---
title: "アラビア語 WhatsApp ボットの構成：音声認識と LLM | BroadRouter"
description: "アラビア語 WhatsApp アシスタントの実用的な構成。Webhook、キュー、ボイスメッセージの文字起こし、LLM による返信、ポリシー上のルール、コストを、応用できる Python コード付きで解説します。"
url: https://broadrouter.com/ja/blog/arabic-whatsapp-chatbot-architecture/
lang: ja
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/blog/arabic-whatsapp-chatbot-architecture/)（2026-11-16 更新）。

# アラビア語 WhatsApp チャットボットの構成：ボイスメッセージから返信まで

BroadNet Inference チーム · 約 5 分で読めます · 公開日 2026-11-14 · 更新日 2026-11-16

アラビア語の WhatsApp アシスタントは 5 つの部分で構成されます。WhatsApp Business Platform からメッセージを受け取る Webhook、キュー、ボイスメッセージ用の音声認識、返信を起草する LLM、API で応答する送信部です。ボイスメッセージを変換して BroadNet Transcribe Arabic で文字起こしする費用は、音声 1 分あたり $0.0042 です。

## 要点

-   Webhook にはすぐに応答し、時間のかかる処理（ダウンロード、文字起こし、LLM）はキューから行います。
-   WhatsApp のボイスメッセージは Ogg/Opus 音声で届きます。ffmpeg で 16 kHz モノラルの WAV に変換し、language=ar で文字起こしします。
-   メッセージを送るのはオプトインした人だけにし、カスタマーサービスウィンドウ内で返信します。迷惑メッセージは決して送らないでください。
-   新しい連絡先への最初の返信は、短く、プレーンテキストで、リンクを含めないでください。
-   30 秒のボイスメッセージ 10,000 件を BroadNet Transcribe Arabic で文字起こしする費用は $21.00 です。

**このページの内容**

1.  アラビア語 WhatsApp チャットボットはどんな部分で構成されますか？
2.  チャットボットにはどの WhatsApp ポリシーのルールが適用されますか？
3.  アラビア語 WhatsApp ボットの運用コストは？
4.  ボイスメッセージのプライバシーはどう守りますか？
5.  公開前チェックリスト

アラビア語の WhatsApp チャットボットには 5 つの部分が必要です。公式の WhatsApp Business Platform からメッセージを受け取る Webhook、キュー、ボイスメッセージ用の音声認識、アラビア語で返信を起草する LLM、そして WhatsApp の 24 時間ウィンドウ内で応答する送信部です。アラビア語を話す顧客の多くは、入力するより方言で話すことを好むため、ボイスメッセージは重要です。

BroadRouter は BroadNet が運営しているため、例では BroadNet Inference を使います。OpenAI 互換の音声認識とチャットのプロバイダーであれば、同じ位置に入れられます。

## アラビア語 WhatsApp チャットボットはどんな部分で構成されますか？

```
WhatsApp user
   │  text or voice note
   ▼
WhatsApp Business Platform (Cloud API)
   │  webhook POST
   ▼
1. Webhook receiver ── verify signature, store event, return 200
   │
   ▼
2. Queue (Redis, SQS, a database table)
   │
   ▼
3. Worker
   ├─ voice note? download media → ffmpeg → speech to text
   ├─ build prompt: system rules + recent history + new message
   └─ LLM drafts reply (or hands over to a human)
   │
   ▼
4. Sender ── POST /messages on the Cloud API
   │
   ▼
5. Store ── conversation state, opt-in status, audit log
```

### 1\. Webhook 受信部

WhatsApp Cloud API は、受信メッセージを、登録した Webhook への HTTPS POST リクエストとして配信します。この部分を健全に保つルールは 2 つです。

-   \*\*すべてのリクエストを検証する。\*\*Meta のドキュメントでは、アプリシークレットで JSON ペイロードの HMAC-SHA256 を計算し、`X-Hub-Signature-256` ヘッダーと比較するよう求めています。一致しないものはすべて拒否します。
-   \*\*すぐに 200 を返す。\*\*イベントを保存して受信を確認します。Webhook ハンドラー内で音声をダウンロードしたり LLM を呼び出したりしないでください。配信に失敗すると、Meta は “immediately, then a few more times with decreasing frequency over the next 7 days”（訳：すぐに、その後 7 日間にわたり頻度を下げながら数回）再試行し、重複排除は自分で処理するよう求めています。

WhatsApp のメッセージ ID を[冪等性キー](https://broadrouter.com/ja/glossary/idempotency-key/)として使えば、再配信された Webhook で返信が 2 回送られることはありません。

### 2\. キュー

キューは、WhatsApp の配信タイミングと自社の処理時間を切り離します。推論の制限に合わせて同時実行数を抑えることもできます。BroadNet の従量課金キーでは毎分 30 リクエスト、同時に 4 件まで送れるため、429 で再試行する小さなワーカープールが適した形です。[エラーと再試行](https://broadrouter.com/ja/guides/errors-and-retries/)と [429 レート制限への対処法](https://broadrouter.com/ja/blog/handle-llm-api-429-rate-limits/)を参照してください。

### 3\. ワーカー：ボイスメッセージをテキストに

ボイスメッセージの場合、Webhook からは `audio` オブジェクトが届きます。メディアの `id`、`audio/ogg; codecs=opus` のような `mime_type`、そして WhatsApp で録音されたものには `voice: true` が含まれます。ワーカーはメディア ID に GET してダウンロード URL を取得し、アクセストークンでファイルをダウンロードしてから、変換して文字起こしします。BroadNet のエンドポイントは WAV か MP3 を受け付けるため、先に変換します。

```python
import os, subprocess, tempfile
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

def transcribe_voice_note(ogg_bytes: bytes) -> str:
    with tempfile.TemporaryDirectory() as d:
        src, wav = os.path.join(d, "in.ogg"), os.path.join(d, "in.wav")
        open(src, "wb").write(ogg_bytes)
        subprocess.run(["ffmpeg", "-y", "-loglevel", "error", "-i", src,
                        "-ar", "16000", "-ac", "1", wav], check=True)
        with open(wav, "rb") as audio:
            return client.audio.transcriptions.create(
                model="broadnet/cohere-transcribe-arabic",
                file=audio,
                language="ar",   # without it, Arabic can come back in Latin letters
            ).text
```

一時ディレクトリは呼び出し後に消えるため、音声がディスクに残りません。[WhatsApp ボイスメッセージのガイド](https://broadrouter.com/ja/guides/transcribe-whatsapp-voice-notes/)にはエクスポートしたチャット向けのバッチ版があり、[アラビア語音声認識ガイド](https://broadrouter.com/ja/guides/arabic-speech-to-text-api/)では形式と制限を扱っています。ファイルは 26,214,400 バイト（25 MiB）未満にする必要がありますが、通常のボイスメッセージはそれをはるかに下回ります。

### 3b. ワーカー：返信の起草

書き起こしは入力されたメッセージとまったく同じように扱いますが、音声由来であることをモデルに伝えてください。書き起こしには句読点がなく、認識誤りを含むことがあるためです。

```python
SYSTEM = """You are the WhatsApp assistant of a clinic in Dubai.
Customers write or speak in Gulf Arabic, other dialects, MSA, English or Arabizi.
Reply in simple Modern Standard Arabic unless the customer used English.
Keep replies under 60 words. Plain text only: no links, no markdown.
You can: answer opening hours, explain how to book, collect name and preferred time.
If the message is a complaint, medical question or you are unsure, reply that a
staff member will follow up, and set handover=true."""

def draft_reply(history: list[dict], text: str, from_voice: bool) -> str:
    note = "(transcribed voice note, may contain errors) " if from_voice else ""
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=1500,
        messages=[{"role": "system", "content": SYSTEM}, *history[-10:],
                  {"role": "user", "content": note + text}],
    )
    return r.choices[0].message.content
```

ルーティングには、自由テキストではなく[構造化出力](https://broadrouter.com/ja/glossary/structured-output/)（`intent`、`handover`、`reply`）をモデルに求め、そのフィールドに基づいて処理します。無料の [JSON スキーマジェネレーター](https://broadrouter.com/tools/json-schema-generator/)は、返信の例からスキーマを書き出します。BroadNet のテストでは、[Qwen3.8 27B](https://broadrouter.com/ja/models/qwen3.8-27b/) が湾岸方言とエジプト方言を理解し、流暢なアラビア語を書きました。[DeepSeek V4.1 Flash](https://broadrouter.com/ja/models/deepseek-v4.1-flash/) はトークン単価が安く、BroadNet の無制限プランで使われるモデルです。どちらも回答の前に推論するため、`max_tokens` に余裕を持たせてください。方言の扱いは[LLM で扱う湾岸・エジプト・レバントのアラビア語](https://broadrouter.com/ja/blog/arabic-llm-gulf-egyptian-dialects/)で詳しく扱っています。

### 4\. 送信部

返信は、自社の電話番号 ID に対応する Cloud API の messages エンドポイントから送ります。会話の返信はプレーンテキストで送ってください。WhatsApp の書式（太字、リスト）は表示されますが、Markdown の表や見出しは表示されないため、それらを生成しないようモデルに指示してください。

### 5\. ストア

会話の状態（ほとんどのサポートボットでは直近 10 ターンで十分です）、顧客のオプトイン状況、そしてボットが何をなぜ送ったかの監査ログを保存します。必要以上に保存しないでください。ボイスメッセージの書き起こしには、名前、住所、健康情報が含まれることがよくあります。

## チャットボットにはどの WhatsApp ポリシーのルールが適用されますか？

WhatsApp は企業の利用方法に厳しく、そのルールは顧客だけでなく自社の番号も守ります。公開前に [WhatsApp ビジネスメッセージングポリシー](https://whatsappbusiness.com/policy/)を読んでください。実際には次のとおりです。

1.  \*\*まずオプトイン。\*\*ポリシーで連絡が認められているのは、番号を提供し、WhatsApp で連絡を受け取ることにオプトインした人だけです。顧客からメッセージが来たことは、マーケティングへの同意ではありません。
2.  \*\*迷惑メッセージは送らない。\*\*ポリシーには “Do not confuse, deceive, defraud, mislead, spam, or surprise people with your communications.”（訳：コミュニケーションで人を混乱させたり、だましたり、詐取したり、誤解させたり、スパムを送ったり、驚かせたりしないでください）とあります。連絡してきていない人やオプトインしていない人に、最初のメッセージを送ってはいけません。
3.  \*\*24 時間のカスタマーサービスウィンドウを守る。\*\*顧客の最後のメッセージから 24 時間以内なら、自由形式の返信が認められます。それ以外では、承認済みのメッセージテンプレートしか送れません。
4.  \*\*人による対応を用意する。\*\*24 時間ウィンドウ内の自動返信は認められていますが、ポリシーは人への “prompt, clear, and direct escalation paths”（訳：迅速で明確かつ直接的なエスカレーション経路）を求めています。
5.  \*\*オプトアウトを尊重する。\*\*ポリシーでは、ブロック、停止、オプトアウトのすべての要求を尊重する必要があります。「stop」や「توقف」もその 1 つとして扱ってください。

もう 1 つは Meta ではなく私たちのルールです。\*\*新しい連絡先への最初の返信はシンプルに。\*\*URL を含まない短いプレーンテキストの返信が最も安全です。見知らぬ企業からのリンクだらけのメッセージは、ユーザーにはスパムに見え、ブロックや報告をされかねません。リンクは、顧客が求めたときに後で共有してください。

## アラビア語 WhatsApp ボットの運用コストは？

音声認識は音声 1 分単位で課金されます。BroadNet Transcribe Arabic の場合は次のとおりです。

| 量 | 費用 |
| --- | --- |
| ボイスメッセージ 1 分 | $0.0042 |
| ボイスメッセージ 1 時間 | $0.25 |
| 30 秒のボイスメッセージ 10,000 件 | $21.00 |

LLM の返信は従量課金でトークン単位に課金されます。100 万トークンあたり、Qwen3.8 27B は入力 $0.175、出力 $2.17、DeepSeek V4.1 Flash は入力 $0.175、出力 $0.52 です。履歴 10 ターン付きのサポート返信は推論を含めて数千トークンなので、1 件の返信の費用は上記の 100 万トークンあたり料金の 1,000 分の数程度です。月額の目安は、メッセージ量を無料の [LLM API コスト計算ツール](https://broadrouter.com/tools/llm-api-cost-calculator/)に入力して求めてください。ボットが一日中 DeepSeek V4.1 Flash で動くなら、[料金ページ](https://broadrouter.com/ja/pricing/)の $60 の Full Moon プランと比較してください。

## ボイスメッセージのプライバシーはどう守りますか？

ボイスメッセージは、企業が扱うデータの中でも特に個人的なものです。BroadNet Inference はリクエスト後に音声、プロンプト、書き起こしを保持しません（[ゼロデータ保持](https://broadrouter.com/ja/privacy/)を参照）が、それが対象とするのは推論のステップだけです。自社のキュー、ログ、データベースが書き起こしをどれだけ保持するかを決め、処理後はメディアファイルを削除してください。

## 公開前チェックリスト

-   Webhook の署名を検証し、処理の前に 200 を返している。
-   WhatsApp のメッセージ ID で冪等性を確保している。
-   ボイスメッセージを WAV に変換し、`language=ar` で文字起こししている。
-   ワーカープールのサイズがレート制限に合っており、429 でバックオフする。
-   システムプロンプトで方言、文体、長さ、「リンクなし」を指定している。
-   有人対応への引き継ぎ経路をテスト済み。
-   オプトインを記録している。迷惑メッセージは送らない。24 時間ウィンドウ外ではテンプレートのみ。
-   書き起こしを定期的に削除している。

返信するボットではなく、ボイスメッセージをチケットにするだけでよい場合は、[ビジネス向けボイスメッセージの文字起こし](https://broadrouter.com/ja/blog/voice-notes-to-text-for-business/)で、より簡単なパイプラインを紹介しています。

関連する無料ツール（英語）

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[無料ツール（英語）](https://broadrouter.com/tools/)

## この記事の用語

[トークン（token）](https://broadrouter.com/ja/glossary/token/)

トークンとは、言語モデルが読み書きするテキストの単位です。モデルのトークナイザーが作る単語、単語の一部、句読点、バイト列のいずれかにあたります。LLM API は利用量をトークンで数え、上限を設け、通常はトークン単位で課金します。

[指数バックオフ（exponential backoff）](https://broadrouter.com/ja/glossary/exponential-backoff/)

指数バックオフ（exponential backoff）とは、失敗するたびに待ち時間を長くして再試行するリトライ戦略で、通常は上限まで遅延を 2 倍ずつ増やします。各待ち時間にランダムなジッターを加えると、多数のクライアントの再試行が分散し、同時にサーバーへ集中しなくなります。

[レート制限（rate limit）](https://broadrouter.com/ja/glossary/rate-limit/)

レート制限とは、1 分あたりのリクエスト数やトークン数など、一定時間内にクライアントが API を使える量に API 側が設ける上限です。上限を超えたリクエストは、使用量が下回るまで通常 HTTP 429 Too Many Requests で拒否されます。

[冪等キー（idempotency key）](https://broadrouter.com/ja/glossary/idempotency-key/)

冪等キーとは、決済や購入など状態を変えるリクエストにクライアントが付ける一意の値で、通常は UUID などのランダムな ID です。同じキーで同じリクエストが再送されると、サーバーは処理を 2 回実行せず、最初の結果を返します。

[WAV](https://broadrouter.com/ja/glossary/wav/)

WAV（Waveform Audio File Format、WAVE とも）とは、Microsoft と IBM の RIFF 形式をベースにした音声コンテナです。通常は非圧縮のリニア PCM サンプルを格納するため、サイズは予測できます。1 秒あたりのバイト数は、サンプリングレート × サンプルあたりのバイト数 × チャンネル数です。

[ツール呼び出し（Function Calling、tool calling）](https://broadrouter.com/ja/glossary/tool-calling/)

ツール呼び出し（Function Calling とも呼ばれます）とは、開発者が定義した関数の実行を求める構造化されたリクエストを、モデルが JSON の引数付きで返す LLM API の機能です。関数を実行して結果を返すのはアプリケーションで、モデル自身がコードを実行することはありません。

[音声認識（Speech-to-Text）](https://broadrouter.com/ja/glossary/speech-to-text/)

音声認識（Speech-to-Text）とは、話し言葉の音声を文字に変換する技術で、自動音声認識（ASR）とも呼ばれます。API は音声ファイルやストリームから文字起こしを返し、通常は音声 1 分単位で課金されます。精度は単語誤り率で測り、訛り、方言、録音品質で変わります。

[従量課金（pay-as-you-go）](https://broadrouter.com/ja/glossary/pay-as-you-go/)

従量課金とは、使った分だけを支払う料金体系です。トークン、リクエスト、音声の分数などの単位で計測され、サブスクリプションや最低利用額はありません。多くの LLM API はこの方式で、前払いの残高か定期的な請求書から支払います。

## よくある質問

### 一度も連絡してきたことのない顧客にメッセージを送れますか？

相手が自社からの連絡を受け取ることにオプトインしている場合に限り、承認済みのメッセージテンプレートでのみ送れます。迷惑メッセージは WhatsApp のポリシー違反で、番号が制限されることがあります。

### 文字起こしの前にボイスメッセージを変換するのはなぜですか？

WhatsApp のボイスメッセージは Ogg/Opus ファイルで、BroadNet の文字起こしエンドポイントは WAV か MP3 を受け付けます。ffmpeg のコマンド 1 つで 16 kHz モノラルの WAV に変換できます。

### 返信の起草にはどの LLM を使うべきですか？

自社のメッセージでテストしてください。BroadNet は、自社のテストで Qwen3.8 27B が湾岸方言とエジプト方言を理解し、流暢なアラビア語を書いたと報告しています。DeepSeek V4.1 Flash はトークン単価が安く、定額プランでも使えます。

### WhatsApp ボットはテンプレートなしでどのくらいの間返信できますか？

顧客の最後のメッセージから 24 時間のカスタマーサービスウィンドウ内であれば、自由形式の返信を送れます。ウィンドウ外では、WhatsApp ビジネスメッセージングポリシーにより、承認済みのメッセージテンプレートしか送れません。

### WhatsApp チャットボットに有人対応への引き継ぎは必要ですか？

必要です。ポリシーは自動化を認めていますが、チャット内での担当者への転送、電話番号、メール、サポートフォームなど、迅速で明確かつ直接的なエスカレーション経路を求めています。

### BroadNet はボイスメッセージを保持しますか？

保持しません。BroadNet Inference は音声と書き起こしをリクエストのために処理し、保持しません。自社のサーバーと WhatsApp には引き続きコピーが残るため、そちらの保持期間も計画してください。

## 続けて読む

-   [LLM によるアラビア語テキスト分類：感情、意図、振り分け](https://broadrouter.com/ja/blog/arabic-text-classification-llm/)
-   [ビジネス向けボイスメッセージの文字起こし：WhatsApp と Telegram からチケットへ](https://broadrouter.com/ja/blog/voice-notes-to-text-for-business/)
-   [湾岸・エジプト・レバントのアラビア語：LLM は方言をどう扱うか](https://broadrouter.com/ja/blog/arabic-llm-gulf-egyptian-dialects/)
-   [アラビア語のプロンプトエンジニアリング：文体、RTL、数字、混在テキスト](https://broadrouter.com/ja/blog/arabic-prompt-engineering/)
-   [Arabizi と LLM：3 や 7 などの数字を使うラテン文字アラビア語の扱い方](https://broadrouter.com/ja/blog/arabizi-llm-handling/)
-   [LLM API の 429 エラー対処法：バックオフ、ジッター、同時実行制限](https://broadrouter.com/ja/blog/handle-llm-api-429-rate-limits/)
-   [LLM でアラビア語に母音記号を付ける：プロンプト、検証、DER](https://broadrouter.com/ja/blog/arabic-diacritization-llm/)
-   [LLM でアラビア語の文法・スペルを校正する方法](https://broadrouter.com/ja/blog/arabic-grammar-spelling-correction-llm/)
-   [ガイド：WhatsApp のボイスメッセージを API で文字起こしする](https://broadrouter.com/ja/guides/transcribe-whatsapp-voice-notes/)
-   [ガイド：アラビア語の音声認識 API を使う手順](https://broadrouter.com/ja/guides/arabic-speech-to-text-api/)
-   [ガイド：BroadNet Inference のエラーコードとリトライすべき場合](https://broadrouter.com/ja/guides/errors-and-retries/)

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-arabic-whatsapp-chatbot-architecture&utm_content=page-cta) ·

**出典**

-   [Meta、WhatsApp Cloud API：Webhook エンドポイントの作成（X-Hub-Signature-256、7 日間の再試行、2026-11-14 取得）](https://developers.facebook.com/documentation/business-messaging/whatsapp/webhooks/create-webhook-endpoint)
-   [Meta、WhatsApp Cloud API Webhook リファレンス：音声メッセージ（2026-11-14 取得）](https://developers.facebook.com/documentation/business-messaging/whatsapp/webhooks/reference/messages/audio)
-   [WhatsApp Business Messaging Policy（WhatsApp ビジネスメッセージングポリシー、2026-11-14 取得）](https://whatsappbusiness.com/policy/)
-   [BroadNet Inference API リファレンス：文字起こしと ffmpeg による変換（2026-11-14 取得）（英語）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-arabic-whatsapp-chatbot-architecture&utm_content=sources)
-   [BroadNet Inference の機械可読な価格 pricing.json（2026-11-14 取得）（英語）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-arabic-whatsapp-chatbot-architecture&utm_content=sources)
