BroadRouter

Voice note ke teks untuk bisnis: dari WhatsApp dan Telegram ke tiket

Oleh tim BroadNet Inference · 4 menit baca · Dipublikasikan · Diperbarui

Untuk mengubah voice note pelanggan menjadi tiket, unduh setiap pesan dari WhatsApp Cloud API atau Telegram Bot API begitu webhook tiba, konversi ke WAV, transkripsi dengan kode bahasa yang tepat, lalu minta LLM mengekstrak intent, urgensi, dan nomor pesanan sebagai JSON. Buat tiketnya dengan transkrip terlampir dan balas dalam bentuk teks.

An invoice, a phone showing an audio waveform and the Arabic word "مرحبا", with the text "Speech. Documents. Intelligence."

Di sebagian besar Timur Tengah, pelanggan tidak mengetik. Mereka mengirim voice note 40 detik dalam bahasa Arab Teluk atau Mesir, sering kali dengan nomor pesanan yang dibacakan di tengahnya. Agen lalu mendengarkan, memutar ulang, dan mengetiknya ke helpdesk. Kalikan dengan beberapa ratus per hari, dan voice note menjadi kanal paling lambat yang Anda miliki.

Artikel ini membangun alur kerja bisnis di sekitar transkripsi: mengeluarkan voice note dari WhatsApp dan Telegram, mengubahnya menjadi tiket terstruktur, dan menjaga datanya tetap terkendali. Untuk kode konversi dan transkripsinya sendiri, lihat panduan langkah demi langkah kami untuk mentranskripsi voice note WhatsApp. Kami tidak akan mengulanginya di sini.

Bagaimana voice note menjadi tiket support?

  1. Terima webhook dari WhatsApp atau Telegram.
  2. Unduh audionya segera.
  3. Konversi ke WAV mono 16 kHz.
  4. Transkripsi dengan kode bahasa yang tepat.
  5. Ekstrak field tiket dengan LLM.
  6. Buat tiketnya, beserta transkrip, dan balas dalam bentuk teks.
  7. Hapus file audionya.

Langkah 1 dan 2: bagaimana mengambil audio dari WhatsApp?

Di WhatsApp Business Cloud API, voice note masuk tiba sebagai webhook berisi media ID, bukan file-nya. Dokumentasi media Meta menetapkan aturannya:

  • Panggil GET /<MEDIA_ID> di Graph API untuk mendapatkan url.
  • Unduh URL itu dengan Authorization: Bearer <token>. Tanpa token, permintaannya gagal.
  • “Media URLs expire after 5 minutes.” (Terjemahan BroadRouter: URL media kedaluwarsa setelah 5 menit.) Minta yang baru jika Anda terlambat.
  • Media ID dari webhook masuk berlaku selama 7 hari.
import os, requests

GRAPH = os.environ["GRAPH_BASE"]          # e.g. https://graph.facebook.com/<version>
HDR = {"Authorization": f"Bearer {os.environ['WA_TOKEN']}"}

def download_whatsapp(media_id, path):
    url = requests.get(f"{GRAPH}/{media_id}", headers=HDR, timeout=10).json()["url"]
    with open(path, "wb") as f:
        f.write(requests.get(url, headers=HDR, timeout=30).content)

Lakukan ini di background job milik handler webhook, bukan belakangan dalam batch. Antrean yang berjalan sejam sekali akan menemui URL yang sudah kedaluwarsa.

Bagaimana mengambil voice note dari bot Telegram?

Bot Telegram menerima objek voice berisi file_id. Bot API menyatakan bot “can download files of up to 20MB” (Terjemahan BroadRouter: bisa mengunduh file hingga 20 MB), lewat https://api.telegram.org/file/bot<token>/<file_path>, dan tautannya “valid for at least 1 hour” (Terjemahan BroadRouter: berlaku setidaknya 1 jam).

TG = f"https://api.telegram.org/bot{os.environ['TG_TOKEN']}"

def download_telegram(file_id, path):
    file_path = requests.get(f"{TG}/getFile", params={"file_id": file_id}, timeout=10).json()["result"]["file_path"]
    with open(path, "wb") as f:
        f.write(requests.get(f"https://api.telegram.org/file/bot{os.environ['TG_TOKEN']}/{file_path}", timeout=30).content)

Dalam praktiknya, kedua platform mengirim voice note sebagai Ogg/Opus. Endpoint transkripsi menerima WAV atau MP3, jadi konversi dengan perintah ffmpeg satu baris dari panduan WhatsApp, lalu transkripsi dengan language="ar" (atau bahasa pelanggan).

Langkah 5: bagaimana mengubah transkrip menjadi tiket?

Transkrip mentah masih sulit di-triage. LLM bisa menarik field yang dibutuhkan helpdesk Anda:

import json
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

FIELDS = ("Return JSON with: intent (refund|delivery|billing|technical|other), urgency (low|normal|high), "
          "order_number (string or null), language, summary_en (one sentence), needs_human (true/false).")

def to_ticket(transcript):
    reply = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        response_format={"type": "json_object"},
        messages=[{"role": "system", "content": "You triage customer support voice notes. " + FIELDS},
                  {"role": "user", "content": transcript}],
    ).choices[0].message.content
    return json.loads(reply)

Qwen3.8 27B adalah model yang diuji BroadNet untuk bahasa Arab, termasuk dialek Teluk dan Mesir. Validasi JSON-nya sebelum Anda menulisnya ke helpdesk, dan kembali ke needs_human: true jika parsing gagal; artikel output terstruktur punya loop validasi dan perbaikan. Jika sebuah voice note menyebut nomor kartu atau nomor identitas, lakukan redaksi sebelum langkah ini; lihat mengirim data sensitif ke API LLM.

Kasus tepi apa yang perlu ditangani sejak awal?

Inbox sungguhan lebih berantakan daripada demo. Bersiaplah untuk hal-hal ini sejak minggu pertama:

  • Beberapa voice note berturut-turut. Pelanggan sering mengirim tiga pesan pendek alih-alih satu yang panjang. Kelompokkan pesan dari pengirim yang sama dalam beberapa menit menjadi satu tiket, dan transkripsi sesuai urutannya.
  • Pesan yang sangat pendek. Pesan “Oke” atau “terima kasih” tidak perlu tiket. Lewati ekstraksi jika transkripnya kurang dari beberapa kata.
  • Pesan yang diteruskan. Voice note yang diteruskan bisa jadi berisi orang lain yang berbicara. Perlakukan sebagai lampiran, bukan sebagai ucapan pelanggan sendiri.
  • Bahasa campuran. Pelanggan dari kawasan Teluk mencampurkan nama produk berbahasa Inggris. Jika antrean Anda melayani beberapa bahasa, catat bahasa yang Anda kirim bersama setiap transkrip agar agen tahu apa yang akan dihadapi.
  • File besar. Dokumentasi media Meta mencantumkan batas audio 16 MB dan bot Telegram bisa mengunduh hingga 20 MB, keduanya di bawah batas transkripsi 25 MiB, tetapi rekaman panjang tetap butuh waktu lebih lama. Proses di latar belakang.

Apa yang didapat tim dari alur ini?

Sebelum Sesudah
Agen mendengarkan setiap pesan, sering kali dua kali Agen membaca transkrip dan ringkasan satu baris
Pesan tidak bisa dicari Transkrip bisa dicari berdasarkan nomor pesanan atau kata kunci
Triage oleh siapa pun yang sedang senggang Routing berdasarkan intent dan urgensi
Pesan berbahasa Arab menunggu penutur bahasa Arab Ringkasan bahasa Inggris membuat agen mana pun bisa menangani kasus sederhana

Berapa biaya transkripsi voice note?

Transkripsi adalah bagian murah dari pipeline ini. Dengan $0.0042 per menit, 10.000 voice note berbahasa Arab berdurasi 30 detik seharga $21.00. Model 14 bahasa seharga $0.002 per menit. Langkah LLM dihargai per token; transkrip pendek ditambah instruksinya biasanya hanya beberapa ratus token. Masukkan volume Anda sendiri ke kalkulator biaya speech-to-text, atau bandingkan penyedia lain di perbandingan harga speech-to-text.

Bagaimana menangani privasi dan masa simpan?

Voice note adalah data pribadi, dan sering berisi lebih dari yang ingin dibagikan pelanggan. Tiga kebiasaan ini membantu:

  • Hapus audio setelah transkripsi kecuali ada kebijakan yang mengharuskan Anda menyimpannya.
  • Simpan transkrip bersama tiketnya, di bawah kontrol akses helpdesk, bukan di log aplikasi.
  • Gunakan penyedia yang tidak menyimpan audio. BroadNet tidak menyimpan audio maupun transkrip setelah permintaan selesai; lihat zero data retention.

Balas dengan teks biasa, dan buat balasan pertama ke kontak baru tetap singkat dan tanpa tautan. Platform perpesanan mengawasi pola mirip spam dari nomor bisnis.

Di mana posisi BroadNet Inference?

BroadNet mencakup langkah transkripsi dan ekstraksi dengan satu kunci yang kompatibel dengan OpenAI: BroadNet Transcribe Arabic untuk voice note berbahasa Arab, BroadNet Transcribe untuk bahasa Arab plus 13 bahasa lainnya, dan model chat yang sudah diuji dalam bahasa Arab untuk field tiket. BroadNet melaporkan model Arabnya #2 dari 37 (angka September 2026; papan peringkat langsung mencantumkannya di #4 dari 39 pada 15 November 2026) di Open Universal Arabic ASR Leaderboard. Kredit awal $5 mencakup sekitar 1,190 menit audio berbahasa Arab.

BroadNet tidak menghubungkan WhatsApp, Telegram, atau helpdesk Anda untuk Anda; penanganan webhook dan pembuatan tiket adalah tugas kode Anda atau alat otomasi Anda. Panggilan telepon adalah bentuk masalah yang berbeda, dengan dua pembicara dan rekaman panjang: lihat transkripsi rekaman call center.

Pertanyaan umum

Bisakah voice note WhatsApp ditranskripsi secara otomatis?

Bisa. Dengan WhatsApp Business Cloud API, setiap voice note tiba sebagai webhook berisi media ID. Server Anda mengambil URL media, mengunduh file dengan access token Anda, mengonversinya, lalu mengirimnya ke API transkripsi.

Bagaimana cara mengubah pesan suara Telegram menjadi teks?

Bot Anda menerima objek voice berisi file_id. Panggil getFile, unduh file dari path yang dikembalikan, konversi ke WAV dengan ffmpeg, lalu transkripsi. Bot bisa mengunduh file hingga 20 MB.

Berapa biaya transkripsi voice note pelanggan?

Dengan BroadNet Transcribe Arabic seharga $0.0042 per menit, 10.000 voice note berdurasi 30 detik seharga $21.00. Model 14 bahasa seharga $0.002 per menit.

Apakah voice note sebaiknya dibalas dengan voice note?

Untuk support, balasan teks singkat biasanya lebih baik: pelanggan bisa membacanya di mana saja dan bisa dicari oleh kedua pihak. Buat balasan pertama sederhana dan singkat.

Apakah audio aslinya perlu disimpan?

Sering kali tidak. Transkrip sudah cukup untuk sebagian besar alur kerja support. Jika Anda menyimpan audio untuk alasan kualitas atau hukum, tetapkan masa simpan dan batasi aksesnya, karena suara adalah data pribadi.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity