Workflow ini mengubah setiap voice note WhatsApp yang masuk menjadi teks di dalam n8n. Ini adalah versi n8n dari skrip di panduan voice note WhatsApp: konversi ffmpeg yang sama dan panggilan transkripsi yang sama. Nama node dan opsi di bawah sudah dicocokkan dengan dokumentasi dan source code n8n pada 2026-11-14; tautannya ada di daftar sumber.
Yang Anda butuhkan
- n8n self-hosted. Dokumentasi n8n menyebut node Execute Command tidak tersedia di n8n Cloud dan nonaktif secara default sejak n8n 2.0.
- ffmpeg di host n8n. Dengan Docker, perintahnya berjalan di dalam container n8n, bukan di host Docker, jadi ffmpeg harus ada di image.
- Credential WhatsApp Business Cloud di n8n, yang terhubung ke aplikasi Meta dengan WhatsApp Business Account Anda, serta access token untuk aplikasi itu.
- Kunci API BroadNet. Akun baru mendapat kredit awal $5 tanpa kartu, dan kedua model transkripsi berjalan dengan kredit itu.
Siapkan n8n: ffmpeg, Execute Command, dan folder file
Image Docker resmi n8n tidak punya package manager. Dokumentasi n8n menunjukkan cara mengembalikan apk di image kustom untuk menginstal curl; Dockerfile yang sama dengan ffmpeg sebagai ganti curl memberi Anda ffmpeg:
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
Build dengan docker build -t n8n-ffmpeg . lalu jalankan n8n-ffmpeg sebagai ganti n8nio/n8n. Penggantian dengan ffmpeg adalah perubahan kami pada contoh curl dari n8n, jadi jalankan ffmpeg -version sekali di node Execute Command untuk memastikannya.
Lalu atur dua environment variable:
| Variabel | Nilai | Alasan |
|---|---|---|
NODES_EXCLUDE |
"[]" |
Execute Command diblokir secara default. Daftar kosong membuka blokirnya, sekaligus semua node lain yang diblokir n8n secara default, jadi tambahkan kembali node yang tetap ingin Anda blokir. |
N8N_RESTRICT_FILE_ACCESS_TO |
biarkan kosong | Sejak n8n 2.0 default-nya ~/.n8n-files. Di image resmi, itu adalah /home/node/.n8n-files, folder yang dipakai di bawah. |
Workflow-nya, node demi node
| # | Node | Pengaturan |
|---|---|---|
| 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 }}, header Authorization: Bearer <WhatsApp access token>, Response Format File, Put Output in Field data |
| 5 | Read/Write Files from Disk | Write File to Disk, path /home/node/.n8n-files/{{ $('WhatsApp Trigger').item.json.messages[0].audio.id }}.ogg, Input Binary Field data |
| 6 | Execute Command | perintah ffmpeg di bawah |
| 7 | Read/Write Files from Disk | Read File(s) From Disk, path .wav, Put Output File in Field data |
| 8 | HTTP Request | POST ke endpoint transkripsi, lihat di bawah |
Node 5 sampai 7 ada karena Execute Command menjalankan perintah shell dan tidak menerima data biner n8n, jadi file-nya ditulis ke disk lalu dibaca kembali.
Impor workflow alih-alih membangunnya
Unduh workflow sebagai JSON n8n (8 node, disiapkan untuk bahasa Arab) lalu impor di n8n dengan Import from File. File ini tidak berisi kunci atau token. Setiap node yang butuh login punya credential placeholder yang namanya diawali REPLACE:; buka keempat node itu dan pilih credential Anda sendiri. Nama tipe node dan nama parameter sudah dicocokkan dengan source code n8n pada 2026-11-14; panduan di bawah menjelaskan setiap node, jadi Anda juga bisa membangunnya secara manual.
1–2. Picu pada pesan, teruskan audio saja
Di source code n8n, WhatsApp Trigger menghasilkan satu item per perubahan di webhook Meta, dengan daftar pesan di bawah messages. Teks, gambar, dan voice note semuanya datang lewat event Messages, jadi node If hanya meneruskan item yang pesan pertamanya punya type bernilai audio. Tanda terkirim dan tanda dibaca datang lewat event yang sama tanpa daftar messages; ?? '' mengubah nilai yang hilang itu menjadi string kosong agar pemeriksaan tipe yang ketat tidak gagal.
WhatsApp hanya mengizinkan satu URL webhook terdaftar per aplikasi. Dokumentasi n8n memperingatkan bahwa berpindah antara URL test dan production milik trigger akan menimpanya, sehingga URL yang lain berhenti menerima event.
3–4. Unduh voice note dari Meta
Operasi Download di node WhatsApp memanggil endpoint media Meta dengan media ID dan mengembalikan JSON berisi url, bukan audionya. Dokumentasi Meta menyebut URL itu berlaku 5 menit dan unduhan gagal tanpa access token Anda. Karena itu, node HTTP Request berikutnya mengambil {{ $json.url }} dengan token di header Authorization dan menyimpan respons sebagai file di field data. Di n8n, simpan token di credential Header Auth (name Authorization, value Bearer diikuti token) alih-alih mengetiknya di node.
5–7. Konversi ke WAV dengan ffmpeg
Tulis file ke disk (node 5), lalu konversi di node Execute Command (node 6):
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 menghasilkan WAV mono 16 kHz, konversi yang dipakai dokumentasi BroadNet untuk voice note. Media ID berupa angka, jadi aman dipakai di nama file. Node 7 membaca file .wav kembali ke field data.
8. Transkripsi
Buat credential Header Auth kedua untuk BroadNet (name Authorization, value Bearer diikuti kunci BroadNet Anda). Lalu konfigurasikan node HTTP Request terakhir:
| Field | Nilai |
|---|---|
| Method | POST |
| URL | https://inference.broadnet.ai/v1/audio/transcriptions |
| Authentication | Generic Credential Type, Header Auth, credential BroadNet |
| Send Body | aktif, Body Content Type Form-Data |
Parameter body model |
broadnet/cohere-transcribe-arabic (atau broadnet/cohere-transcribe untuk 13 bahasa lainnya) |
Parameter body language |
ar (atau en, es, …) |
Parameter body file |
Parameter Type n8n Binary File, Input Data Field Name data |
Responsnya berupa JSON dengan transkrip di text, jadi node berikutnya membaca {{ $json.text }}. Permintaan ini sama dengan panggilan curl berikut:
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
Selalu kirim language. Tanpa parameter itu, bahasa Arab bisa kembali dalam bentuk transliterasi huruf Latin.
Apa yang dilakukan dengan teksnya
Simpan ke CRM atau helpdesk Anda, atau teruskan ke chat model untuk meringkas atau mengklasifikasikan pesannya. Panduan n8n kompatibel OpenAI menunjukkan cara mengarahkan node OpenAI Chat Model di n8n ke BroadNet dengan kunci yang sama. Untuk bersih-bersih, tambahkan node Execute Command terakhir yang menghapus kedua file untuk media ID tersebut.
Pemecahan masalah
- Trigger tidak menerima apa pun. Periksa bahwa workflow sudah dipublikasikan di URL production dan aplikasi Meta Anda sudah di-subscribe ke WhatsApp Business Account; dokumentasi n8n menyebut n8n tidak membuat subscription itu.
- Unduhan media mengembalikan 404. URL-nya kedaluwarsa setelah 5 menit. Dokumentasi Meta menyarankan meminta URL media baru, dan memperbarui access token jika itu juga gagal.
- “Unrecognized node type” atau Execute Command tidak ada. Node ini diblokir secara default sejak n8n 2.0; atur
NODES_EXCLUDE. ffmpeg: not found. Image-nya tidak punya ffmpeg; build image kustom di atas.- Akses ke file tidak diizinkan. Tulis di bawah
/home/node/.n8n-files, atau aturN8N_RESTRICT_FILE_ACCESS_TOke folder yang Anda pakai. - 400, 413, atau 429 dari BroadNet. 413 berarti file lebih dari 26.214.400 byte (sekitar 13 menit WAV mono 16 kHz); 429 berarti terlalu banyak permintaan sekaligus. Lihat kode error BroadNet dan percobaan ulang.
Akurasi, dialek, dan perbandingan harga BroadNet dengan API speech-to-text lain dibahas di panduan speech-to-text bahasa Arab. Untuk harga daftar batch dan streaming lebih dari 20 produk speech-to-text, masing-masing dengan sumber dan tanggal pemeriksaannya, lihat indeks harga API speech-to-text yang terbuka.
