Ekspor voice note dari chat (atau terima lewat integrasi WhatsApp Business Anda) dan Anda akan mendapat file .ogg. Dokumentasi Cloud API Meta menyebut pesan suara WhatsApp adalah file .ogg yang dienkode dengan codec Opus. Rekaman ponsel sering berformat .m4a. Endpoint transkripsi BroadNet menerima WAV dan MP3, jadi konversi dulu.
1. Konversi satu file
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
-ar 16000 -ac 1 menghasilkan audio mono 16 kHz, konversi yang dipakai dokumentasi BroadNet untuk voice note dan rekaman ponsel. Perintah yang sama berlaku untuk .m4a. WAV mono 16 kHz 16-bit berukuran 32.000 byte per detik, jadi batas file 26.214.400 byte memuat sekitar 13 menit. Untuk rekaman yang lebih panjang, pemecah audio menghitung berapa potongan yang Anda perlukan dan menuliskan perintah ffmpeg-nya.
2. Transkripsi satu folder sekaligus
import os, pathlib, subprocess
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
for src in sorted(pathlib.Path("voice-notes").glob("*.ogg")):
wav = src.with_suffix(".wav")
subprocess.run(["ffmpeg", "-y", "-loglevel", "error", "-i", str(src), "-ar", "16000", "-ac", "1", str(wav)], check=True)
with open(wav, "rb") as audio:
text = client.audio.transcriptions.create(
model="broadnet/cohere-transcribe-arabic",
file=audio,
language="ar", # use "en", "es", ... with broadnet/cohere-transcribe
).text
src.with_suffix(".txt").write_text(text, encoding="utf-8")
print(src.name, "->", text[:60])
Setiap file .txt tersimpan di samping voice note-nya. Untuk menjalankan langkah yang sama secara otomatis pada setiap pesan WhatsApp Business yang masuk, lihat workflow n8n untuk voice note WhatsApp.
Biaya
Voice note berdurasi satu menit dikenai $0.0042 dalam bahasa Arab atau $0.002 dengan model 14 bahasa. Audio dan transkrip tidak disimpan setelah permintaan selesai; lihat zero data retention.
Pemecahan masalah
-
Huruf Latin, bukan huruf Arab: tambahkan
language="ar". Dokumentasi BroadNet menyarankan agarlanguageselalu dikirim. -
Error 413: file lebih dari 26.214.400 byte (25 MiB). Pecah rekaman panjang menjadi potongan WAV 10 menit:
ffmpeg -i long-note.ogg -ar 16000 -ac 1 -f segment -segment_time 600 part-%03d.wav -
400 atau 422 saat upload: pastikan file benar-benar WAV atau MP3, bukan
.oggyang diganti namanya menjadi.wav. Jalankan konversi ffmpeg. -
ffmpeg: command not found: instal ffmpeg dari package manager Anda (misalnyaapt install ffmpegataubrew install ffmpeg). -
Error 429: kunci bayar sesuai pemakaian mengizinkan 4 permintaan sekaligus; proses file dalam pool kecil. Lihat semua kode error BroadNet.
Detail lebih lanjut tentang model, format, dan akurasi: panduan speech-to-text bahasa Arab. Untuk membandingkan tarif penyedia lain per menit audio, lihat indeks harga API speech-to-text yang terbuka, dengan sumber dan tanggal untuk setiap harga. Untuk latar belakang mengapa 16 kHz sudah cukup untuk ucapan, lihat sample rate.
