---
title: "Transcribir audios de WhatsApp en n8n, paso a paso | BroadRouter"
description: "Un workflow de n8n que recibe una nota de voz de WhatsApp, la descarga de Meta, la convierte con ffmpeg y la transcribe en árabe o en otros 13 idiomas."
url: https://broadrouter.com/es/guides/n8n-whatsapp-voice-note-transcription/
lang: es
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/guides/n8n-whatsapp-voice-note-transcription/) (actualizado el 2026-11-16).

# Transcribir notas de voz de WhatsApp en n8n

Actualizado 2026-11-16

Use ocho nodos de n8n: un WhatsApp Trigger en Messages, un nodo If que deja pasar solo el audio, la operación Download de WhatsApp para la URL del medio, un HTTP Request que descarga el archivo .ogg, un nodo Read/Write Files que lo guarda, ffmpeg en un nodo Execute Command para generar WAV, un segundo nodo Read/Write Files que carga el WAV y un HTTP Request a /v1/audio/transcriptions. Requiere n8n autoalojado con ffmpeg instalado.

Este workflow convierte en texto, dentro de n8n, cada nota de voz que llega por WhatsApp. Es la versión para n8n del [script de la guía de notas de voz de WhatsApp](https://broadrouter.com/es/guides/transcribe-whatsapp-voice-notes/): la misma conversión con ffmpeg y la misma llamada de transcripción. Los nombres de nodos y opciones de abajo se verificaron con la documentación y el código fuente de n8n el 2026-11-14; los enlaces están en las fuentes.

## Qué necesita

-   **n8n autoalojado.** La documentación de n8n dice que el nodo Execute Command no está disponible en n8n Cloud y que viene desactivado de forma predeterminada desde n8n 2.0.
-   **ffmpeg en el host de n8n.** Con Docker, el comando se ejecuta dentro del contenedor de n8n, no en el host de Docker, así que ffmpeg debe estar en la imagen.
-   **Una credencial de WhatsApp Business Cloud en n8n**, conectada a una app de Meta con su cuenta de WhatsApp Business, y el token de acceso de esa app.
-   **Una clave de API de BroadNet.** Las cuentas nuevas reciben $5 de crédito inicial sin tarjeta, y ambos modelos de transcripción funcionan con él.

## Preparar n8n: ffmpeg, Execute Command y una carpeta de archivos

La imagen oficial de Docker de n8n no tiene gestor de paquetes. La documentación de n8n muestra cómo restaurar `apk` en una imagen personalizada para instalar curl; el mismo Dockerfile con `ffmpeg` en lugar de `curl` le da ffmpeg:

```dockerfile
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
```

Constrúyala con `docker build -t n8n-ffmpeg .` y ejecute `n8n-ffmpeg` en lugar de `n8nio/n8n`. El cambio a `ffmpeg` es una modificación nuestra del ejemplo de curl de n8n, así que ejecute una vez `ffmpeg -version` en un nodo Execute Command para confirmarlo.

Luego defina dos variables de entorno:

| Variable | Valor | Motivo |
| --- | --- | --- |
| `NODES_EXCLUDE` | `"[]"` | Execute Command está bloqueado de forma predeterminada. Una lista vacía lo desbloquea, junto con todos los demás nodos que n8n bloquea de forma predeterminada, así que vuelva a agregar los que quiera mantener bloqueados. |
| `N8N_RESTRICT_FILE_ACCESS_TO` | sin definir | Desde n8n 2.0 su valor predeterminado es `~/.n8n-files`. En la imagen oficial es `/home/node/.n8n-files`, la carpeta que se usa abajo. |

## El workflow, nodo por nodo

| # | Nodo | Configuración |
| --- | --- | --- |
| 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 }}`, encabezado `Authorization: Bearer <WhatsApp access token>`, Response Format **File**, Put Output in Field `data` |
| 5 | Read/Write Files from Disk | **Write File to Disk**, ruta `/home/node/.n8n-files/{{ $('WhatsApp Trigger').item.json.messages[0].audio.id }}.ogg`, Input Binary Field `data` |
| 6 | Execute Command | el comando de ffmpeg de abajo |
| 7 | Read/Write Files from Disk | **Read File(s) From Disk**, la ruta del `.wav`, Put Output File in Field `data` |
| 8 | HTTP Request | POST al endpoint de transcripción, abajo |

Los nodos 5 a 7 existen porque Execute Command ejecuta un comando de shell y no recibe datos binarios de n8n, así que el archivo va al disco y vuelve.

### Importe el workflow en lugar de construirlo

[Descargue el workflow como JSON de n8n](https://broadrouter.com/downloads/n8n-whatsapp-voice-note-transcription.json) (8 nodos, configurado para árabe) e impórtelo en n8n con **Import from File**. No contiene claves ni tokens. Cada nodo que necesita inicio de sesión tiene una credencial de marcador cuyo nombre empieza por `REPLACE:`; abra esos cuatro nodos y elija sus propias credenciales. Los nombres de tipos de nodo y de parámetros se verificaron con el código fuente de n8n el 2026-11-14; la guía de abajo explica cada nodo, así que también puede construirlo a mano.

### 1–2. Disparar con los mensajes y quedarse solo con el audio

En el código fuente de n8n, el WhatsApp Trigger emite un ítem por cada cambio del webhook de Meta, con la lista de mensajes en `messages`. Los textos, las imágenes y las notas de voz llegan todos por el evento **Messages**, así que el nodo If solo deja pasar los ítems cuyo primer mensaje tiene `type` igual a `audio`. Las confirmaciones de entrega y de lectura llegan por el mismo evento sin lista `messages`; el `?? ''` convierte ese valor ausente en una cadena vacía para que la comprobación estricta de tipo no falle con ellas.

WhatsApp permite una sola URL de webhook registrada por app. La documentación de n8n advierte que alternar entre las URL de prueba y de producción del trigger la sobrescribe, y la otra URL deja de recibir eventos.

### 3–4. Descargar la nota de voz de Meta

La operación **Download** del nodo de WhatsApp llama al endpoint de medios de Meta con el ID del medio y devuelve un JSON con una `url`, no el audio. La documentación de Meta dice que esa URL es válida durante 5 minutos y que la descarga falla sin su token de acceso. Por eso el siguiente nodo HTTP Request descarga `{{ $json.url }}` con el token en un encabezado `Authorization` y guarda la respuesta como archivo en el campo `data`. En n8n, guarde el token en una credencial **Header Auth** (nombre `Authorization`, valor `Bearer` seguido del token) en lugar de escribirlo en el nodo.

### 5–7. Convertir a WAV con ffmpeg

Escriba el archivo en el disco (nodo 5) y conviértalo en el nodo Execute Command (nodo 6):

```bash
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` genera WAV mono de 16 kHz, la conversión que usa la documentación de BroadNet para notas de voz. El ID del medio es un número, así que es seguro usarlo en un nombre de archivo. El nodo 7 vuelve a leer el archivo `.wav` en el campo `data`.

### 8\. Transcribir

Cree una segunda credencial **Header Auth** para BroadNet (nombre `Authorization`, valor `Bearer` seguido de su clave de BroadNet). Luego configure el último nodo HTTP Request:

| Campo | Valor |
| --- | --- |
| Method | POST |
| URL | `https://inference.broadnet.ai/v1/audio/transcriptions` |
| Authentication | Generic Credential Type, **Header Auth**, la credencial de BroadNet |
| Send Body | activado, Body Content Type **Form-Data** |
| Parámetro del body `model` | `broadnet/cohere-transcribe-arabic` (o `broadnet/cohere-transcribe` para los otros 13 idiomas) |
| Parámetro del body `language` | `ar` (o `en`, `es`, …) |
| Parámetro del body `file` | Parameter Type **n8n Binary File**, Input Data Field Name `data` |

La respuesta es un JSON con la transcripción en `text`, así que los nodos siguientes leen `{{ $json.text }}`. Es la misma solicitud que esta llamada con curl:

```bash
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
```

Envíe siempre `language`. Sin él, el árabe puede volver transliterado a letras latinas.

## Qué hacer con el texto

Guárdelo en su CRM o en su herramienta de soporte, o páselo a un modelo de chat para resumir o clasificar el mensaje. La [guía de n8n compatible con OpenAI](https://broadrouter.com/es/guides/n8n-openai-compatible/) muestra cómo apuntar el nodo OpenAI Chat Model de n8n a BroadNet con la misma clave. Para limpiar, agregue un último nodo Execute Command que borre los dos archivos de ese ID de medio.

## Solución de problemas

-   **El trigger no recibe nada.** Verifique que el workflow esté publicado en la URL de producción y que su app de Meta esté suscrita a la cuenta de WhatsApp Business; la documentación de n8n dice que n8n no crea esa suscripción.
-   **La descarga del medio devuelve 404.** La URL venció a los 5 minutos. La documentación de Meta indica solicitar una nueva URL del medio y, si eso también falla, renovar el token de acceso.
-   **“Unrecognized node type” o falta Execute Command.** Está bloqueado de forma predeterminada desde n8n 2.0; configure `NODES_EXCLUDE`.
-   **`ffmpeg: not found`.** La imagen no tiene ffmpeg; construya la imagen personalizada de arriba.
-   **No se permite el acceso al archivo.** Escriba en `/home/node/.n8n-files` o configure `N8N_RESTRICT_FILE_ACCESS_TO` con la carpeta que use.
-   **400, 413 o 429 de BroadNet.** 413 significa que el archivo supera los 26,214,400 bytes (unos 13 minutos de WAV mono de 16 kHz); 429 significa demasiadas solicitudes a la vez. Consulte [códigos de error y reintentos de BroadNet](https://broadrouter.com/es/guides/errors-and-retries/).

La precisión, los dialectos y cómo se compara el precio de BroadNet con otras API de voz a texto se tratan en la [guía de voz a texto en árabe](https://broadrouter.com/es/guides/arabic-speech-to-text-api/). Para ver precios de lista por lotes y en streaming de más de 20 productos de voz a texto, cada uno con su fuente y la fecha de verificación, consulte el [índice abierto de precios de API de voz a texto](https://broadrouter.com/data/speech-to-text-api-prices/).

## Términos de esta guía

[Token](https://broadrouter.com/es/glossary/token/)

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[Voz a texto (speech-to-text)](https://broadrouter.com/es/glossary/speech-to-text/)

La conversión de voz a texto, o reconocimiento automático del habla (ASR), transforma audio hablado en texto escrito. Una API de voz a texto recibe un archivo o stream de audio y devuelve una transcripción, normalmente cobrada por minuto. La precisión se mide con la tasa de error por palabra y varía según el acento, el dialecto y la grabación.

[WAV (archivo de audio)](https://broadrouter.com/es/glossary/wav/)

WAV (Waveform Audio File Format, o WAVE) es un contenedor de audio basado en el formato RIFF de Microsoft e IBM. Suele llevar muestras PCM lineales sin comprimir, así que su tamaño es predecible: frecuencia de muestreo por bytes por muestra por canales, por segundo.

[Streaming (respuestas en tiempo real)](https://broadrouter.com/es/glossary/streaming/)

El streaming es una forma de devolver la respuesta de un modelo de lenguaje en pequeños fragmentos mientras aún se genera, en lugar de una sola respuesta al final. Las APIs compatibles con OpenAI hacen streaming mediante server-sent events cuando la solicitud define stream como true.

[Clave de API (API key)](https://broadrouter.com/es/glossary/api-key/)

Una clave de API es una cadena secreta que identifica y autoriza a un cliente que llama a una API. Las APIs de LLM suelen esperarla en un encabezado Authorization: Bearer, y cualquiera que tenga la clave puede hacer solicitudes que se facturan a la cuenta propietaria.

## Preguntas frecuentes

### ¿Este workflow funciona en n8n Cloud?

No tal como está. La documentación de n8n dice que el nodo Execute Command no está disponible en n8n Cloud, y el paso de conversión necesita ffmpeg en la máquina que ejecuta n8n. En n8n Cloud, convierta el audio en un servicio externo que usted controle y llámelo con un nodo HTTP Request.

### ¿Por qué no puedo enviar el archivo .ogg de WhatsApp directamente al endpoint de transcripción?

Las notas de voz de WhatsApp son audio Opus en un contenedor Ogg. El endpoint de transcripción de BroadNet acepta WAV y MP3, así que el workflow primero convierte cada nota a WAV mono de 16 kHz con ffmpeg.

### ¿Por qué la operación Download de WhatsApp no devuelve el archivo de audio?

En el código fuente de n8n, la operación Download llama al endpoint GET de medios de Meta, que devuelve un objeto JSON con una URL temporal. Un segundo nodo HTTP Request descarga esa URL con su token de acceso de WhatsApp. Meta indica que la URL es válida durante 5 minutos.

### ¿Por qué mi WhatsApp Trigger no recibe nada después de publicar el workflow?

WhatsApp permite una sola URL de webhook por app, así que alternar entre las URL de prueba y de producción de n8n la sobrescribe. La documentación de n8n también advierte que n8n no suscribe su app de Meta a la cuenta de WhatsApp Business; verifique esa suscripción en la Subscribed Apps API de Meta.

### ¿Cuánto cuesta transcribir notas de voz de WhatsApp de esta forma?

BroadNet factura por minuto de audio: $0.0042 con BroadNet Transcribe Arabic o $0.002 con BroadNet Transcribe. 10,000 notas de voz en árabe de 30 segundos cada una cuestan $21.00. Los cargos de n8n y de Meta van aparte.

## Guías relacionadas

-   [Transcribir notas de voz de WhatsApp a texto con una API](https://broadrouter.com/es/guides/transcribe-whatsapp-voice-notes/)
-   [BroadNet Inference en n8n (credencial de OpenAI y Base URL)](https://broadrouter.com/es/guides/n8n-openai-compatible/)
-   [API de voz a texto en árabe, paso a paso](https://broadrouter.com/es/guides/arabic-speech-to-text-api/)
-   [Códigos de error de BroadNet Inference y cuándo reintentar](https://broadrouter.com/es/guides/errors-and-retries/)
-   [Todas las herramientas que funcionan con BroadNet Inference (en inglés)](https://broadrouter.com/integrations/): SDK, agentes de programación, interfaces de chat y herramientas de automatización, con la configuración exacta de cada una

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-guides-n8n-whatsapp-voice-note-transcription&utm_content=page-cta) ·

**Fuentes**

-   [Documentación de n8n, nodo WhatsApp Trigger (eventos, un webhook por app; consultada el 2026-11-14)](https://docs.n8n.io/integrations/builtin/trigger-nodes/n8n-nodes-base.whatsapptrigger/)
-   [Documentación de n8n, nodo WhatsApp Business Cloud (operaciones de Media; consultada el 2026-11-14)](https://docs.n8n.io/integrations/builtin/app-nodes/n8n-nodes-base.whatsapp/)
-   [Código fuente de n8n, operaciones de medios de WhatsApp (Download devuelve la URL del medio; consultado el 2026-11-14)](https://github.com/n8n-io/n8n/blob/master/packages/nodes-base/nodes/WhatsApp/MediaDescription.ts)
-   [Código fuente de n8n, salida de WhatsApp Trigger (un ítem por valor de cambio del webhook; consultado el 2026-11-14)](https://github.com/n8n-io/n8n/blob/master/packages/nodes-base/nodes/WhatsApp/WhatsAppTrigger.node.ts)
-   [Documentación de n8n, nodo HTTP Request (Form-Data, n8n Binary File, Response Format File; consultada el 2026-11-14)](https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.httprequest/)
-   [Documentación de n8n, nodo Execute Command (solo autoalojado, desactivado de forma predeterminada desde n8n 2.0, ejemplo con Docker; consultada el 2026-11-14)](https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.executecommand/)
-   [Documentación de n8n, bloqueo de nodos (NODES\_EXCLUDE; consultada el 2026-11-14)](https://docs.n8n.io/hosting/securing/blocking-nodes/)
-   [Documentación de n8n, Read/Write Files from Disk (valor predeterminado de N8N\_RESTRICT\_FILE\_ACCESS\_TO; consultada el 2026-11-14)](https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.readwritefile/)
-   [WhatsApp Cloud API de Meta, medios (la descarga requiere el token de acceso; URL válida 5 minutos; consultada el 2026-11-14)](https://developers.facebook.com/docs/whatsapp/cloud-api/reference/media)
-   [WhatsApp Cloud API de Meta, mensajes de audio (las notas de voz son OGG con Opus; consultada el 2026-11-14)](https://developers.facebook.com/documentation/business-messaging/whatsapp/messages/audio-messages)
-   [Referencia de la API de BroadNet Inference, transcripción (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-guides-n8n-whatsapp-voice-note-transcription&utm_content=sources#requests)
