---
title: "Transkripsi voice note WhatsApp (.ogg) dengan API | BroadRouter"
description: "Konversi voice note WhatsApp .ogg atau rekaman ponsel .m4a ke WAV dengan ffmpeg, lalu transkripsikan dalam bahasa Arab atau 13 bahasa lain lewat satu panggilan API."
url: https://broadrouter.com/id/guides/transcribe-whatsapp-voice-notes/
lang: id
updated: 2026-11-16
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/guides/transcribe-whatsapp-voice-notes/) (diperbarui 2026-11-16).

# Transkripsi voice note WhatsApp ke teks dengan API

Diperbarui 2026-11-16

Voice note WhatsApp adalah audio Opus dalam file .ogg, yang tidak diterima langsung oleh endpoint transkripsi. Konversi masing-masing ke WAV mono 16 kHz dengan ffmpeg, lalu kirim ke BroadNet Transcribe Arabic atau BroadNet Transcribe dengan field language yang tepat. Sebuah skrip pendek bisa melakukan keduanya untuk satu folder sekaligus.

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

```bash
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](https://broadrouter.com/tools/audio-splitter-ffmpeg/) menghitung berapa potongan yang Anda perlukan dan menuliskan perintah ffmpeg-nya.

## 2\. Transkripsi satu folder sekaligus

```python
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](https://broadrouter.com/id/guides/n8n-whatsapp-voice-note-transcription/).

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

## Pemecahan masalah

-   **Huruf Latin, bukan huruf Arab:** tambahkan `language="ar"`. Dokumentasi BroadNet menyarankan agar `language` selalu dikirim.
    
-   **Error 413:** file lebih dari 26.214.400 byte (25 MiB). Pecah rekaman panjang menjadi potongan WAV 10 menit:
    
    ```bash
    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 `.ogg` yang diganti namanya menjadi `.wav`. Jalankan konversi ffmpeg.
    
-   **`ffmpeg: command not found`:** instal ffmpeg dari package manager Anda (misalnya `apt install ffmpeg` atau `brew install ffmpeg`).
    
-   **Error 429:** kunci bayar sesuai pemakaian mengizinkan 4 permintaan sekaligus; proses file dalam pool kecil. Lihat [semua kode error BroadNet](https://broadrouter.com/id/guides/errors-and-retries/).
    

Detail lebih lanjut tentang model, format, dan akurasi: [panduan speech-to-text bahasa Arab](https://broadrouter.com/id/guides/arabic-speech-to-text-api/). Untuk membandingkan tarif penyedia lain per menit audio, lihat [indeks harga API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/) yang terbuka, dengan sumber dan tanggal untuk setiap harga. Untuk latar belakang mengapa 16 kHz sudah cukup untuk ucapan, lihat [sample rate](https://broadrouter.com/id/glossary/sample-rate/).

## Istilah dalam panduan 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.

[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.

[Bayar sesuai pemakaian (pay-as-you-go)](https://broadrouter.com/id/glossary/pay-as-you-go/)

Bayar sesuai pemakaian (pay-as-you-go) adalah model harga di mana Anda hanya membayar yang Anda pakai, dihitung per satuan seperti token, permintaan, atau menit audio, tanpa langganan atau komitmen minimum. Sebagian besar API LLM menagih dengan cara ini, dari saldo prabayar atau tagihan berkala.

[Konkurensi (concurrency)](https://broadrouter.com/id/glossary/concurrency/)

Konkurensi (concurrency) adalah jumlah permintaan yang sedang berjalan dari sebuah client pada saat yang sama. API LLM sering membatasinya per kunci atau per paket, terpisah dari batas permintaan per menit, karena setiap permintaan yang terbuka menahan kapasitas GPU sampai responsnya selesai.

[Sample rate (laju sampel)](https://broadrouter.com/id/glossary/sample-rate/)

Sample rate adalah jumlah sampel audio yang diambil per detik, diukur dalam hertz (Hz). Model pengenalan ucapan umumnya mengharapkan audio mono 16.000 Hz (16 kHz). Bersama bit depth dan jumlah kanal, sample rate menentukan ukuran file audio tanpa kompresi per menit.

[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.

[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.

[Rate limit (batas laju)](https://broadrouter.com/id/glossary/rate-limit/)

Rate limit adalah batas yang diterapkan API pada seberapa banyak client boleh memakainya dalam rentang waktu tertentu, misalnya permintaan per menit atau token per menit. Permintaan yang melebihi batas ditolak, biasanya dengan HTTP 429 Too Many Requests, sampai pemakaian kembali di bawah batas.

## Pertanyaan umum

### Voice note WhatsApp itu format audio apa?

Audio Opus dalam kontainer Ogg, disimpan sebagai .ogg. Dokumentasi Cloud API Meta menyebut pesan suara harus berupa file .ogg yang dienkode dengan codec Opus, khusus mono.

### Bisakah file .ogg langsung dikirim ke API transkripsi?

Tidak ke BroadNet Inference. Endpoint transkripsinya menerima WAV dan MP3, jadi konversi dulu voice note dengan ffmpeg. Satu perintah mengubahnya menjadi WAV mono 16 kHz.

### Apakah voice note disimpan setelah ditranskripsi?

BroadNet menyatakan audio dan transkrip diproses untuk permintaan itu dan tidak disimpan. BroadNet hanya menyimpan catatan tanpa konten, seperti waktu, status, dan penggunaan, untuk penagihan dan keamanan.

### Model apa yang sebaiknya dipakai untuk voice note bahasa Arab?

BroadNet Transcribe Arabic, broadnet/cohere-transcribe-arabic, dengan language diatur ke ar. Pakai BroadNet Transcribe, broadnet/cohere-transcribe, untuk 13 bahasa lain yang didukungnya.

## Panduan terkait

-   [Transkripsi voice note WhatsApp di n8n](https://broadrouter.com/id/guides/n8n-whatsapp-voice-note-transcription/)
-   [API speech-to-text bahasa Arab, langkah demi langkah](https://broadrouter.com/id/guides/arabic-speech-to-text-api/)
-   [Kode error BroadNet Inference dan kapan harus mencoba ulang](https://broadrouter.com/id/guides/errors-and-retries/)

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-guides-transcribe-whatsapp-voice-notes&utm_content=page-cta) ·

**Sumber**

-   [Referensi API BroadNet Inference, transkripsi dan konversi ffmpeg (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-guides-transcribe-whatsapp-voice-notes&utm_content=sources#requests)
-   [Harga BroadNet Inference (bahasa Inggris)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-guides-transcribe-whatsapp-voice-notes&utm_content=sources)
-   [Meta WhatsApp Cloud API, pesan audio (pesan suara berupa OGG dengan codec Opus; diperiksa 2026-11-14)](https://developers.facebook.com/documentation/business-messaging/whatsapp/messages/audio-messages)
-   [Dokumentasi format FFmpeg, segment muxer (diperiksa 2026-11-14)](https://ffmpeg.org/ffmpeg-formats.html#segment)
