---
title: "Nota suara kepada teks untuk perniagaan: WhatsApp, Telegram"
description: "Tukar nota suara pelanggan daripada WhatsApp Business dan bot Telegram kepada transkrip dan tiket sokongan: muat turun, transkripsi, ekstrak medan dengan LLM."
url: https://broadrouter.com/ms/blog/voice-notes-to-text-for-business/
lang: ms
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/blog/voice-notes-to-text-for-business/) (dikemas kini 2026-11-16).

# Nota suara ke teks untuk perniagaan: WhatsApp dan Telegram ke tiket

Oleh pasukan BroadNet Inference · 4 minit bacaan · Diterbitkan 2026-11-14 · Dikemas kini 2026-11-16

Untuk menukar nota suara pelanggan kepada tiket, muat turun setiap nota daripada WhatsApp Cloud API atau Telegram Bot API sebaik sahaja webhook tiba, tukar kepada WAV, transkripsi dengan kod bahasa yang betul, kemudian minta LLM mengekstrak niat, tahap kesegeraan dan nombor pesanan sebagai JSON. Cipta tiket dengan transkrip dilampirkan dan balas dalam teks.

## Perkara utama

-   Muat turun dengan cepat: URL media WhatsApp tamat tempoh selepas 5 minit dan ID media webhook selepas 7 hari.
-   Bot Telegram boleh memuat turun fail sehingga 20 MB, melalui pautan yang sah sekurang-kurangnya sejam.
-   Transkripsi ialah langkah yang murah: 10,000 nota suara bahasa Arab berdurasi 30 saat berkos $21.00.
-   LLM menukar nota yang meleret kepada medan tiket: niat, tahap kesegeraan, nombor pesanan, bahasa dan ringkasan satu baris.
-   Simpan transkrip, bukan audio, melainkan anda ada sebab untuk menyimpan suara.

**Dalam halaman ini**

1.  Bagaimanakah nota suara menjadi tiket sokongan?
2.  Langkah 1 dan 2: bagaimanakah mengeluarkan audio daripada WhatsApp?
3.  Bagaimanakah mengeluarkan nota suara daripada bot Telegram?
4.  Langkah 5: bagaimanakah menukar transkrip kepada tiket?
5.  Kes tepi manakah yang patut dikendalikan awal?
6.  Apa yang pasukan dapat daripadanya
7.  Berapakah kos transkripsi nota suara?
8.  Bagaimanakah mengendalikan privasi dan penyimpanan?
9.  Di mana BroadNet Inference sesuai

_[image: An invoice, a phone showing an audio waveform and the Arabic word "مرحبا", with the text "Speech. Documents. Intelligence."]_

Di sebahagian besar Timur Tengah, pelanggan tidak menaip. Mereka menghantar nota suara 40 saat dalam bahasa Arab Teluk atau Mesir, selalunya dengan nombor pesanan dibaca di tengah-tengah. Ejen kemudian mendengar, memutar semula, dan menaipnya ke dalam helpdesk. Darabkan dengan beberapa ratus sehari dan nota suara menjadi saluran paling perlahan yang anda ada.

Catatan ini membina aliran kerja perniagaan di sekitar transkripsi: mengeluarkan nota daripada WhatsApp dan Telegram, menukarnya kepada tiket berstruktur, dan mengawal data. Untuk kod penukaran dan transkripsi itu sendiri, lihat panduan langkah demi langkah kami untuk [mentranskripsi nota suara WhatsApp](https://broadrouter.com/ms/guides/transcribe-whatsapp-voice-notes/). Kami tidak akan mengulanginya di sini.

## Bagaimanakah nota suara menjadi tiket sokongan?

1.  **Terima** webhook daripada WhatsApp atau Telegram.
2.  **Muat turun** audio dengan segera.
3.  **Tukar** kepada WAV mono 16 kHz.
4.  **Transkripsi** dengan kod bahasa yang betul.
5.  **Ekstrak** medan tiket dengan LLM.
6.  **Cipta** tiket, bersama transkrip, dan balas dalam teks.
7.  **Padam** fail audio.

## Langkah 1 dan 2: bagaimanakah mengeluarkan audio daripada WhatsApp?

Pada WhatsApp Business Cloud API, nota suara masuk tiba sebagai webhook dengan ID media, bukan fail itu. [Dokumentasi media](https://developers.facebook.com/documentation/business-messaging/whatsapp/business-phone-numbers/media) Meta menetapkan peraturannya:

-   Panggil `GET /<MEDIA_ID>` pada Graph API untuk mendapatkan `url`.
-   Muat turun URL itu dengan `Authorization: Bearer <token>`. Tanpa token, permintaan gagal.
-   “Media URLs expire after 5 minutes.” (Terjemahan: URL media tamat tempoh selepas 5 minit.) Minta yang baharu jika anda terlambat.
-   ID media daripada webhook masuk sah selama **7 hari**.

```python
import os, requests

GRAPH = os.environ["GRAPH_BASE"]          # e.g. https://graph.facebook.com/<version>
HDR = {"Authorization": f"Bearer {os.environ['WA_TOKEN']}"}

def download_whatsapp(media_id, path):
    url = requests.get(f"{GRAPH}/{media_id}", headers=HDR, timeout=10).json()["url"]
    with open(path, "wb") as f:
        f.write(requests.get(url, headers=HDR, timeout=30).content)
```

Lakukan ini dalam tugas latar belakang pengendali webhook, bukan kemudian dalam kelompok. Baris gilir yang berjalan sejam sekali akan bertemu URL yang telah tamat tempoh.

## Bagaimanakah mengeluarkan nota suara daripada bot Telegram?

Bot Telegram menerima objek `voice` dengan `file_id`. [Bot API](https://core.telegram.org/bots/api#getfile) menyatakan bot “can download files of up to 20MB” (Terjemahan: boleh memuat turun fail sehingga 20MB), melalui `https://api.telegram.org/file/bot<token>/<file_path>`, dan pautan itu “valid for at least 1 hour” (Terjemahan: sah sekurang-kurangnya 1 jam).

```python
TG = f"https://api.telegram.org/bot{os.environ['TG_TOKEN']}"

def download_telegram(file_id, path):
    file_path = requests.get(f"{TG}/getFile", params={"file_id": file_id}, timeout=10).json()["result"]["file_path"]
    with open(path, "wb") as f:
        f.write(requests.get(f"https://api.telegram.org/file/bot{os.environ['TG_TOKEN']}/{file_path}", timeout=30).content)
```

Secara praktiknya, kedua-dua platform menghantar nota suara Ogg/Opus. Endpoint transkripsi menerima WAV atau MP3, jadi tukar dengan arahan ffmpeg satu baris daripada [panduan WhatsApp](https://broadrouter.com/ms/guides/transcribe-whatsapp-voice-notes/), kemudian transkripsi dengan `language="ar"` (atau bahasa pelanggan).

## Langkah 5: bagaimanakah menukar transkrip kepada tiket?

Transkrip mentah masih sukar untuk ditriaj. LLM boleh mengeluarkan medan yang diperlukan helpdesk anda:

```python
import json
from openai import OpenAI

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

FIELDS = ("Return JSON with: intent (refund|delivery|billing|technical|other), urgency (low|normal|high), "
          "order_number (string or null), language, summary_en (one sentence), needs_human (true/false).")

def to_ticket(transcript):
    reply = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        response_format={"type": "json_object"},
        messages=[{"role": "system", "content": "You triage customer support voice notes. " + FIELDS},
                  {"role": "user", "content": transcript}],
    ).choices[0].message.content
    return json.loads(reply)
```

[Qwen3.8 27B](https://broadrouter.com/ms/models/qwen3.8-27b/) ialah model yang diuji BroadNet untuk bahasa Arab, termasuk dialek Teluk dan Mesir. Sahkan JSON sebelum anda menulisnya ke helpdesk, dan kembali kepada `needs_human: true` apabila penghuraian gagal; [catatan output berstruktur](https://broadrouter.com/ms/blog/structured-output-json-schema/) mempunyai gelung sahkan-dan-baiki. Jika nota menyebut nombor kad atau ID, sunting (redact) sebelum langkah ini; lihat [menghantar data sensitif ke API LLM](https://broadrouter.com/ms/blog/llm-api-sensitive-data/).

## Kes tepi manakah yang patut dikendalikan awal?

Peti masuk sebenar lebih bercelaru daripada demo. Rancang untuk perkara ini dari minggu pertama:

-   **Beberapa nota berturut-turut.** Pelanggan sering menghantar tiga nota pendek dan bukannya satu yang panjang. Kumpulkan nota daripada penghantar yang sama dalam tempoh beberapa minit ke dalam satu tiket, dan transkripsikannya mengikut urutan.
-   **Nota yang sangat pendek.** Nota “Okay” atau “thanks” tidak memerlukan tiket. Langkau pengekstrakan apabila transkrip kurang daripada beberapa perkataan.
-   **Nota yang dimajukan.** Nota suara yang dimajukan mungkin suara orang lain. Anggap ia sebagai lampiran, bukan kata-kata pelanggan sendiri.
-   **Bahasa bercampur.** Pelanggan Teluk mencampurkan nama produk bahasa Inggeris. Jika baris gilir anda melayani beberapa bahasa, rekodkan bahasa yang anda hantar bersama setiap transkrip supaya ejen tahu apa yang dijangka.
-   **Fail besar.** Dokumentasi media Meta menyenaraikan had audio 16 MB dan bot Telegram boleh memuat turun sehingga 20 MB, kedua-duanya di bawah had transkripsi 25 MiB, tetapi rakaman panjang masih mengambil masa lebih lama. Proses di latar belakang.

## Apa yang pasukan dapat daripadanya

| Sebelum | Selepas |
| --- | --- |
| Ejen mendengar setiap nota, selalunya dua kali | Ejen membaca transkrip dan ringkasan satu baris |
| Nota tidak boleh dicari | Transkrip boleh dicari mengikut nombor pesanan atau kata kunci |
| Triaj oleh sesiapa yang lapang | Penghalaan mengikut niat dan tahap kesegeraan |
| Nota bahasa Arab menunggu penutur bahasa Arab | Ringkasan bahasa Inggeris membolehkan mana-mana ejen mengendalikan kes mudah |

## Berapakah kos transkripsi nota suara?

Transkripsi ialah bahagian murah dalam saluran paip ini. Pada $0.0042 seminit, 10,000 nota suara bahasa Arab berdurasi 30 saat berkos $21.00. Model 14 bahasa berkos $0.002 seminit. Langkah LLM dikenakan harga setiap token; transkrip pendek ditambah arahan biasanya beberapa ratus token. Masukkan jumlah anda sendiri ke dalam [kalkulator kos speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/), atau bandingkan penyedia lain dalam [perbandingan harga speech-to-text](https://broadrouter.com/ms/blog/speech-to-text-api-pricing-compared/).

## Bagaimanakah mengendalikan privasi dan penyimpanan?

Nota suara ialah data peribadi, dan selalunya mengandungi lebih daripada yang ingin dikongsi pelanggan. Tiga amalan membantu:

-   **Padam audio selepas transkripsi** melainkan dasar mewajibkan anda menyimpannya.
-   **Simpan transkrip bersama tiket**, di bawah kawalan akses helpdesk, bukan dalam log aplikasi.
-   **Gunakan penyedia yang tidak menyimpan audio.** BroadNet tidak menyimpan audio atau transkrip selepas permintaan; lihat [pengekalan data sifar](https://broadrouter.com/ms/privacy/).

Balas dalam teks biasa, dan pastikan balasan pertama kepada kenalan baharu ringkas dan tanpa pautan. Platform pemesejan memantau corak seperti spam daripada nombor perniagaan.

## Di mana BroadNet Inference sesuai

BroadNet meliputi langkah transkripsi dan pengekstrakan dengan satu kunci yang serasi OpenAI: [BroadNet Transcribe Arabic](https://broadrouter.com/ms/models/cohere-transcribe-arabic/) untuk nota bahasa Arab, BroadNet Transcribe untuk bahasa Arab serta 13 bahasa lain, dan model chat yang diuji dalam bahasa Arab untuk medan tiket. BroadNet melaporkan model bahasa Arabnya #2 daripada 37 (angka September 2026; papan kedudukan langsung menyenaraikannya di #4 daripada 39 pada 15 November 2026) di Open Universal Arabic ASR Leaderboard. Kredit permulaan $5 meliputi kira-kira 1,190 minit audio bahasa Arab.

BroadNet tidak menyambung ke WhatsApp, Telegram atau helpdesk anda bagi pihak anda; pengendalian webhook dan penciptaan tiket ialah kod anda atau alat automasi anda. Panggilan telefon ialah masalah yang berbeza bentuknya, dengan dua penutur dan rakaman panjang: lihat [mentranskripsi rakaman pusat panggilan](https://broadrouter.com/ms/blog/transcribe-call-center-recordings/).

Alat percuma untuk topik ini (Bahasa Inggeris)

-   [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.

[Alatan percuma (Bahasa Inggeris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Speech-to-text (pertuturan kepada teks)](https://broadrouter.com/ms/glossary/speech-to-text/)

Speech-to-text, juga dipanggil pengecaman pertuturan automatik (ASR), ialah teknologi yang menukar audio pertuturan kepada teks bertulis. API speech-to-text menerima fail atau strim audio dan memulangkan transkrip, biasanya berharga setiap minit audio. Ketepatan diukur dengan kadar ralat perkataan dan berbeza mengikut loghat, dialek dan kualiti rakaman.

[Baris Arab (tashkeel, Arabic diacritics)](https://broadrouter.com/ms/glossary/arabic-diacritics/)

Baris Arab, atau tashkeel, ialah tanda kecil yang ditulis di atas atau di bawah huruf untuk menunjukkan vokal pendek, konsonan berganda dan ketiadaan vokal. Ia pilihan: kebanyakan teks Arab, termasuk berita, meninggalkannya, jadi pembaca dan perisian meneka vokal daripada konteks.

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

Token ialah unit teks yang dibaca dan ditulis oleh model bahasa: satu perkataan, sebahagian perkataan, tanda baca atau jujukan bait yang dihasilkan oleh tokenizer model itu. API LLM mengira, mengehadkan dan biasanya mengebil penggunaan dalam token.

[Ogg Opus](https://broadrouter.com/ms/glossary/ogg-opus/)

Ogg Opus ialah audio yang dikodkan dengan codec Opus (RFC 6716) dan disimpan dalam bekas Ogg (RFC 7845). Ia dibina untuk pertuturan dan audio interaktif pada kadar bit rendah, dan merupakan format yang digunakan WhatsApp untuk nota suara, biasanya sebagai fail .ogg atau .opus.

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

WAV (Waveform Audio File Format, atau WAVE) ialah bekas audio yang dibina di atas format RIFF Microsoft dan IBM. Ia biasanya memuatkan sampel PCM linear tanpa mampatan, jadi saiznya boleh diramal: kadar sampel darab bait setiap sampel darab bilangan saluran, bagi setiap saat.

[Dialek Arab (dialectal Arabic)](https://broadrouter.com/ms/glossary/dialectal-arabic/)

Dialek Arab ialah bahasa Arab pertuturan harian di sesuatu rantau atau bandar, seperti bahasa Arab Mesir, Teluk, Levant atau Maghribi. Dialek berbeza daripada Bahasa Arab Standard Moden dari segi bunyi, perkataan dan tatabahasa, tiada ejaan standard, dan semakin banyak ditulis dalam talian, menjadikannya lebih sukar bagi model bahasa.

[Output berstruktur (structured output)](https://broadrouter.com/ms/glossary/structured-output/)

Output berstruktur ialah ciri API LLM yang mengehadkan balasan model kepada format yang ditetapkan oleh pembangun, biasanya JSON Schema, supaya kod boleh menghuraikannya dengan boleh dipercayai. Ia lebih ketat daripada JSON mode, yang menjamin JSON yang sah tetapi bukan bentuk tertentu.

[PII (maklumat pengenalan peribadi)](https://broadrouter.com/ms/glossary/pii/)

PII (personally identifiable information) ialah maklumat yang boleh digunakan untuk membezakan atau menjejak identiti seseorang, seperti nama, nombor pengenalan atau rekod biometrik, serta maklumat lain yang dikaitkan atau boleh dikaitkan dengan orang itu. Istilah GDPR yang lebih luas ialah data peribadi. Dalam kerja LLM, penyuntingan PII membuangnya daripada prompt sebelum ia keluar dari sistem anda.

## Soalan lazim

### Bolehkah saya mentranskripsi nota suara WhatsApp secara automatik?

Ya. Dengan WhatsApp Business Cloud API, setiap nota suara tiba sebagai webhook dengan ID media. Pelayan anda mendapatkan URL media, memuat turun fail dengan token akses anda, menukarnya dan menghantarnya ke API transkripsi.

### Bagaimanakah saya menukar mesej suara Telegram kepada teks?

Bot anda menerima objek voice dengan file\_id. Panggil getFile, muat turun fail daripada laluan yang dipulangkan, tukar kepada WAV dengan ffmpeg dan transkripsikannya. Bot boleh memuat turun fail sehingga 20 MB.

### Berapakah kos mentranskripsi nota suara pelanggan?

Dengan BroadNet Transcribe Arabic pada $0.0042 seminit, 10,000 nota berdurasi 30 saat berkos $21.00. Model 14 bahasa berkos $0.002 seminit.

### Patutkah saya membalas nota suara dengan nota suara?

Biasanya balasan teks yang ringkas lebih berkesan untuk sokongan: pelanggan boleh membacanya di mana-mana dan ia boleh dicari di kedua-dua pihak. Pastikan balasan pertama ringkas dan biasa.

### Perlukah saya menyimpan audio asal?

Selalunya tidak. Transkrip sudah mencukupi untuk kebanyakan aliran kerja sokongan. Jika anda menyimpan audio atas sebab kualiti atau undang-undang, tetapkan tempoh penyimpanan dan hadkan akses, kerana suara ialah data peribadi.

## Teruskan membaca

-   [Minit mesyuarat bahasa Arab daripada rakaman: saluran API](https://broadrouter.com/ms/blog/arabic-meeting-minutes-from-recordings/)
-   [API speech-to-text bahasa Arab: cara memilih pada 2026](https://broadrouter.com/ms/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Cara mentranskripsi rakaman pusat panggilan: saluran sedia bahasa Arab](https://broadrouter.com/ms/blog/transcribe-call-center-recordings/)
-   [Harga API speech-to-text dibandingkan: harga seminit pada 2026](https://broadrouter.com/ms/blog/speech-to-text-api-pricing-compared/)
-   [Menghantar data sensitif ke API LLM: sunting, kurangkan, kurangkan log](https://broadrouter.com/ms/blog/llm-api-sensitive-data/)
-   [Rakam audio dalam pelayar dan hantar ke API speech-to-text](https://broadrouter.com/ms/blog/record-browser-audio-transcription-api/)
-   [Tambah baris pada teks Arab dengan LLM: prompt, semakan dan DER](https://broadrouter.com/ms/blog/arabic-diacritization-llm/)
-   [Pembetulan tatabahasa dan ejaan bahasa Arab dengan LLM: panduan](https://broadrouter.com/ms/blog/arabic-grammar-spelling-correction-llm/)
-   [Panduan: Cara tukar nota suara WhatsApp kepada teks dengan API](https://broadrouter.com/ms/guides/transcribe-whatsapp-voice-notes/)
-   [Panduan: API speech-to-text bahasa Arab, langkah demi langkah](https://broadrouter.com/ms/guides/arabic-speech-to-text-api/)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

[Mulakan](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-voice-notes-to-text-for-business&utm_content=page-cta) ·

**Sumber**

-   [Meta WhatsApp Cloud API, media (dapatkan dan muat turun; disemak 2026-11-14)](https://developers.facebook.com/documentation/business-messaging/whatsapp/business-phone-numbers/media)
-   [Telegram Bot API, getFile dan Voice (disemak 2026-11-14)](https://core.telegram.org/bots/api#getfile)
-   [Rujukan API BroadNet Inference, transkripsi (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-voice-notes-to-text-for-business&utm_content=sources)
-   [Harga BroadNet Inference yang boleh dibaca mesin (pricing.json) (Bahasa Inggeris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-voice-notes-to-text-for-business&utm_content=sources)
