---
title: "n8n में WhatsApp वॉइस नोट ट्रांसक्रिप्शन, स्टेप बाय स्टेप"
description: "एक n8n वर्कफ़्लो जो WhatsApp वॉइस नोट लेता है, Meta से डाउनलोड करता है, ffmpeg से बदलता है और अरबी या 13 दूसरी भाषाओं में ट्रांसक्राइब करता है।"
url: https://broadrouter.com/hi/guides/n8n-whatsapp-voice-note-transcription/
lang: hi
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/guides/n8n-whatsapp-voice-note-transcription/) (2026-11-16 को अपडेट किया गया).

# n8n में WhatsApp वॉइस नोट को टेक्स्ट में बदलें

अपडेट किया गया 2026-11-16

आठ n8n नोड इस्तेमाल करें: Messages पर WhatsApp Trigger, ऑडियो छाँटने वाला If नोड, मीडिया URL के लिए WhatsApp का Download ऑपरेशन, .ogg फ़ाइल लाने वाला HTTP Request, उसे सेव करने वाला Read/Write Files नोड, WAV बनाने के लिए Execute Command नोड में ffmpeg, WAV लोड करने वाला दूसरा Read/Write Files नोड, और /v1/audio/transcriptions पर एक HTTP Request। इसके लिए ffmpeg इंस्टॉल वाला सेल्फ़-होस्टेड n8n चाहिए।

यह वर्कफ़्लो n8n के अंदर हर आने वाले WhatsApp वॉइस नोट को टेक्स्ट में बदलता है। यह [WhatsApp वॉइस नोट गाइड की स्क्रिप्ट](https://broadrouter.com/hi/guides/transcribe-whatsapp-voice-notes/) 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:

```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
```

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](https://broadrouter.com/downloads/n8n-whatsapp-voice-note-transcription.json) (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:

```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` 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:

```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
```

`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](https://broadrouter.com/hi/guides/n8n-openai-compatible/) 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_EXCLUDE` सेट 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-files` के अंदर लिखें, या `N8N_RESTRICT_FILE_ACCESS_TO` को 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](https://broadrouter.com/hi/guides/errors-and-retries/) देखें।

सटीकता, बोलियाँ, और BroadNet की कीमत दूसरे speech-to-text API से कैसे तुलना करती है, यह सब [अरबी speech-to-text गाइड](https://broadrouter.com/hi/guides/arabic-speech-to-text-api/) 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](https://broadrouter.com/data/speech-to-text-api-prices/) देखें।

## इस गाइड के शब्द

[टोकन (token)](https://broadrouter.com/hi/glossary/token/)

टोकन टेक्स्ट की वह इकाई है जिसे लैंग्वेज मॉडल पढ़ता और लिखता है: कोई शब्द, शब्द का हिस्सा, विराम चिह्न या बाइट का क्रम, जो मॉडल का टोकनाइज़र बनाता है। LLM API इस्तेमाल को टोकन में गिनते हैं, उसी में लिमिट लगाते हैं और आम तौर पर बिल भी बनाते हैं।

[स्पीच-टू-टेक्स्ट (speech-to-text)](https://broadrouter.com/hi/glossary/speech-to-text/)

स्पीच-टू-टेक्स्ट, जिसे automatic speech recognition (ASR) भी कहते हैं, बोले गए ऑडियो को लिखित टेक्स्ट में बदलने की तकनीक है। speech-to-text API ऑडियो फ़ाइल या स्ट्रीम लेकर ट्रांसक्रिप्ट लौटाता है, आम तौर पर प्रति ऑडियो मिनट की कीमत पर। सटीकता वर्ड एरर रेट से मापी जाती है और लहजे, बोली और रिकॉर्डिंग क्वालिटी के साथ बदलती है।

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

WAV (Waveform Audio File Format, या WAVE) Microsoft और IBM के RIFF फ़ॉर्मैट पर बना एक ऑडियो कंटेनर है। इसमें आम तौर पर बिना कंप्रेशन वाले linear PCM सैंपल होते हैं, इसलिए इसका साइज़ पहले से पता होता है: प्रति सेकंड सैंपल रेट गुणा प्रति सैंपल बाइट गुणा चैनल।

[स्ट्रीमिंग (streaming)](https://broadrouter.com/hi/glossary/streaming/)

स्ट्रीमिंग, लैंग्वेज मॉडल के जवाब को अंत में एक साथ लौटाने के बजाय, बनते समय ही छोटे-छोटे टुकड़ों (chunks) में लौटाने का तरीक़ा है। OpenAI-कम्पैटिबल API, अनुरोध में stream को true सेट करने पर server-sent events से स्ट्रीम करते हैं।

[API key](https://broadrouter.com/hi/glossary/api-key/)

API key एक गुप्त स्ट्रिंग है जो API कॉल करने वाले क्लाइंट को पहचानती और अधिकृत करती है। LLM API आम तौर पर इसे Authorization: Bearer हेडर में चाहते हैं, और जिसके पास भी यह key हो, वह ऐसे अनुरोध कर सकता है जिनका बिल key वाले अकाउंट पर बनता है।

## अक्सर पूछे जाने वाले सवाल

### क्या यह वर्कफ़्लो n8n Cloud पर चलता है?

जैसा लिखा है, वैसा नहीं। n8n के डॉक्स कहते हैं कि Execute Command नोड n8n Cloud पर उपलब्ध नहीं है, और कन्वर्ज़न स्टेप को n8n चलाने वाली मशीन पर ffmpeg चाहिए। n8n Cloud पर ऑडियो को अपनी किसी बाहरी सेवा में बदलें और उसे HTTP Request नोड से कॉल करें।

### WhatsApp की .ogg फ़ाइल सीधे ट्रांसक्रिप्शन एंडपॉइंट पर क्यों नहीं भेज सकते?

WhatsApp वॉइस नोट Ogg कंटेनर में Opus ऑडियो होते हैं। BroadNet का ट्रांसक्रिप्शन एंडपॉइंट WAV और MP3 लेता है, इसलिए वर्कफ़्लो पहले हर नोट को ffmpeg से 16 kHz मोनो WAV में बदलता है।

### WhatsApp का Download ऑपरेशन ऑडियो फ़ाइल क्यों नहीं लौटाता?

n8n के सोर्स कोड में Download ऑपरेशन Meta का GET media एंडपॉइंट कॉल करता है, जो एक अस्थायी URL वाला JSON ऑब्जेक्ट लौटाता है। दूसरा HTTP Request नोड आपके WhatsApp access token के साथ वह URL लाता है। Meta के अनुसार URL 5 मिनट तक मान्य रहता है।

### वर्कफ़्लो पब्लिश करने के बाद मेरे WhatsApp Trigger पर कुछ क्यों नहीं आता?

WhatsApp हर ऐप के लिए एक ही वेबहुक URL रखने देता है, इसलिए n8n के टेस्ट और प्रोडक्शन URL के बीच बदलने से वह ओवरराइट हो जाता है। n8n के डॉक्स यह भी बताते हैं कि n8n आपके Meta ऐप को WhatsApp Business Account से सब्सक्राइब नहीं करता; यह सब्सक्रिप्शन Meta के Subscribed Apps API में जाँचें।

### इस तरह WhatsApp वॉइस नोट ट्रांसक्राइब करने में कितना ख़र्च आता है?

BroadNet हर ऑडियो मिनट का बिल बनाता है: BroadNet Transcribe Arabic पर $0.0042 या BroadNet Transcribe पर $0.002। 30-30 सेकंड के 10,000 अरबी वॉइस नोट का ख़र्च $21.00 है। n8n और Meta के शुल्क अलग हैं।

## संबंधित गाइड

-   [API से WhatsApp वॉइस नोट को टेक्स्ट में बदलें](https://broadrouter.com/hi/guides/transcribe-whatsapp-voice-notes/)
-   [n8n में BroadNet Inference इस्तेमाल करें (OpenAI credential, Base URL)](https://broadrouter.com/hi/guides/n8n-openai-compatible/)
-   [अरबी speech-to-text API, स्टेप बाय स्टेप](https://broadrouter.com/hi/guides/arabic-speech-to-text-api/)
-   [BroadNet Inference के एरर कोड और रीट्राई कब करें](https://broadrouter.com/hi/guides/errors-and-retries/)
-   [BroadNet Inference के साथ काम करने वाले सभी टूल (अंग्रेज़ी में)](https://broadrouter.com/integrations/): SDK, कोडिंग एजेंट, चैट UI और ऑटोमेशन टूल, हर एक की सटीक सेटिंग के साथ

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

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

**स्रोत**

-   [n8n डॉक्स, WhatsApp Trigger नोड (इवेंट, हर ऐप का एक वेबहुक; 2026-11-14 को जाँचा गया)](https://docs.n8n.io/integrations/builtin/trigger-nodes/n8n-nodes-base.whatsapptrigger/)
-   [n8n डॉक्स, WhatsApp Business Cloud नोड (Media ऑपरेशन; 2026-11-14 को जाँचा गया)](https://docs.n8n.io/integrations/builtin/app-nodes/n8n-nodes-base.whatsapp/)
-   [n8n सोर्स कोड, WhatsApp मीडिया ऑपरेशन (Download मीडिया URL लौटाता है; 2026-11-14 को जाँचा गया)](https://github.com/n8n-io/n8n/blob/master/packages/nodes-base/nodes/WhatsApp/MediaDescription.ts)
-   [n8n सोर्स कोड, WhatsApp Trigger का आउटपुट (हर वेबहुक change value का एक आइटम; 2026-11-14 को जाँचा गया)](https://github.com/n8n-io/n8n/blob/master/packages/nodes-base/nodes/WhatsApp/WhatsAppTrigger.node.ts)
-   [n8n डॉक्स, HTTP Request नोड (Form-Data, n8n Binary File, Response Format File; 2026-11-14 को जाँचा गया)](https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.httprequest/)
-   [n8n डॉक्स, Execute Command नोड (सिर्फ़ सेल्फ़-होस्टेड, n8n 2.0 से डिफ़ॉल्ट रूप से बंद, Docker उदाहरण; 2026-11-14 को जाँचा गया)](https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.executecommand/)
-   [n8n डॉक्स, नोड ब्लॉक करना (NODES\_EXCLUDE; 2026-11-14 को जाँचा गया)](https://docs.n8n.io/hosting/securing/blocking-nodes/)
-   [n8n डॉक्स, Read/Write Files from Disk (N8N\_RESTRICT\_FILE\_ACCESS\_TO का डिफ़ॉल्ट; 2026-11-14 को जाँचा गया)](https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.readwritefile/)
-   [Meta WhatsApp Cloud API, मीडिया (डाउनलोड के लिए access token चाहिए; URL 5 मिनट तक मान्य; 2026-11-14 को जाँचा गया)](https://developers.facebook.com/docs/whatsapp/cloud-api/reference/media)
-   [Meta WhatsApp Cloud API, ऑडियो मैसेज (वॉइस नोट Opus वाली OGG फ़ाइल होते हैं; 2026-11-14 को जाँचा गया)](https://developers.facebook.com/documentation/business-messaging/whatsapp/messages/audio-messages)
-   [BroadNet Inference API रेफ़रंस, ट्रांसक्रिप्शन (अंग्रेज़ी में)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-guides-n8n-whatsapp-voice-note-transcription&utm_content=sources#requests)
