Esporta i vocali dalla chat (o ricevili tramite la tua integrazione WhatsApp Business) e avrai dei file .ogg. La documentazione della Cloud API di Meta dice che i messaggi vocali di WhatsApp sono file .ogg codificati con il codec Opus. Le registrazioni del telefono sono spesso .m4a. L’endpoint di trascrizione di BroadNet accetta WAV e MP3, quindi prima devi convertirli.
1. Converti un file
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
-ar 16000 -ac 1 produce audio mono a 16 kHz, la conversione che la documentazione di BroadNet usa per vocali e registrazioni telefoniche. Lo stesso comando funziona per i .m4a. Un WAV mono a 16 kHz e 16 bit occupa 32.000 byte al secondo, quindi il limite di 26.214.400 byte per file corrisponde a circa 13 minuti. Per registrazioni più lunghe, lo splitter audio calcola quanti pezzi ti servono e scrive i comandi ffmpeg.
2. Trascrivi un’intera cartella
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])
Ogni .txt finisce accanto al suo vocale. Per eseguire gli stessi passaggi in automatico su ogni messaggio WhatsApp Business in arrivo, vedi il workflow n8n per i vocali WhatsApp.
Costi
Un vocale di un minuto costa $0.0042 in arabo o $0.002 con il modello a 14 lingue. Audio e trascrizioni non vengono conservati dopo la richiesta; vedi zero data retention.
Risoluzione dei problemi
-
Lettere latine invece dell’arabo: aggiungi
language="ar". La documentazione di BroadNet dice di inviare semprelanguage. -
Errore 413: il file supera i 26.214.400 byte (25 MiB). Dividi le registrazioni lunghe in pezzi WAV da 10 minuti:
ffmpeg -i long-note.ogg -ar 16000 -ac 1 -f segment -segment_time 600 part-%03d.wav -
400 o 422 al caricamento: controlla che il file sia davvero WAV o MP3 e non un
.oggrinominato in.wav. Esegui la conversione con ffmpeg. -
ffmpeg: command not found: installa ffmpeg dal tuo package manager (per esempioapt install ffmpegobrew install ffmpeg). -
Errore 429: le chiavi a consumo consentono 4 richieste in contemporanea; elabora i file con un piccolo pool. Vedi tutti i codici di errore di BroadNet.
Più dettagli su modello, formati e accuratezza: la guida allo speech-to-text in arabo. Per confrontare quanto fanno pagare gli altri provider per minuto di audio, vedi l’indice aperto dei prezzi delle API speech-to-text, con fonte e data per ogni prezzo. Per capire perché 16 kHz bastano per il parlato, vedi frequenza di campionamento.
