---
title: "Transcrire un message vocal WhatsApp (.ogg) par API | BroadRouter"
description: "Convertissez les messages vocaux WhatsApp (.ogg) ou les fichiers .m4a en WAV avec ffmpeg, puis transcrivez-les en arabe ou en 13 autres langues par API."
url: https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/
lang: fr
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/guides/transcribe-whatsapp-voice-notes/) (mis à jour le 2026-11-16).

# Transcrire les messages vocaux WhatsApp en texte avec une API

Mis à jour 2026-11-16

Les messages vocaux WhatsApp sont de l’audio Opus dans des fichiers .ogg, que le point de terminaison de transcription n’accepte pas directement. Convertissez chaque fichier en WAV mono 16 kHz avec ffmpeg, puis envoyez-le à BroadNet Transcribe Arabic ou BroadNet Transcribe avec le bon champ language. Un petit script fait les deux pour tout un dossier.

Exportez les messages vocaux de la conversation (ou recevez-les via votre intégration WhatsApp Business) et vous obtenez des fichiers `.ogg`. Selon la documentation de la Cloud API de Meta, les messages vocaux WhatsApp sont des fichiers `.ogg` encodés avec le codec Opus. Les enregistrements faits au téléphone sont souvent en `.m4a`. Le point de terminaison de transcription de BroadNet accepte le WAV et le MP3 : il faut donc convertir d’abord.

## 1\. Convertir un fichier

```bash
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
```

`-ar 16000 -ac 1` produit un audio mono à 16 kHz, la conversion qu’utilise la documentation de BroadNet pour les messages vocaux et les enregistrements téléphoniques. La même commande fonctionne pour le `.m4a`. Un WAV mono 16 kHz en 16 bits pèse 32 000 octets par seconde : la limite de 26 214 400 octets par fichier correspond donc à environ 13 minutes. Pour des enregistrements plus longs, le [découpeur audio](https://broadrouter.com/tools/audio-splitter-ffmpeg/) calcule le nombre de morceaux nécessaires et écrit les commandes ffmpeg.

## 2\. Transcrire tout un dossier

```python
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])
```

Chaque `.txt` est créé à côté de son message vocal. Pour exécuter automatiquement ces étapes sur chaque message WhatsApp Business entrant, voir le [workflow n8n pour les messages vocaux WhatsApp](https://broadrouter.com/fr/guides/n8n-whatsapp-voice-note-transcription/).

## Coût

Un message vocal d’une minute coûte $0.0042 en arabe, ou $0.002 avec le modèle à 14 langues. L’audio et les transcriptions ne sont pas conservés après la requête ; voir [zéro conservation des données](https://broadrouter.com/fr/privacy/).

## Dépannage

-   **Lettres latines au lieu de l’arabe :** ajoutez `language="ar"`. La documentation de BroadNet recommande de toujours envoyer `language`.
    
-   **Erreur 413 :** le fichier dépasse 26 214 400 octets (25 Mio). Découpez les longs enregistrements en morceaux WAV de 10 minutes :
    
    ```bash
    ffmpeg -i long-note.ogg -ar 16000 -ac 1 -f segment -segment_time 600 part-%03d.wav
    ```
    
-   **400 ou 422 à l’envoi :** vérifiez que le fichier est bien du WAV ou du MP3, et pas un `.ogg` renommé en `.wav`. Lancez la conversion ffmpeg.
    
-   **`ffmpeg: command not found` :** installez ffmpeg avec votre gestionnaire de paquets (par exemple `apt install ffmpeg` ou `brew install ffmpeg`).
    
-   **Erreur 429 :** les clés à l’usage autorisent 4 requêtes simultanées ; traitez les fichiers dans un petit pool. Voir [tous les codes d’erreur de BroadNet](https://broadrouter.com/fr/guides/errors-and-retries/).
    

Plus de détails sur le modèle, les formats et la précision : [le guide du speech-to-text arabe](https://broadrouter.com/fr/guides/arabic-speech-to-text-api/). Pour comparer ce que facturent d’autres fournisseurs par minute d’audio, consultez l’[index ouvert des prix des API de speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/), avec une source et une date pour chaque prix. Pour comprendre pourquoi 16 kHz suffit pour la parole, voir [fréquence d’échantillonnage](https://broadrouter.com/fr/glossary/sample-rate/).

## Termes de ce guide

[WAV](https://broadrouter.com/fr/glossary/wav/)

Le WAV (Waveform Audio File Format, ou WAVE) est un conteneur audio fondé sur le format RIFF de Microsoft et IBM. Il contient en général des échantillons PCM linéaires non compressés, d’où une taille prévisible : fréquence d’échantillonnage fois octets par échantillon fois canaux, par seconde.

[Concurrence (requêtes simultanées)](https://broadrouter.com/fr/glossary/concurrency/)

La concurrence est le nombre de requêtes qu’un client a en cours au même moment. Les API de LLM la plafonnent souvent par clé ou par forfait, indépendamment des requêtes par minute, car chaque requête ouverte occupe de la capacité GPU jusqu’à la fin de sa réponse.

[Speech-to-text (reconnaissance vocale)](https://broadrouter.com/fr/glossary/speech-to-text/)

Le speech-to-text, ou reconnaissance automatique de la parole (ASR), est une technologie qui convertit l’audio parlé en texte écrit. Une API speech-to-text accepte un fichier ou un flux audio et renvoie une transcription, généralement facturée à la minute d’audio. La précision se mesure avec le taux d’erreur de mots et varie selon l’accent, le dialecte et la qualité d’enregistrement.

[Appel d’outils (tool calling, function calling)](https://broadrouter.com/fr/glossary/tool-calling/)

L’appel d’outils, aussi appelé function calling, est une fonctionnalité des API LLM dans laquelle le modèle renvoie une demande structurée d’exécution d’une fonction définie par le développeur, avec des arguments JSON. L’application exécute la fonction et renvoie le résultat ; le modèle n’exécute jamais de code lui-même.

[Fréquence d’échantillonnage (sample rate)](https://broadrouter.com/fr/glossary/sample-rate/)

La fréquence d’échantillonnage (sample rate) est le nombre d’échantillons audio captés par seconde, mesuré en hertz (Hz). Les modèles de reconnaissance vocale attendent souvent un audio mono à 16 000 Hz (16 kHz). Avec la profondeur de bits et le nombre de canaux, elle fixe la taille d’un fichier audio non compressé par minute.

[Ogg Opus](https://broadrouter.com/fr/glossary/ogg-opus/)

L’Ogg Opus est de l’audio encodé avec le codec Opus (RFC 6716) et stocké dans un conteneur Ogg (RFC 7845). Conçu pour la parole et l’audio interactif à faible débit, c’est le format qu’utilise WhatsApp pour les messages vocaux, en général sous forme de fichiers .ogg ou .opus.

[Paiement à l’usage (pay-as-you-go)](https://broadrouter.com/fr/glossary/pay-as-you-go/)

Le paiement à l’usage (pay-as-you-go) est un modèle tarifaire où vous ne payez que ce que vous consommez, mesuré par unité, comme les tokens, les requêtes ou les minutes d’audio, sans abonnement ni engagement minimal. La plupart des API LLM facturent ainsi, à partir d’un solde prépayé ou d’une facture périodique.

## Questions fréquentes

### Quel est le format audio des messages vocaux WhatsApp ?

De l’audio Opus dans un conteneur Ogg, enregistré en .ogg. Selon la documentation de la Cloud API de Meta, les messages vocaux doivent être des fichiers .ogg encodés avec le codec Opus, en mono uniquement.

### Puis-je envoyer le fichier .ogg directement à l’API de transcription ?

Pas à BroadNet Inference. Son point de terminaison de transcription accepte le WAV et le MP3 : convertissez d’abord le message vocal avec ffmpeg. Une seule commande le transforme en WAV mono 16 kHz.

### Les messages vocaux sont-ils conservés après la transcription ?

BroadNet indique que l’audio et les transcriptions sont traités pour la requête et ne sont pas conservés. Seules des données sans contenu, comme les durées, le statut et l’usage, sont gardées pour la facturation et la sécurité.

### Quel modèle utiliser pour des messages vocaux en arabe ?

BroadNet Transcribe Arabic, broadnet/cohere-transcribe-arabic, avec language à ar. Pour les 13 autres langues prises en charge, utilisez BroadNet Transcribe, broadnet/cohere-transcribe.

## Guides associés

-   [Transcrire les messages vocaux WhatsApp dans n8n](https://broadrouter.com/fr/guides/n8n-whatsapp-voice-note-transcription/)
-   [API speech-to-text pour l’arabe, étape par étape](https://broadrouter.com/fr/guides/arabic-speech-to-text-api/)
-   [Codes d’erreur de BroadNet Inference : quand réessayer ?](https://broadrouter.com/fr/guides/errors-and-retries/)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-guides-transcribe-whatsapp-voice-notes&utm_content=page-cta) ·

**Sources**

-   [Référence de l’API de BroadNet Inference, transcription et conversion ffmpeg (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-guides-transcribe-whatsapp-voice-notes&utm_content=sources#requests)
-   [Tarifs de BroadNet Inference (en anglais)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-guides-transcribe-whatsapp-voice-notes&utm_content=sources)
-   [Meta WhatsApp Cloud API, messages audio (les messages vocaux sont en OGG avec le codec Opus ; consulté le 2026-11-14)](https://developers.facebook.com/documentation/business-messaging/whatsapp/messages/audio-messages)
-   [Documentation FFmpeg sur les formats, muxer segment (consulté le 2026-11-14)](https://ffmpeg.org/ffmpeg-formats.html#segment)
