---
title: "n8n: workflow para transcrever áudios do WhatsApp | BroadRouter"
description: "Um workflow do n8n que recebe um áudio do WhatsApp, baixa o arquivo da Meta, converte com ffmpeg e transcreve em árabe ou em outros 13 idiomas."
url: https://broadrouter.com/pt/guides/n8n-whatsapp-voice-note-transcription/
lang: pt-BR
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/guides/n8n-whatsapp-voice-note-transcription/) (atualizado em 2026-11-16).

# Transcrever áudios do WhatsApp no n8n

Atualizado em 2026-11-16

Use oito nós do n8n: um WhatsApp Trigger em Messages, um nó If que mantém só o áudio, a operação Download do WhatsApp para a URL da mídia, um HTTP Request que baixa o arquivo .ogg, um nó Read/Write Files que o salva, o ffmpeg em um nó Execute Command para gerar WAV, um segundo nó Read/Write Files que carrega o WAV e um HTTP Request para /v1/audio/transcriptions. É preciso n8n self-hosted com ffmpeg instalado.

Este workflow transforma cada áudio recebido no WhatsApp em texto dentro do n8n. É a versão para n8n do [script do guia de áudios do WhatsApp](https://broadrouter.com/pt/guides/transcribe-whatsapp-voice-notes/): a mesma conversão com ffmpeg e a mesma chamada de transcrição. Os nomes de nós e as opções abaixo foram conferidos na documentação e no código-fonte do n8n em 2026-11-14; os links estão nas fontes.

## O que você precisa

-   **n8n self-hosted.** A documentação do n8n diz que o nó Execute Command não está disponível no n8n Cloud e vem desativado por padrão a partir do n8n 2.0.
-   **ffmpeg no host do n8n.** Com Docker, o comando roda dentro do container do n8n, não no host do Docker, então o ffmpeg precisa estar na imagem.
-   **Uma credencial WhatsApp Business Cloud no n8n**, conectada a um app da Meta com a sua WhatsApp Business Account, e o access token desse app.
-   **Uma chave de API da BroadNet.** Contas novas recebem $5 de crédito inicial sem cartão, e os dois modelos de transcrição rodam com ele.

## Prepare o n8n: ffmpeg, Execute Command e uma pasta de arquivos

A imagem Docker oficial do n8n não tem gerenciador de pacotes. A documentação do n8n mostra como restaurar o `apk` em uma imagem personalizada para instalar o curl; o mesmo Dockerfile com `ffmpeg` no lugar de `curl` instala o 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
```

Faça o build com `docker build -t n8n-ffmpeg .` e rode `n8n-ffmpeg` no lugar de `n8nio/n8n`. A troca por `ffmpeg` é uma alteração nossa no exemplo com curl do n8n, então rode `ffmpeg -version` uma vez em um nó Execute Command para confirmar.

Depois defina duas variáveis de ambiente:

| Variável | Valor | Por quê |
| --- | --- | --- |
| `NODES_EXCLUDE` | `"[]"` | O Execute Command vem bloqueado por padrão. Uma lista vazia o desbloqueia, junto com todos os outros nós que o n8n bloqueia por padrão, então adicione de volta os que você quer manter bloqueados. |
| `N8N_RESTRICT_FILE_ACCESS_TO` | deixe sem definir | A partir do n8n 2.0, o padrão é `~/.n8n-files`. Na imagem oficial, isso é `/home/node/.n8n-files`, a pasta usada abaixo. |

## O workflow, nó por nó

| # | Nó | Configuração |
| --- | --- | --- |
| 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**, caminho `/home/node/.n8n-files/{{ $('WhatsApp Trigger').item.json.messages[0].audio.id }}.ogg`, Input Binary Field `data` |
| 6 | Execute Command | o comando ffmpeg abaixo |
| 7 | Read/Write Files from Disk | **Read File(s) From Disk**, o caminho do `.wav`, Put Output File in Field `data` |
| 8 | HTTP Request | POST para o endpoint de transcrição, abaixo |

Os nós 5 a 7 existem porque o Execute Command roda um comando de shell e não recebe dados binários do n8n, então o arquivo vai para o disco e volta.

### Importe o workflow em vez de montá-lo

[Baixe o workflow em JSON do n8n](https://broadrouter.com/downloads/n8n-whatsapp-voice-note-transcription.json) (8 nós, configurado para árabe) e importe no n8n com **Import from File**. Ele não contém chaves nem tokens. Cada nó que precisa de login tem uma credencial provisória cujo nome começa com `REPLACE:`; abra esses quatro nós e escolha as suas credenciais. Os nomes de tipos de nó e de parâmetros foram conferidos no código-fonte do n8n em 2026-11-14; o guia abaixo explica cada nó, então você também pode montá-lo à mão.

### 1–2. Disparar com mensagens, manter só áudio

No código-fonte do n8n, o WhatsApp Trigger gera um item para cada change no webhook da Meta, com a lista de mensagens em `messages`. Textos, imagens e áudios chegam todos no evento **Messages**, então o nó If deixa passar só os itens cuja primeira mensagem tem `type` igual a `audio`. Confirmações de entrega e de leitura chegam no mesmo evento sem a lista `messages`; o `?? ''` transforma esse valor ausente em uma string vazia para que a verificação estrita de tipo não falhe nelas.

O WhatsApp permite uma URL de webhook registrada por app. A documentação do n8n avisa que alternar entre as URLs de teste e de produção do trigger sobrescreve essa URL, e a outra deixa de receber eventos.

### 3–4. Baixe o áudio da Meta

A operação **Download** do nó WhatsApp chama o endpoint de mídia da Meta com o ID da mídia e retorna um JSON com uma `url`, não o áudio. A documentação da Meta diz que essa URL vale por 5 minutos e que o download falha sem o seu access token. Por isso, o nó HTTP Request seguinte baixa `{{ $json.url }}` com o token em um header `Authorization` e salva a resposta como arquivo no campo `data`. No n8n, guarde o token em uma credencial **Header Auth** (nome `Authorization`, valor `Bearer` seguido do token) em vez de digitá-lo no nó.

### 5–7. Converta para WAV com ffmpeg

Grave o arquivo em disco (nó 5) e converta-o no nó Execute Command (nó 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` gera WAV mono de 16 kHz, a conversão que a documentação da BroadNet usa para áudios de voz. O ID da mídia é um número, então é seguro usá-lo em nome de arquivo. O nó 7 lê o arquivo `.wav` de volta para o campo `data`.

### 8\. Transcreva

Crie uma segunda credencial **Header Auth** para a BroadNet (nome `Authorization`, valor `Bearer` seguido da sua chave da BroadNet). Depois configure o último nó HTTP Request:

| Campo | Valor |
| --- | --- |
| Method | POST |
| URL | `https://inference.broadnet.ai/v1/audio/transcriptions` |
| Authentication | Generic Credential Type, **Header Auth**, a credencial da BroadNet |
| Send Body | ativado, Body Content Type **Form-Data** |
| Parâmetro de body `model` | `broadnet/cohere-transcribe-arabic` (ou `broadnet/cohere-transcribe` para os outros 13 idiomas) |
| Parâmetro de body `language` | `ar` (ou `en`, `es`, …) |
| Parâmetro de body `file` | Parameter Type **n8n Binary File**, Input Data Field Name `data` |

A resposta é um JSON com a transcrição em `text`, então os nós seguintes leem `{{ $json.text }}`. É a mesma requisição desta chamada 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
```

Sempre envie `language`. Sem ele, o árabe pode voltar transliterado em letras latinas.

## O que fazer com o texto

Salve no seu CRM ou help desk, ou passe para um modelo de chat resumir ou classificar a mensagem. O [guia do n8n compatível com a OpenAI](https://broadrouter.com/pt/guides/n8n-openai-compatible/) mostra como apontar o nó OpenAI Chat Model do n8n para a BroadNet com a mesma chave. Para fazer a limpeza, adicione um último nó Execute Command que apaga os dois arquivos daquele ID de mídia.

## Solução de problemas

-   **O trigger não recebe nada.** Confira se o workflow está publicado na URL de produção e se o seu app da Meta está inscrito na WhatsApp Business Account; a documentação do n8n diz que o n8n não cria essa inscrição.
-   **O download da mídia retorna 404.** A URL expirou depois de 5 minutos. A documentação da Meta diz para pedir uma nova URL de mídia e, se isso também falhar, renovar o access token.
-   **“Unrecognized node type” ou o Execute Command não aparece.** Ele vem bloqueado por padrão a partir do n8n 2.0; defina `NODES_EXCLUDE`.
-   **`ffmpeg: not found`.** A imagem não tem ffmpeg; faça o build da imagem personalizada acima.
-   **Acesso ao arquivo não permitido.** Grave em `/home/node/.n8n-files` ou defina `N8N_RESTRICT_FILE_ACCESS_TO` com a pasta que você usa.
-   **400, 413 ou 429 da BroadNet.** 413 significa que o arquivo passa de 26.214.400 bytes (cerca de 13 minutos de WAV mono de 16 kHz); 429 significa requisições demais ao mesmo tempo. Veja [códigos de erro e novas tentativas na BroadNet](https://broadrouter.com/pt/guides/errors-and-retries/).

Precisão, dialetos e como o preço da BroadNet se compara ao de outras APIs de speech-to-text estão no [guia de speech-to-text em árabe](https://broadrouter.com/pt/guides/arabic-speech-to-text-api/). Para preços de tabela em batch e streaming de mais de 20 produtos de speech-to-text, cada um com a fonte e a data da conferência, veja o [índice aberto de preços de APIs de speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/).

## Termos neste guia

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

Um token é a unidade de texto que um modelo de linguagem lê e escreve: uma palavra, parte de uma palavra, um sinal de pontuação ou uma sequência de bytes gerada pelo tokenizador do modelo. As APIs de LLM contam, limitam e normalmente cobram o uso em tokens.

[Fala para texto (speech-to-text)](https://broadrouter.com/pt/glossary/speech-to-text/)

Fala para texto, ou reconhecimento automático de fala (ASR), é a tecnologia que converte áudio falado em texto. Uma API de fala para texto recebe um arquivo ou stream de áudio e retorna uma transcrição, normalmente cobrada por minuto de áudio. A precisão é medida pela taxa de erro de palavras e varia com sotaque, dialeto e qualidade da gravação.

[WAV (arquivo de áudio WAV)](https://broadrouter.com/pt/glossary/wav/)

WAV (Waveform Audio File Format, ou WAVE) é um contêiner de áudio baseado no formato RIFF da Microsoft e da IBM. Ele costuma guardar amostras PCM lineares sem compressão, então o tamanho é previsível: taxa de amostragem vezes bytes por amostra vezes canais, por segundo.

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

Streaming é uma forma de devolver a resposta de um modelo de linguagem em pequenos pedaços enquanto ela ainda está sendo gerada, em vez de uma resposta única no final. APIs compatíveis com a OpenAI fazem streaming via server-sent events quando a requisição define stream como true.

[Chave de API (API key)](https://broadrouter.com/pt/glossary/api-key/)

Uma chave de API é uma string secreta que identifica e autoriza um cliente que chama uma API. As APIs de LLM normalmente a esperam em um cabeçalho Authorization: Bearer, e qualquer pessoa que tenha a chave pode fazer requisições cobradas da conta dona dela.

## Perguntas frequentes

### Esse workflow roda no n8n Cloud?

Não do jeito que está. A documentação do n8n diz que o nó Execute Command não está disponível no n8n Cloud, e a etapa de conversão precisa do ffmpeg na máquina que roda o n8n. No n8n Cloud, converta o áudio em um serviço externo que você controle e chame-o com um nó HTTP Request.

### Por que não posso mandar o arquivo .ogg do WhatsApp direto para o endpoint de transcrição?

Os áudios do WhatsApp são áudio Opus em um contêiner Ogg. O endpoint de transcrição da BroadNet aceita WAV e MP3, então o workflow primeiro converte cada áudio para WAV mono de 16 kHz com o ffmpeg.

### Por que a operação Download do WhatsApp não retorna o arquivo de áudio?

No código-fonte do n8n, a operação Download chama o endpoint GET de mídia da Meta, que retorna um objeto JSON com uma URL temporária. Um segundo nó HTTP Request baixa essa URL com o seu access token do WhatsApp. A Meta diz que a URL vale por 5 minutos.

### Por que o meu WhatsApp Trigger não recebe nada depois que publico o workflow?

O WhatsApp permite uma URL de webhook por app, então alternar entre as URLs de teste e de produção do n8n sobrescreve essa URL. A documentação do n8n também avisa que o n8n não inscreve o seu app da Meta na WhatsApp Business Account; confira essa inscrição na Subscribed Apps API da Meta.

### Quanto custa transcrever áudios do WhatsApp desse jeito?

A BroadNet cobra por minuto de áudio: $0.0042 com o BroadNet Transcribe Arabic ou $0.002 com o BroadNet Transcribe. 10.000 áudios em árabe de 30 segundos cada custam $21.00. As cobranças do n8n e da Meta são à parte.

## Guias relacionados

-   [Transcrever áudios do WhatsApp para texto com uma API](https://broadrouter.com/pt/guides/transcribe-whatsapp-voice-notes/)
-   [Como usar a BroadNet Inference no n8n (credencial OpenAI, Base URL)](https://broadrouter.com/pt/guides/n8n-openai-compatible/)
-   [API de transcrição de áudio em árabe, passo a passo](https://broadrouter.com/pt/guides/arabic-speech-to-text-api/)
-   [Códigos de erro da BroadNet Inference e quando tentar de novo](https://broadrouter.com/pt/guides/errors-and-retries/)
-   [Todas as ferramentas que funcionam com a BroadNet Inference (em inglês)](https://broadrouter.com/integrations/): SDKs, agentes de programação, interfaces de chat e ferramentas de automação, com as configurações exatas de cada uma

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

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

**Fontes**

-   [Documentação do n8n, nó WhatsApp Trigger (eventos, um webhook por app; conferido em 2026-11-14)](https://docs.n8n.io/integrations/builtin/trigger-nodes/n8n-nodes-base.whatsapptrigger/)
-   [Documentação do n8n, nó WhatsApp Business Cloud (operações de Media; conferido em 2026-11-14)](https://docs.n8n.io/integrations/builtin/app-nodes/n8n-nodes-base.whatsapp/)
-   [Código-fonte do n8n, operações de mídia do WhatsApp (Download retorna a URL da mídia; conferido em 2026-11-14)](https://github.com/n8n-io/n8n/blob/master/packages/nodes-base/nodes/WhatsApp/MediaDescription.ts)
-   [Código-fonte do n8n, saída do WhatsApp Trigger (um item por valor de change do webhook; conferido em 2026-11-14)](https://github.com/n8n-io/n8n/blob/master/packages/nodes-base/nodes/WhatsApp/WhatsAppTrigger.node.ts)
-   [Documentação do n8n, nó HTTP Request (Form-Data, n8n Binary File, Response Format File; conferido em 2026-11-14)](https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.httprequest/)
-   [Documentação do n8n, nó Execute Command (só self-hosted, desativado por padrão a partir do n8n 2.0, exemplo com Docker; conferido em 2026-11-14)](https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.executecommand/)
-   [Documentação do n8n, bloqueio de nós (NODES\_EXCLUDE; conferido em 2026-11-14)](https://docs.n8n.io/hosting/securing/blocking-nodes/)
-   [Documentação do n8n, Read/Write Files from Disk (padrão de N8N\_RESTRICT\_FILE\_ACCESS\_TO; conferido em 2026-11-14)](https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.readwritefile/)
-   [Meta WhatsApp Cloud API, mídia (o download exige o access token; URL válida por 5 minutos; conferido em 2026-11-14)](https://developers.facebook.com/docs/whatsapp/cloud-api/reference/media)
-   [Meta WhatsApp Cloud API, mensagens de áudio (áudios de voz são OGG com Opus; conferido em 2026-11-14)](https://developers.facebook.com/documentation/business-messaging/whatsapp/messages/audio-messages)
-   [Referência da API da BroadNet Inference, transcrição (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-guides-n8n-whatsapp-voice-note-transcription&utm_content=sources#requests)
