---
title: "Voice note ke teks untuk bisnis: WhatsApp dan Telegram"
description: "Ubah voice note pelanggan dari WhatsApp Business dan bot Telegram menjadi transkrip dan tiket support: unduh, transkripsi, ekstrak field dengan LLM, lalu routing."
url: https://broadrouter.com/id/blog/voice-notes-to-text-for-business/
lang: id
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/blog/voice-notes-to-text-for-business/) (diperbarui 2026-11-16).

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

Oleh tim BroadNet Inference · 4 menit baca · Dipublikasikan 2026-11-14 · Diperbarui 2026-11-16

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.

## Poin penting

-   Unduh secepatnya: URL media WhatsApp kedaluwarsa setelah 5 menit dan media ID dari webhook setelah 7 hari.
-   Bot Telegram bisa mengunduh file hingga 20 MB, lewat tautan yang berlaku setidaknya satu jam.
-   Transkripsi adalah langkah yang murah: 10.000 voice note berbahasa Arab berdurasi 30 detik seharga $21.00.
-   LLM mengubah voice note yang bertele-tele menjadi field tiket: intent, urgensi, nomor pesanan, bahasa, dan ringkasan satu baris.
-   Simpan transkripnya, bukan audionya, kecuali Anda punya alasan untuk menyimpan suara.

**Di halaman ini**

1.  Bagaimana voice note menjadi tiket support?
2.  Langkah 1 dan 2: bagaimana mengambil audio dari WhatsApp?
3.  Bagaimana mengambil voice note dari bot Telegram?
4.  Langkah 5: bagaimana mengubah transkrip menjadi tiket?
5.  Kasus tepi apa yang perlu ditangani sejak awal?
6.  Apa yang didapat tim dari alur ini?
7.  Berapa biaya transkripsi voice note?
8.  Bagaimana menangani privasi dan masa simpan?
9.  Di mana posisi BroadNet Inference?

_[image: 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](https://broadrouter.com/id/guides/transcribe-whatsapp-voice-notes/). 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](https://developers.facebook.com/documentation/business-messaging/whatsapp/business-phone-numbers/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**.

```python
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](https://core.telegram.org/bots/api#getfile) 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).

```python
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](https://broadrouter.com/id/guides/transcribe-whatsapp-voice-notes/), 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:

```python
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](https://broadrouter.com/id/models/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](https://broadrouter.com/id/blog/structured-output-json-schema/) 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](https://broadrouter.com/id/blog/llm-api-sensitive-data/).

## 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](https://broadrouter.com/tools/speech-to-text-cost-calculator/), atau bandingkan penyedia lain di [perbandingan harga speech-to-text](https://broadrouter.com/id/blog/speech-to-text-api-pricing-compared/).

## 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](https://broadrouter.com/id/privacy/).

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](https://broadrouter.com/id/models/cohere-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](https://broadrouter.com/id/blog/transcribe-call-center-recordings/).

Alat gratis untuk topik ini (bahasa Inggris)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Alat gratis (bahasa Inggris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Speech-to-text (ucapan ke teks)](https://broadrouter.com/id/glossary/speech-to-text/)

Speech-to-text, juga disebut automatic speech recognition (ASR), adalah teknologi yang mengubah audio ucapan menjadi teks tertulis. API speech-to-text menerima file atau stream audio dan mengembalikan transkrip, biasanya dihargai per menit audio. Akurasinya diukur dengan word error rate dan bervariasi menurut aksen, dialek, dan kualitas rekaman.

[Token](https://broadrouter.com/id/glossary/token/)

Token adalah satuan teks yang dibaca dan ditulis model bahasa: sebuah kata, bagian kata, tanda baca, atau urutan byte yang dihasilkan tokenizer model. API LLM menghitung, membatasi, dan biasanya menagih pemakaian dalam token.

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

Ogg Opus adalah audio yang dienkode dengan codec Opus (RFC 6716) dan disimpan dalam container Ogg (RFC 7845). Format ini dirancang untuk ucapan dan audio interaktif pada bitrate rendah, dan dipakai WhatsApp untuk pesan suara, biasanya sebagai file .ogg atau .opus.

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

WAV (Waveform Audio File Format, atau WAVE) adalah container audio yang dibangun di atas format RIFF milik Microsoft dan IBM. Biasanya berisi sampel PCM linear tanpa kompresi, sehingga ukurannya mudah diprediksi: sample rate dikali byte per sampel dikali jumlah kanal, per detik.

[Zero data retention (ZDR)](https://broadrouter.com/id/glossary/zero-data-retention/)

Zero data retention (ZDR) adalah kebijakan penanganan data di mana penyedia AI memproses prompt dan output hanya untuk melayani permintaan dan tidak menyimpan konten itu sesudahnya, baik di log, cache, maupun data pelatihan. Catatan tanpa konten seperti jumlah token dan durasi biasanya tetap disimpan.

[API kompatibel OpenAI](https://broadrouter.com/id/glossary/openai-compatible-api/)

API kompatibel OpenAI adalah API HTTP yang menerima format permintaan dan respons yang sama dengan API OpenAI, seperti POST /v1/chat/completions, sehingga SDK dan tool OpenAI bisa memakainya hanya dengan mengganti base URL, kunci API, dan nama model.

[Dialek bahasa Arab (dialectal Arabic)](https://broadrouter.com/id/glossary/dialectal-arabic/)

Dialek bahasa Arab adalah bahasa Arab lisan sehari-hari di suatu wilayah atau kota, seperti bahasa Arab Mesir, Teluk, Levant, atau Maghribi. Dialek berbeda dari Bahasa Arab Standar Modern dalam bunyi, kosakata, dan tata bahasa, tidak punya ejaan baku, dan makin sering ditulis di internet, sehingga lebih sulit bagi model bahasa.

[Output terstruktur (structured output)](https://broadrouter.com/id/glossary/structured-output/)

Output terstruktur adalah fitur API LLM yang membatasi balasan model pada format yang ditentukan developer, biasanya JSON Schema, agar kode bisa mem-parse-nya dengan andal. Fitur ini lebih ketat daripada JSON mode, yang menjamin JSON valid tetapi tidak menjamin bentuk tertentu.

## 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 juga

-   [Notulen rapat bahasa Arab dari rekaman: pipeline berbasis API](https://broadrouter.com/id/blog/arabic-meeting-minutes-from-recordings/)
-   [API speech-to-text bahasa Arab: cara memilihnya di 2026](https://broadrouter.com/id/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Cara transkripsi rekaman call center: pipeline siap bahasa Arab](https://broadrouter.com/id/blog/transcribe-call-center-recordings/)
-   [Perbandingan harga API speech-to-text: harga per menit di 2026](https://broadrouter.com/id/blog/speech-to-text-api-pricing-compared/)
-   [Mengirim data sensitif ke API LLM: redaksi, minimalkan, kurangi log](https://broadrouter.com/id/blog/llm-api-sensitive-data/)
-   [Merekam audio di browser dan mengirimnya ke API speech-to-text](https://broadrouter.com/id/blog/record-browser-audio-transcription-api/)
-   [Menambahkan harakat ke teks Arab dengan LLM: prompt, cek, DER](https://broadrouter.com/id/blog/arabic-diacritization-llm/)
-   [Koreksi tata bahasa dan ejaan Arab dengan LLM: panduan praktis](https://broadrouter.com/id/blog/arabic-grammar-spelling-correction-llm/)
-   [Panduan: Transkripsi voice note WhatsApp ke teks dengan API](https://broadrouter.com/id/guides/transcribe-whatsapp-voice-notes/)
-   [Panduan: API speech-to-text bahasa Arab, langkah demi langkah](https://broadrouter.com/id/guides/arabic-speech-to-text-api/)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

[Mulai](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-voice-notes-to-text-for-business&utm_content=page-cta) ·

**Sumber**

-   [Meta WhatsApp Cloud API, media (mengambil dan mengunduh; diakses 2026-11-14)](https://developers.facebook.com/documentation/business-messaging/whatsapp/business-phone-numbers/media)
-   [Telegram Bot API, getFile dan Voice (diakses 2026-11-14)](https://core.telegram.org/bots/api#getfile)
-   [Referensi API BroadNet Inference, transkripsi (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-voice-notes-to-text-for-business&utm_content=sources)
-   [Harga BroadNet Inference yang dapat dibaca mesin (pricing.json) (bahasa Inggris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-voice-notes-to-text-for-business&utm_content=sources)
