Limang bahagi ang kailangan ng Arabic WhatsApp chatbot: webhook na tumatanggap ng mensahe mula sa opisyal na WhatsApp Business Platform, queue, speech-to-text para sa voice note, LLM na gumagawa ng draft ng reply sa Arabic, at sender na sumasagot sa loob ng 24-hour window ng WhatsApp. Mahalaga ang mga voice note dahil maraming Arabic-speaking na customer ang nagsasalita sa dialect sa halip na mag-type.
Pinapatakbo ng BroadNet ang BroadRouter, kaya BroadNet Inference ang gamit sa mga halimbawa. Kasya sa parehong mga puwesto ang anumang OpenAI-compatible na speech-to-text at chat provider.
Ano ang mga bahagi ng Arabic WhatsApp chatbot?
WhatsApp user
│ text or voice note
▼
WhatsApp Business Platform (Cloud API)
│ webhook POST
▼
1. Webhook receiver ── verify signature, store event, return 200
│
▼
2. Queue (Redis, SQS, a database table)
│
▼
3. Worker
├─ voice note? download media → ffmpeg → speech to text
├─ build prompt: system rules + recent history + new message
└─ LLM drafts reply (or hands over to a human)
│
▼
4. Sender ── POST /messages on the Cloud API
│
▼
5. Store ── conversation state, opt-in status, audit log
1. Webhook receiver
Inihahatid ng WhatsApp Cloud API ang mga papasok na mensahe bilang HTTPS POST request sa webhook na ini-register mo. Dalawang patakaran ang nagpapanatiling maayos sa bahaging ito:
- I-verify ang bawat request. Ayon sa docs ng Meta, kuwentahin ang HMAC-SHA256 ng JSON payload gamit ang app secret mo at ikumpara ito sa
X-Hub-Signature-256header. Tanggihan ang anumang hindi tumutugma. - Ibalik agad ang 200. I-store ang event at i-acknowledge ito. Huwag mag-download ng audio o tumawag ng LLM sa loob ng webhook handler. Kapag pumalya ang delivery, nagre-retry ang Meta “immediately, then a few more times with decreasing frequency over the next 7 days” (salin: agad, saka ilang beses pa na pabawas nang pabawas ang dalas sa susunod na 7 araw), at sinasabihan kang hawakan ang deduplication.
Gamitin ang WhatsApp message id bilang idempotency key, para hindi kailanman magbunga ng dalawang reply ang muling naihatid na webhook.
2. Queue
Pinaghihiwalay ng queue ang timing ng delivery ng WhatsApp at ang oras ng processing mo. Hinahayaan ka rin nitong limitahan ang concurrency ayon sa mga inference limit mo. Pinapayagan ng BroadNet pay-as-you-go key ang 30 request kada minuto at 4 nang sabay, kaya maliit na worker pool na may retry sa 429 ang tamang hugis. Tingnan ang errors and retries at paano hawakan ang 429 rate limit.
3. Worker: voice note papuntang text
Para sa voice note, binibigyan ka ng webhook ng audio object na may media id, mime_type gaya ng audio/ogg; codecs=opus, at voice: true para sa mga recording na ginawa sa WhatsApp. Ginagawa ng worker ang GET sa media id para makuha ang download URL, dina-download ang file gamit ang access token mo, saka kino-convert at tina-transcribe ito. WAV o MP3 ang tinatanggap ng endpoint ng BroadNet, kaya mag-convert muna:
import os, subprocess, tempfile
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
def transcribe_voice_note(ogg_bytes: bytes) -> str:
with tempfile.TemporaryDirectory() as d:
src, wav = os.path.join(d, "in.ogg"), os.path.join(d, "in.wav")
open(src, "wb").write(ogg_bytes)
subprocess.run(["ffmpeg", "-y", "-loglevel", "error", "-i", src,
"-ar", "16000", "-ac", "1", wav], check=True)
with open(wav, "rb") as audio:
return client.audio.transcriptions.create(
model="broadnet/cohere-transcribe-arabic",
file=audio,
language="ar", # without it, Arabic can come back in Latin letters
).text
Nawawala ang temporary directory pagkatapos ng call, kaya hindi napupunta sa disk mo ang audio. May batch version para sa mga na-export na chat ang gabay sa WhatsApp voice note, at tinatalakay ng gabay sa Arabic speech-to-text ang mga format at limit. Dapat mas maliit sa 26,214,400 byte (25 MiB) ang mga file; malayong mas maliit doon ang karaniwang voice note.
3b. Worker: paggawa ng draft ng reply
Ituring ang transcript na parang na-type na mensahe, pero sabihin sa model na galing ito sa speech, dahil walang bantas ang mga transcript at puwedeng may recognition error:
SYSTEM = """You are the WhatsApp assistant of a clinic in Dubai.
Customers write or speak in Gulf Arabic, other dialects, MSA, English or Arabizi.
Reply in simple Modern Standard Arabic unless the customer used English.
Keep replies under 60 words. Plain text only: no links, no markdown.
You can: answer opening hours, explain how to book, collect name and preferred time.
If the message is a complaint, medical question or you are unsure, reply that a
staff member will follow up, and set handover=true."""
def draft_reply(history: list[dict], text: str, from_voice: bool) -> str:
note = "(transcribed voice note, may contain errors) " if from_voice else ""
r = client.chat.completions.create(
model="broadnet/qwen3.8-27b",
max_tokens=1500,
messages=[{"role": "system", "content": SYSTEM}, *history[-10:],
{"role": "user", "content": note + text}],
)
return r.choices[0].message.content
Para sa routing, humingi sa model ng structured output (intent, handover, reply) sa halip na free text, at kumilos batay sa mga field; isinusulat ng libreng JSON schema generator ang schema mula sa isang halimbawang reply. Sa mga test ng BroadNet, naintindihan ng Qwen3.8 27B ang Gulf at Egyptian na dialect at sumulat ito ng maayos na Arabic; mas mura kada token ang DeepSeek V4.1 Flash at ito ang model sa mga unlimited plan ng BroadNet. Parehong nagre-reason ang dalawa bago sumagot, kaya mag-iwan ng espasyo sa max_tokens. Malalim na tinatalakay ang paghawak ng dialect sa Gulf, Egyptian at Levantine Arabic sa mga LLM.
4. Sender
Lumalabas ang mga reply sa messages endpoint ng Cloud API para sa phone number id mo. Magpadala ng plain text para sa mga pakikipag-usap na reply. Lumalabas nang tama ang WhatsApp formatting (bold, list), pero hindi ang mga Markdown table at heading, kaya sabihin sa model na huwag gumawa ng mga ito.
5. Store
I-store ang estado ng usapan (sapat na ang huling sampung turn para sa karamihan ng support bot), ang opt-in status ng customer at isang audit log ng ipinadala ng bot at kung bakit. Huwag mag-store nang higit sa kailangan: madalas may pangalan, address at detalye ng kalusugan ang mga transcript ng voice note.
Aling mga patakaran ng WhatsApp policy ang sakop ng chatbot?
Mahigpit ang WhatsApp sa paggamit ng mga negosyo rito, at pinoprotektahan ng mga patakaran ang number mo gaya ng pagprotekta nito sa mga customer mo. Basahin ang WhatsApp Business Messaging Policy bago mag-launch. Sa praktika:
- Opt-in muna. Pinapayagan ka ng policy na kontakin ang mga tao kung ibinigay lang nila ang number nila at nag-opt in silang makatanggap ng mensahe mula sa iyo sa WhatsApp. Hindi pahintulot sa marketing ang pagsulat sa iyo ng customer.
- Walang hindi hinihinging mensahe. Sabi ng policy: “Do not confuse, deceive, defraud, mislead, spam, or surprise people with your communications.” (salin: Huwag lituhin, linlangin, dayain, iligaw, i-spam o gulatin ang mga tao sa iyong mga mensahe.) Huwag kailanman magpadala ng unang mensahe sa mga taong hindi pa kumokontak sa iyo o hindi nag-opt in.
- Igalang ang 24-hour customer service window. Pinapayagan ang free-form na reply sa loob ng 24 oras mula sa huling mensahe ng customer. Labas doon, mga aprubadong message template lang ang puwede mong ipadala.
- Mag-alok ng tao. Pinapayagan ang mga awtomatikong reply sa loob ng 24-hour window, pero nangangailangan ang policy ng “prompt, clear, and direct escalation paths” (salin: mabilis, malinaw at direktang escalation path) papunta sa isang tao.
- Sundin ang mga opt-out. Ayon sa policy, dapat mong igalang ang bawat request na mag-block, huminto o mag-opt out. Ituring na ganoon ang “stop” o “توقف”.
May isa pang patakaran na amin, hindi sa Meta: panatilihing simple ang mga unang reply sa mga bagong contact. Pinakaligtas ang maikli at plain-text na reply na walang URL. Mukhang spam sa mga user ang mensaheng puno ng link mula sa negosyong hindi nila kilala, at puwede ka nilang i-block at i-report. Magbahagi ng link mamaya, kapag hiningi na ito ng customer.
Magkano ang pagpapatakbo ng Arabic WhatsApp bot?
Sinisingil kada minuto ng audio ang speech-to-text. Gamit ang BroadNet Transcribe Arabic:
| Volume | Gastos |
|---|---|
| Isang minuto ng voice note | $0.0042 |
| Isang oras ng voice note | $0.25 |
| 10,000 voice note na tig-30 segundo | $21.00 |
Sinisingil kada token ang mga LLM reply sa pay-as-you-go: kada 1M token, $0.175 input at $2.17 output ang Qwen3.8 27B, at $0.175 input at $0.52 output ang DeepSeek V4.1 Flash. Ilang libong token ang isang support reply na may sampung turn ng history, kasama na ang reasoning, kaya ilang ikasanlibong bahagi lang ng mga presyo kada 1M sa itaas ang halaga ng isang reply. Ilagay ang dami ng mensahe mo sa libreng LLM API cost calculator para sa buwanang figure. Kung buong araw na tumatakbo ang bot sa DeepSeek V4.1 Flash, ikumpara ito sa $60 na Full Moon plan sa pricing page.
Paano mapapanatiling pribado ang mga voice note?
Ang mga voice note ay ilan sa pinakapersonal na data na hinahawakan ng isang negosyo. Hindi itinatago ng BroadNet Inference ang audio, prompt o transcript pagkatapos ng request (tingnan ang zero data retention), pero ang inference step lang ang sakop niyan. Magpasya kung gaano katagal itatago ng sarili mong queue, log at database ang mga transcript, at burahin ang mga media file pagkatapos ng processing.
Launch checklist
- Na-verify ang webhook signature, naibalik ang 200 bago ang processing.
- Idempotency sa WhatsApp message id.
- Na-convert sa WAV ang mga voice note at na-transcribe na may
language=ar. - Nakaayon sa rate limit mo ang laki ng worker pool, na may backoff sa 429.
- Itinatakda ng system prompt ang dialect, register, haba at “walang link”.
- Nasubukan ang handover path papunta sa tao.
- Naka-record ang opt-in; walang hindi hinihinging padala; template lang labas sa 24-hour window.
- Binubura ang mga transcript ayon sa iskedyul.
Kung kailangan mo lang gawing ticket ang mga voice note sa halip na bot na sumasagot, tinatalakay ng voice notes to text para sa negosyo ang mas simpleng pipeline na iyon.
