaden zu n8n und OpenAI-kompatiblen APIs zeigt, wie Sie den OpenAI Chat Model Node von n8n mit demselben Schlüssel auf BroadNet richten. Zum Aufräumen ergänzen Sie am Ende einen Execute-Command-Node, der die beiden Dateien zu dieser Media-ID löscht.

Fehlerbehebung

  • Der Trigger empfängt nichts. Prüfen Sie, ob der Workflow auf der Produktions-URL veröffentlicht ist und Ihre Meta-App das WhatsApp Business Account abonniert hat; laut n8n-Dokumentation legt n8n dieses Abonnement nicht an.
  • Der Medien-Download liefert 404. Die URL ist nach 5 Minuten abgelaufen. Laut Meta-Dokumentation fordern Sie eine neue Medien-URL an und erneuern das Access Token, falls auch das fehlschlägt.
  • „Unrecognized node type“ oder Execute Command fehlt. Der Node ist ab n8n 2.0 standardmäßig blockiert; setzen Sie NODES_EXCLUDE.
  • ffmpeg: not found. Das Image enthält kein ffmpeg; bauen Sie das eigene Image von oben.
  • Access to the file is not allowed. Schreiben Sie unter /home/node/.n8n-files, oder setzen Sie N8N_RESTRICT_FILE_ACCESS_TO auf den Ordner, den Sie nutzen.
  • 400, 413 oder 429 von BroadNet. 413 heißt, die Datei ist größer als 26.214.400 Byte (etwa 13 Minuten 16-kHz-Mono-WAV); 429 heißt, es laufen zu viele Anfragen gleichzeitig. Siehe Fehlercodes und Retries bei BroadNet.

Genauigkeit, Dialekte und wie sich der Preis von BroadNet mit anderen Speech-to-Text-APIs vergleicht, behandelt der Leitfaden zu arabischer Speech-to-Text-API. Batch- und Streaming-Listenpreise von mehr als 20 Speech-to-Text-Produkten, jeweils mit Quelle und Prüfdatum, finden Sie im offenen Preisindex für Speech-to-Text-APIs.

Häufige Fragen

Läuft dieser Workflow auf n8n Cloud?

Nicht in dieser Form. Laut n8n-Dokumentation gibt es den Execute-Command-Node auf n8n Cloud nicht, und der Umwandlungsschritt braucht ffmpeg auf der Maschine, auf der n8n läuft. Auf n8n Cloud wandeln Sie das Audio in einem externen Dienst um, den Sie selbst betreiben, und rufen ihn per HTTP-Request-Node auf.

Warum kann ich die .ogg-Datei von WhatsApp nicht direkt an den Transkriptions-Endpoint schicken?

WhatsApp-Sprachnachrichten sind Opus-Audio in einem Ogg-Container. Der Transkriptions-Endpoint von BroadNet nimmt WAV und MP3 an, daher wandelt der Workflow jede Nachricht zuerst mit ffmpeg in 16-kHz-Mono-WAV um.

Warum liefert die WhatsApp-Operation Download keine Audiodatei?

Laut n8n-Quellcode ruft die Operation Download Metas GET-Media-Endpoint auf, der ein JSON-Objekt mit einer temporären URL zurückgibt. Ein zweiter HTTP-Request-Node holt diese URL mit Ihrem WhatsApp-Access-Token. Laut Meta ist die URL 5 Minuten gültig.

Warum empfängt mein WhatsApp Trigger nach dem Veröffentlichen des Workflows nichts?

WhatsApp erlaubt eine Webhook-URL pro App; der Wechsel zwischen Test- und Produktions-URL von n8n überschreibt sie also. Laut n8n-Dokumentation abonniert n8n Ihre Meta-App außerdem nicht für das WhatsApp Business Account; prüfen Sie dieses Abonnement über Metas Subscribed Apps API.

Was kostet es, WhatsApp-Sprachnachrichten auf diese Weise zu transkribieren?

BroadNet rechnet pro Audiominute ab: $0.0042 mit BroadNet Transcribe Arabic oder $0.002 mit BroadNet Transcribe. 10.000 arabische Sprachnachrichten zu je 30 Sekunden kosten $21.00. Kosten für n8n und Meta kommen separat hinzu.

Als Markdown lesenChatGPT fragenClaude fragenPerplexity fragen