---
title: "n8n: workflow per trascrivere i vocali WhatsApp, passo passo"
description: "Un workflow n8n che riceve un vocale WhatsApp, lo scarica da Meta, lo converte con ffmpeg e lo trascrive in arabo o in altre 13 lingue."
url: https://broadrouter.com/it/guides/n8n-whatsapp-voice-note-transcription/
lang: it
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/guides/n8n-whatsapp-voice-note-transcription/) (aggiornato il 2026-11-16).

# Trascrivere i vocali WhatsApp in n8n

Aggiornato 2026-11-16

Usa otto nodi n8n: un WhatsApp Trigger su Messages, un nodo If che tiene solo l’audio, l’operazione Download di WhatsApp per l’URL del media, un HTTP Request che scarica il file .ogg, un nodo Read/Write Files che lo salva, ffmpeg in un nodo Execute Command per ottenere un WAV, un secondo nodo Read/Write Files che carica il WAV e un HTTP Request verso /v1/audio/transcriptions. Serve n8n self-hosted con ffmpeg installato.

Questo workflow trasforma in testo, dentro n8n, ogni vocale WhatsApp in arrivo. È la versione n8n dello [script della guida ai vocali WhatsApp](https://broadrouter.com/it/guides/transcribe-whatsapp-voice-notes/): stessa conversione con ffmpeg e stessa chiamata di trascrizione. I nomi dei nodi e le opzioni qui sotto sono stati verificati sulla documentazione e sul codice sorgente di n8n il 2026-11-14; i link sono nelle fonti.

## Cosa ti serve

-   **n8n self-hosted.** La documentazione di n8n dice che il nodo Execute Command non è disponibile su n8n Cloud ed è disattivato per default da n8n 2.0.
-   **ffmpeg sull’host di n8n.** Con Docker il comando gira dentro il container di n8n, non sull’host Docker, quindi ffmpeg deve essere nell’immagine.
-   **Una credenziale WhatsApp Business Cloud in n8n**, collegata a un’app Meta con il tuo WhatsApp Business Account, e l’access token di quell’app.
-   **Una chiave API BroadNet.** I nuovi account ricevono $5 di credito iniziale senza carta, e entrambi i modelli di trascrizione funzionano con quel credito.

## Preparare n8n: ffmpeg, Execute Command e una cartella per i file

L’immagine Docker ufficiale di n8n non ha un package manager. La documentazione di n8n mostra come ripristinare `apk` in un’immagine personalizzata per installare curl; lo stesso Dockerfile con `ffmpeg` al posto di `curl` ti dà ffmpeg:

```dockerfile
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
```

Costruiscila con `docker build -t n8n-ffmpeg .` ed esegui `n8n-ffmpeg` al posto di `n8nio/n8n`. Lo scambio con `ffmpeg` è una nostra modifica all’esempio con curl di n8n, quindi esegui una volta `ffmpeg -version` in un nodo Execute Command per verificarlo.

Poi imposta due variabili d’ambiente:

| Variabile | Valore | Perché |
| --- | --- | --- |
| `NODES_EXCLUDE` | `"[]"` | Execute Command è bloccato per default. Una lista vuota lo sblocca, insieme a tutti gli altri nodi che n8n blocca per default, quindi rimetti in lista quelli che vuoi tenere bloccati. |
| `N8N_RESTRICT_FILE_ACCESS_TO` | lasciala non impostata | Da n8n 2.0 il default è `~/.n8n-files`. Nell’immagine ufficiale corrisponde a `/home/node/.n8n-files`, la cartella usata qui sotto. |

## Il workflow, nodo per nodo

| # | Nodo | Impostazione |
| --- | --- | --- |
| 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**, percorso `/home/node/.n8n-files/{{ $('WhatsApp Trigger').item.json.messages[0].audio.id }}.ogg`, Input Binary Field `data` |
| 6 | Execute Command | il comando ffmpeg qui sotto |
| 7 | Read/Write Files from Disk | **Read File(s) From Disk**, il percorso del `.wav`, Put Output File in Field `data` |
| 8 | HTTP Request | POST all’endpoint di trascrizione, qui sotto |

I nodi da 5 a 7 esistono perché Execute Command esegue un comando di shell e non accetta i dati binari di n8n, quindi il file passa dal disco e torna indietro.

### Importare il workflow invece di costruirlo

[Scarica il workflow in JSON per n8n](https://broadrouter.com/downloads/n8n-whatsapp-voice-note-transcription.json) (8 nodi, configurato per l’arabo) e importalo in n8n con **Import from File**. Non contiene chiavi né token. Ogni nodo che richiede un login ha una credenziale segnaposto il cui nome inizia con `REPLACE:`; apri quei quattro nodi e scegli le tue credenziali. I nomi dei tipi di nodo e dei parametri sono stati verificati sul codice sorgente di n8n il 2026-11-14; la guida qui sotto spiega ogni nodo, quindi puoi anche costruirlo a mano.

### 1–2. Trigger sui messaggi, solo audio

Nel codice sorgente di n8n, il WhatsApp Trigger produce un item per ogni change nel webhook di Meta, con l’elenco dei messaggi sotto `messages`. Testi, immagini e vocali arrivano tutti sull’evento **Messages**, quindi il nodo If lascia passare solo gli item il cui primo messaggio ha `type` impostato su `audio`. Le conferme di consegna e di lettura arrivano sullo stesso evento senza un elenco `messages`; il `?? ''` trasforma quel valore mancante in una stringa vuota, così il controllo strict sul tipo non fallisce su di esse.

WhatsApp consente un solo URL di webhook registrato per app. La documentazione di n8n avverte che passare tra l’URL di test e quello di produzione del trigger lo sovrascrive, quindi l’altro URL smette di ricevere eventi.

### 3–4. Scaricare il vocale da Meta

L’operazione **Download** del nodo WhatsApp chiama l’endpoint media di Meta con l’ID del media e restituisce un JSON con un `url`, non l’audio. La documentazione di Meta dice che quell’URL vale 5 minuti e che il download fallisce senza il tuo access token. Per questo il nodo HTTP Request successivo scarica `{{ $json.url }}` con il token in un header `Authorization` e salva la risposta come file nel campo `data`. In n8n conserva il token in una credenziale **Header Auth** (nome `Authorization`, valore `Bearer` seguito dal token) invece di scriverlo nel nodo.

### 5–7. Convertire in WAV con ffmpeg

Scrivi il file su disco (nodo 5), poi convertilo nel nodo Execute Command (nodo 6):

```bash
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` produce un WAV mono a 16 kHz, la conversione che la documentazione di BroadNet usa per i vocali. L’ID del media è un numero, quindi è sicuro usarlo in un nome di file. Il nodo 7 rilegge il file `.wav` nel campo `data`.

### 8\. Trascrivere

Crea una seconda credenziale **Header Auth** per BroadNet (nome `Authorization`, valore `Bearer` seguito dalla tua chiave BroadNet). Poi configura l’ultimo nodo HTTP Request:

| Campo | Valore |
| --- | --- |
| Method | POST |
| URL | `https://inference.broadnet.ai/v1/audio/transcriptions` |
| Authentication | Generic Credential Type, **Header Auth**, la credenziale BroadNet |
| Send Body | attivo, Body Content Type **Form-Data** |
| Parametro del body `model` | `broadnet/cohere-transcribe-arabic` (oppure `broadnet/cohere-transcribe` per le altre 13 lingue) |
| Parametro del body `language` | `ar` (oppure `en`, `es`, …) |
| Parametro del body `file` | Parameter Type **n8n Binary File**, Input Data Field Name `data` |

La risposta è un JSON con la trascrizione in `text`, quindi i nodi successivi leggono `{{ $json.text }}`. È la stessa richiesta di questa chiamata curl:

```bash
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
```

Invia sempre `language`. Senza, l’arabo può tornare traslitterato in lettere latine.

## Cosa fare con il testo

Salvalo nel tuo CRM o nel tuo helpdesk, oppure passalo a un modello di chat per riassumere o classificare il messaggio. La [guida a n8n compatibile con OpenAI](https://broadrouter.com/it/guides/n8n-openai-compatible/) mostra come puntare il nodo OpenAI Chat Model di n8n su BroadNet con la stessa chiave. Per fare pulizia, aggiungi un ultimo nodo Execute Command che cancella i due file di quell’ID del media.

## Risoluzione dei problemi

-   **Il trigger non riceve nulla.** Controlla che il workflow sia pubblicato sull’URL di produzione e che la tua app Meta sia iscritta al WhatsApp Business Account; la documentazione di n8n dice che n8n non crea questa iscrizione.
-   **Il download del media restituisce 404.** L’URL è scaduto dopo 5 minuti. La documentazione di Meta dice di richiedere un nuovo URL del media e, se anche questo fallisce, di rinnovare l’access token.
-   **“Unrecognized node type” o Execute Command manca.** È bloccato per default da n8n 2.0; imposta `NODES_EXCLUDE`.
-   **`ffmpeg: not found`.** L’immagine non ha ffmpeg; costruisci l’immagine personalizzata descritta sopra.
-   **L’accesso al file non è consentito.** Scrivi sotto `/home/node/.n8n-files`, oppure imposta `N8N_RESTRICT_FILE_ACCESS_TO` sulla cartella che usi.
-   **400, 413 o 429 da BroadNet.** 413 significa che il file supera 26.214.400 byte (circa 13 minuti di WAV mono a 16 kHz); 429 significa troppe richieste contemporanee. Vedi [codici di errore e retry di BroadNet](https://broadrouter.com/it/guides/errors-and-retries/).

Accuratezza, dialetti e il confronto tra il prezzo di BroadNet e quello di altre API di speech-to-text sono trattati nella [guida allo speech-to-text in arabo](https://broadrouter.com/it/guides/arabic-speech-to-text-api/). Per i prezzi di listino batch e streaming di oltre 20 prodotti di speech-to-text, ciascuno con la sua fonte e la data di verifica, vedi l’[indice aperto dei prezzi delle API di speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/).

## Termini in questa guida

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

Un token è l’unità di testo che un modello linguistico legge e scrive: una parola, una parte di parola, un segno di punteggiatura o una sequenza di byte prodotta dal tokenizer del modello. Le API LLM contano, limitano e di solito fatturano l’uso in token.

[Speech-to-text (riconoscimento vocale)](https://broadrouter.com/it/glossary/speech-to-text/)

Lo speech-to-text, detto anche riconoscimento automatico del parlato (ASR), è la tecnologia che converte l’audio parlato in testo scritto. Un’API speech-to-text riceve un file o uno stream audio e restituisce una trascrizione, di solito a prezzo per minuto di audio. L’accuratezza si misura con il word error rate e varia con accento, dialetto e qualità della registrazione.

[WAV (file audio WAV)](https://broadrouter.com/it/glossary/wav/)

WAV (Waveform Audio File Format, o WAVE) è un contenitore audio basato sul formato RIFF di Microsoft e IBM. Di solito contiene campioni PCM lineari non compressi, quindi la sua dimensione è prevedibile: frequenza di campionamento per byte per campione per canali, al secondo.

[Streaming](https://broadrouter.com/it/glossary/streaming/)

Lo streaming è un modo di restituire la risposta di un modello linguistico in piccoli pezzi mentre viene ancora generata, invece che in un’unica risposta alla fine. Le API compatibili con OpenAI trasmettono in streaming tramite server-sent event quando la richiesta imposta stream a true.

[Chiave API (API key)](https://broadrouter.com/it/glossary/api-key/)

Una chiave API è una stringa segreta che identifica e autorizza un client che chiama un’API. Le API LLM di solito la vogliono in un header Authorization: Bearer, e chiunque possieda la chiave può fare richieste fatturate all’account a cui appartiene.

## Domande frequenti

### Questo workflow funziona su n8n Cloud?

Non così com’è. La documentazione di n8n dice che il nodo Execute Command non è disponibile su n8n Cloud, e il passaggio di conversione richiede ffmpeg sulla macchina che esegue n8n. Su n8n Cloud converti l’audio in un servizio esterno che controlli tu e chiamalo con un nodo HTTP Request.

### Perché non posso inviare il file .ogg di WhatsApp direttamente all’endpoint di trascrizione?

I vocali WhatsApp sono audio Opus in un contenitore Ogg. L’endpoint di trascrizione di BroadNet accetta WAV e MP3, quindi il workflow converte prima ogni vocale in WAV mono a 16 kHz con ffmpeg.

### Perché l’operazione Download di WhatsApp non restituisce il file audio?

Nel codice sorgente di n8n, l’operazione Download chiama l’endpoint GET media di Meta, che restituisce un oggetto JSON con un URL temporaneo. Un secondo nodo HTTP Request scarica quell’URL con il tuo access token di WhatsApp. Meta dice che l’URL vale 5 minuti.

### Perché il mio WhatsApp Trigger non riceve nulla dopo aver pubblicato il workflow?

WhatsApp consente un solo URL di webhook per app, quindi passare tra l’URL di test e quello di produzione di n8n lo sovrascrive. La documentazione di n8n ricorda anche che n8n non iscrive la tua app Meta al WhatsApp Business Account; controlla l’iscrizione con la Subscribed Apps API di Meta.

### Quanto costa trascrivere i vocali WhatsApp in questo modo?

BroadNet fattura per minuto di audio: $0.0042 con BroadNet Transcribe Arabic o $0.002 con BroadNet Transcribe. 10.000 vocali in arabo da 30 secondi l’uno costano $21.00. I costi di n8n e Meta sono a parte.

## Guide correlate

-   [Trascrivere i vocali WhatsApp in testo con un’API](https://broadrouter.com/it/guides/transcribe-whatsapp-voice-notes/)
-   [Usare BroadNet Inference in n8n (credenziale OpenAI, Base URL)](https://broadrouter.com/it/guides/n8n-openai-compatible/)
-   [API speech-to-text in arabo, passo dopo passo](https://broadrouter.com/it/guides/arabic-speech-to-text-api/)
-   [Codici di errore di BroadNet Inference e quando ritentare](https://broadrouter.com/it/guides/errors-and-retries/)
-   [Tutti gli strumenti che funzionano con BroadNet Inference (in inglese)](https://broadrouter.com/integrations/): SDK, agenti di coding, interfacce di chat e strumenti di automazione, con le impostazioni esatte per ciascuno

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

[Inizia](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-guides-n8n-whatsapp-voice-note-transcription&utm_content=page-cta) ·

**Fonti**

-   [Documentazione di n8n, nodo WhatsApp Trigger (eventi, un webhook per app; verificata il 2026-11-14)](https://docs.n8n.io/integrations/builtin/trigger-nodes/n8n-nodes-base.whatsapptrigger/)
-   [Documentazione di n8n, nodo WhatsApp Business Cloud (operazioni Media; verificata il 2026-11-14)](https://docs.n8n.io/integrations/builtin/app-nodes/n8n-nodes-base.whatsapp/)
-   [Codice sorgente di n8n, operazioni media di WhatsApp (Download restituisce l’URL del media; verificato il 2026-11-14)](https://github.com/n8n-io/n8n/blob/master/packages/nodes-base/nodes/WhatsApp/MediaDescription.ts)
-   [Codice sorgente di n8n, output del WhatsApp Trigger (un item per ogni valore change del webhook; verificato il 2026-11-14)](https://github.com/n8n-io/n8n/blob/master/packages/nodes-base/nodes/WhatsApp/WhatsAppTrigger.node.ts)
-   [Documentazione di n8n, nodo HTTP Request (Form-Data, n8n Binary File, Response Format File; verificata il 2026-11-14)](https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.httprequest/)
-   [Documentazione di n8n, nodo Execute Command (solo self-hosted, disattivato per default da n8n 2.0, esempio Docker; verificata il 2026-11-14)](https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.executecommand/)
-   [Documentazione di n8n, blocco dei nodi (NODES\_EXCLUDE; verificata il 2026-11-14)](https://docs.n8n.io/hosting/securing/blocking-nodes/)
-   [Documentazione di n8n, Read/Write Files from Disk (default di N8N\_RESTRICT\_FILE\_ACCESS\_TO; verificata il 2026-11-14)](https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.readwritefile/)
-   [Meta WhatsApp Cloud API, media (il download richiede l’access token; URL valido 5 minuti; verificato il 2026-11-14)](https://developers.facebook.com/docs/whatsapp/cloud-api/reference/media)
-   [Meta WhatsApp Cloud API, messaggi audio (i vocali sono OGG con Opus; verificato il 2026-11-14)](https://developers.facebook.com/documentation/business-messaging/whatsapp/messages/audio-messages)
-   [Riferimento API di BroadNet Inference, trascrizione (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-guides-n8n-whatsapp-voice-note-transcription&utm_content=sources#requests)
