यह वर्कफ़्लो n8n के अंदर हर आने वाले WhatsApp वॉइस नोट को टेक्स्ट में बदलता है। यह WhatsApp वॉइस नोट गाइड की स्क्रिप्ट का n8n वाला रूप है: वही ffmpeg कन्वर्ज़न और वही ट्रांसक्रिप्शन कॉल। नीचे के नोड नाम और विकल्प 2026-11-14 को n8n के डॉक्स और सोर्स कोड से मिलाए गए; लिंक सोर्स में हैं।
आपको क्या चाहिए
- सेल्फ़-होस्टेड n8n. n8n के डॉक्स कहते हैं कि Execute Command नोड n8n Cloud पर उपलब्ध नहीं है और n8n 2.0 से डिफ़ॉल्ट रूप से बंद है।
- n8n होस्ट पर ffmpeg. Docker में कमांड n8n कंटेनर के अंदर चलती है, Docker होस्ट पर नहीं, इसलिए ffmpeg इमेज में होना चाहिए।
- n8n में WhatsApp Business Cloud क्रेडेंशियल, जो आपके WhatsApp Business Account वाले Meta ऐप से जुड़ा हो, और उस ऐप का access token।
- BroadNet API key. नए अकाउंट को बिना कार्ड के $5 का शुरुआती क्रेडिट मिलता है, और दोनों ट्रांसक्रिप्शन मॉडल उस पर चलते हैं।
n8n तैयार करें: ffmpeg, Execute Command और फ़ाइल फ़ोल्डर
आधिकारिक n8n Docker इमेज में कोई पैकेज मैनेजर नहीं है। n8n के डॉक्स दिखाते हैं कि curl इंस्टॉल करने के लिए कस्टम इमेज में apk कैसे वापस लाएँ; वही Dockerfile, curl की जगह ffmpeg के साथ, आपको ffmpeg देता है:
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
इसे docker build -t n8n-ffmpeg . से बिल्ड करें और n8nio/n8n की जगह n8n-ffmpeg चलाएँ। ffmpeg वाला बदलाव n8n के curl उदाहरण में हमारा किया हुआ है, इसलिए पुष्टि के लिए एक बार किसी Execute Command नोड में ffmpeg -version चलाएँ।
फिर दो एनवायरनमेंट वेरिएबल सेट करें:
| वेरिएबल | वैल्यू | क्यों |
|---|---|---|
NODES_EXCLUDE |
"[]" |
Execute Command डिफ़ॉल्ट रूप से ब्लॉक है। ख़ाली लिस्ट इसे अनब्लॉक करती है, और साथ ही उन सभी दूसरे नोड को भी जिन्हें n8n डिफ़ॉल्ट रूप से ब्लॉक करता है, इसलिए जिन्हें ब्लॉक रखना है, उन्हें वापस जोड़ें। |
N8N_RESTRICT_FILE_ACCESS_TO |
सेट न करें | n8n 2.0 से इसका डिफ़ॉल्ट ~/.n8n-files है। आधिकारिक इमेज में यह /home/node/.n8n-files है, यानी नीचे इस्तेमाल हुआ फ़ोल्डर। |
वर्कफ़्लो, नोड दर नोड
| # | नोड | सेटिंग |
|---|---|---|
| 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 }}, हेडर Authorization: Bearer <WhatsApp access token>, Response Format File, Put Output in Field data |
| 5 | Read/Write Files from Disk | Write File to Disk, पाथ /home/node/.n8n-files/{{ $('WhatsApp Trigger').item.json.messages[0].audio.id }}.ogg, Input Binary Field data |
| 6 | Execute Command | नीचे दी गई ffmpeg कमांड |
| 7 | Read/Write Files from Disk | Read File(s) From Disk, .wav पाथ, Put Output File in Field data |
| 8 | HTTP Request | ट्रांसक्रिप्शन एंडपॉइंट पर POST, नीचे देखें |
नोड 5 से 7 इसलिए हैं क्योंकि Execute Command एक शेल कमांड चलाता है और n8n का बाइनरी डेटा नहीं लेता, इसलिए फ़ाइल डिस्क पर जाती है और वापस आती है।
वर्कफ़्लो बनाने की जगह इम्पोर्ट करें
वर्कफ़्लो को n8n JSON के रूप में डाउनलोड करें (8 नोड, अरबी के लिए सेट) और n8n में Import from File से इम्पोर्ट करें। इसमें कोई key या token नहीं है। लॉगिन चाहने वाले हर नोड में एक प्लेसहोल्डर क्रेडेंशियल है, जिसका नाम REPLACE: से शुरू होता है; उन चार नोड को खोलें और अपने क्रेडेंशियल चुनें। नोड टाइप के नाम और पैरामीटर के नाम 2026-11-14 को n8n के सोर्स कोड से मिलाए गए; नीचे की गाइड हर नोड समझाती है, इसलिए आप इसे हाथ से भी बना सकते हैं।
1–2. मैसेज पर ट्रिगर, सिर्फ़ ऑडियो रखें
n8n के सोर्स कोड में WhatsApp Trigger, Meta के वेबहुक के हर change पर एक आइटम देता है, जिसमें मैसेज की लिस्ट messages के नीचे होती है। टेक्स्ट, इमेज और वॉइस नोट, सब Messages इवेंट पर आते हैं, इसलिए If नोड सिर्फ़ वे आइटम आगे भेजता है जिनके पहले मैसेज का type audio हो। डिलीवरी और रीड रसीदें भी इसी इवेंट पर आती हैं, लेकिन उनमें messages लिस्ट नहीं होती; ?? '' उस ग़ायब वैल्यू को ख़ाली स्ट्रिंग बना देता है, ताकि सख़्त टाइप जाँच उन पर फ़ेल न हो।
WhatsApp हर ऐप के लिए एक ही रजिस्टर्ड वेबहुक URL रखने देता है। n8n के डॉक्स चेतावनी देते हैं कि ट्रिगर के टेस्ट और प्रोडक्शन URL के बीच बदलने से वह ओवरराइट हो जाता है, और फिर दूसरे URL पर इवेंट आने बंद हो जाते हैं।
3–4. Meta से वॉइस नोट डाउनलोड करें
WhatsApp नोड का Download ऑपरेशन मीडिया ID के साथ Meta का मीडिया एंडपॉइंट कॉल करता है और url वाला JSON लौटाता है, ऑडियो नहीं। Meta के डॉक्स कहते हैं कि वह URL 5 मिनट तक मान्य रहता है और आपके access token के बिना डाउनलोड फ़ेल होता है। इसलिए अगला HTTP Request नोड Authorization हेडर में token के साथ {{ $json.url }} लाता है और जवाब को data फ़ील्ड में फ़ाइल के रूप में सेव करता है। n8n में token को नोड में टाइप करने की जगह एक Header Auth क्रेडेंशियल में रखें (नाम Authorization, वैल्यू Bearer और उसके बाद token)।
5–7. ffmpeg से WAV में बदलें
फ़ाइल को डिस्क पर लिखें (नोड 5), फिर Execute Command नोड (नोड 6) में बदलें:
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 से 16 kHz मोनो WAV बनता है, वही कन्वर्ज़न जो BroadNet के डॉक्स वॉइस नोट के लिए इस्तेमाल करते हैं। मीडिया ID एक संख्या है, इसलिए फ़ाइल नाम में इसे इस्तेमाल करना सुरक्षित है। नोड 7 .wav फ़ाइल को वापस data फ़ील्ड में पढ़ता है।
8. ट्रांसक्राइब करें
BroadNet के लिए दूसरा Header Auth क्रेडेंशियल बनाएँ (नाम Authorization, वैल्यू Bearer और उसके बाद आपकी BroadNet key)। फिर आख़िरी HTTP Request नोड सेट करें:
| फ़ील्ड | वैल्यू |
|---|---|
| Method | POST |
| URL | https://inference.broadnet.ai/v1/audio/transcriptions |
| Authentication | Generic Credential Type, Header Auth, BroadNet वाला क्रेडेंशियल |
| Send Body | चालू, Body Content Type Form-Data |
Body पैरामीटर model |
broadnet/cohere-transcribe-arabic (या बाक़ी 13 भाषाओं के लिए broadnet/cohere-transcribe) |
Body पैरामीटर language |
ar (या en, es, …) |
Body पैरामीटर file |
Parameter Type n8n Binary File, Input Data Field Name data |
जवाब JSON होता है, जिसमें ट्रांसक्रिप्ट text में होता है, इसलिए आगे के नोड {{ $json.text }} पढ़ते हैं। यह वही अनुरोध है जो यह curl कॉल भेजती है:
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
language हमेशा भेजें। इसके बिना अरबी टेक्स्ट लैटिन अक्षरों में लिप्यंतरित होकर आ सकता है।
टेक्स्ट का क्या करें
इसे अपने CRM या हेल्पडेस्क में सेव करें, या मैसेज का सारांश बनाने या उसे वर्गीकृत करने के लिए किसी चैट मॉडल को दें। n8n OpenAI-compatible गाइड दिखाती है कि उसी key से n8n के OpenAI Chat Model नोड को BroadNet पर कैसे लाएँ। सफ़ाई के लिए आख़िर में एक Execute Command नोड जोड़ें, जो उस मीडिया ID की दोनों फ़ाइलें डिलीट करे।
समस्या का समाधान
- ट्रिगर पर कुछ नहीं आता. जाँचें कि वर्कफ़्लो प्रोडक्शन URL पर पब्लिश है और आपका Meta ऐप WhatsApp Business Account से सब्सक्राइब है; n8n के डॉक्स कहते हैं कि n8n यह सब्सक्रिप्शन नहीं बनाता।
- मीडिया डाउनलोड 404 लौटाता है. URL 5 मिनट बाद एक्सपायर हो गया। Meta के डॉक्स नया मीडिया URL माँगने को कहते हैं, और अगर वह भी फ़ेल हो, तो access token रिन्यू करने को।
- “Unrecognized node type” या Execute Command ग़ायब है. n8n 2.0 से यह डिफ़ॉल्ट रूप से ब्लॉक है;
NODES_EXCLUDEसेट करें। ffmpeg: not found. इमेज में ffmpeg नहीं है; ऊपर वाली कस्टम इमेज बिल्ड करें।- Access to the file is not allowed.
/home/node/.n8n-filesके अंदर लिखें, याN8N_RESTRICT_FILE_ACCESS_TOको अपने इस्तेमाल वाले फ़ोल्डर पर सेट करें। - BroadNet से 400, 413 या 429. 413 का मतलब है फ़ाइल 26,214,400 बाइट से बड़ी है (16 kHz मोनो WAV में लगभग 13 मिनट); 429 का मतलब है एक साथ बहुत ज़्यादा अनुरोध। BroadNet एरर कोड और रीट्राई देखें।
सटीकता, बोलियाँ, और BroadNet की कीमत दूसरे speech-to-text API से कैसे तुलना करती है, यह सब अरबी speech-to-text गाइड में है। 20 से ज़्यादा speech-to-text प्रोडक्ट की बैच और स्ट्रीमिंग लिस्ट कीमतों के लिए, हर एक के सोर्स और जाँच की तारीख़ के साथ, खुला speech-to-text API प्राइस इंडेक्स देखें।
