BroadRouter

Sesli mesajı metne çevirme: WhatsApp ve Telegram'dan destek talebine

BroadNet Inference ekibi · 4 dk okuma · Yayımlandı · Güncellendi

Müşteri sesli mesajlarını talebe dönüştürmek için her mesajı webhook gelir gelmez WhatsApp Cloud API veya Telegram Bot API'den indirin, WAV'a çevirin, doğru dil koduyla metne çevirin ve ardından bir LLM'den niyeti, aciliyeti ve sipariş numaralarını JSON olarak çıkarmasını isteyin. Talebi transkript ekli olarak oluşturun ve metinle yanıt verin.

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

Orta Doğu’nun büyük bölümünde müşteriler yazmaz. Körfez veya Mısır Arapçasıyla 40 saniyelik bir sesli mesaj gönderirler; çoğu zaman ortasında bir sipariş numarası da sesli okunur. Temsilciler dinler, başa sarar ve yardım masasına yazar. Bunu günde birkaç yüzle çarpın; sesli mesajlar elinizdeki en yavaş kanal haline gelir.

Bu yazı transkripsiyonun etrafındaki iş akışını kuruyor: mesajları WhatsApp ve Telegram’dan almak, yapılandırılmış destek taleplerine dönüştürmek ve veriyi kontrol altında tutmak. Dönüştürme ve transkripsiyon kodunun kendisi için adım adım WhatsApp sesli mesajlarını metne çevirme kılavuzumuza bakın. Burada tekrarlamayacağız.

Sesli mesaj nasıl destek talebine dönüşür?

  1. WhatsApp veya Telegram’dan gelen webhook’u alın.
  2. Sesi hemen indirin.
  3. 16 kHz mono WAV’a dönüştürün.
  4. Doğru dil koduyla metne çevirin.
  5. Talep alanlarını bir LLM ile çıkarın.
  6. Talebi transkriptle birlikte oluşturun ve metinle yanıt verin.
  7. Ses dosyasını silin.

Adım 1 ve 2: Ses WhatsApp’tan nasıl alınır?

WhatsApp Business Cloud API’de gelen bir sesli mesaj, dosyanın kendisiyle değil, bir medya kimliği içeren webhook olarak gelir. Kuralları Meta’nın medya belgeleri belirliyor:

  • Bir url almak için Graph API’de GET /<MEDIA_ID> çağrısını yapın.
  • O URL’yi Authorization: Bearer <token> ile indirin. Token olmadan istek başarısız olur.
  • “Media URLs expire after 5 minutes.” (BroadRouter çevirisi: Medya URL’lerinin süresi 5 dakika sonra dolar.) Geç kaldıysanız yenisini isteyin.
  • Gelen webhook’lardaki medya kimlikleri 7 gün geçerlidir.
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)

Bunu daha sonra bir toplu işte değil, webhook işleyicisinin arka plan görevinde yapın. Saatte bir çalışan bir kuyruk süresi dolmuş URL’lere takılır.

Sesli mesajlar bir Telegram botundan nasıl alınır?

Telegram botu, file_id içeren bir voice nesnesi alır. Bot API, botların https://api.telegram.org/file/bot<token>/<file_path> üzerinden “can download files of up to 20MB” (BroadRouter çevirisi: 20 MB’a kadar dosya indirebileceğini) ve bağlantının “valid for at least 1 hour” (BroadRouter çevirisi: en az 1 saat geçerli) olduğunu söylüyor.

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)

İki platform da uygulamada sesli mesajları Ogg/Opus olarak teslim ediyor. Transkripsiyon uç noktası WAV veya MP3 aldığından, WhatsApp kılavuzundaki tek satırlık ffmpeg komutuyla dönüştürün, ardından language="ar" (veya müşterinin dili) ile metne çevirin.

Adım 5: Transkript nasıl destek talebine dönüştürülür?

Ham bir transkripti önceliklendirmek hâlâ zordur. Bir LLM, yardım masanızın ihtiyaç duyduğu alanları çıkarabilir:

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, BroadNet’in Körfez ve Mısır lehçeleri dahil Arapça için test ettiği model. JSON’u yardım masasına yazmadan önce doğrulayın ve ayrıştırma başarısız olursa needs_human: true değerine geri dönün; yapılandırılmış çıktı yazısında bir doğrula ve onar döngüsü var. Bir mesajda kart veya kimlik numaraları geçiyorsa bu adımdan önce maskeleyin; hassas verileri LLM API’sine göndermek yazısına bakın.

Hangi uç durumları erkenden ele almalısınız?

Gerçek gelen kutuları bir demodan daha dağınıktır. İlk haftadan şunlara hazırlıklı olun:

  • Art arda birkaç mesaj. Müşteriler çoğu zaman tek uzun mesaj yerine üç kısa mesaj gönderir. Aynı göndericiden birkaç dakika içinde gelen mesajları tek talepte toplayın ve sırayla metne çevirin.
  • Çok kısa mesajlar. “Tamam” veya “teşekkürler” mesajları talep gerektirmez. Transkript birkaç kelimeden kısaysa çıkarma adımını atlayın.
  • İletilen mesajlar. İletilmiş bir sesli mesajda konuşan başka biri olabilir. Onu müşterinin kendi sözleri olarak değil, bir ek olarak değerlendirin.
  • Karışık dil. Körfez’deki müşteriler araya İngilizce ürün adları katar. Kuyruğunuz birkaç dile hizmet veriyorsa her transkriptle birlikte gönderdiğiniz dili kaydedin; temsilciler neyle karşılaşacağını bilsin.
  • Büyük dosyalar. Meta’nın medya belgeleri ses için 16 MB sınır veriyor, Telegram botları ise 20 MB’a kadar indirebiliyor; ikisi de 25 MiB’lık transkripsiyon sınırının altında, ama uzun kayıtlar yine de daha uzun sürer. Bunları arka planda işleyin.

Bir ekip bundan ne kazanır?

Önce Sonra
Temsilci her mesajı, çoğu zaman iki kez dinler Temsilci bir transkript ve tek satırlık özet okur
Mesajlarda arama yapılamaz Transkriptler sipariş numarası veya anahtar kelimeyle aranabilir
Önceliklendirmeyi kim boştaysa yapar Niyete ve aciliyete göre yönlendirme
Arapça mesajlar Arapça bilen birini bekler İngilizce özet sayesinde basit vakaları herhangi bir temsilci alabilir

Sesli mesaj transkripsiyonu ne kadar tutar?

Hattın ucuz kısmı transkripsiyon. Dakikası $0.0042 olan fiyatla 30 saniyelik 10.000 Arapça sesli mesaj $21.00 tutar. 14 dilli modelin dakikası $0.002. LLM adımı token başına fiyatlandırılır; kısa bir transkript artı talimat genellikle birkaç yüz token eder. Kendi hacimlerinizi ses metne çevirme maliyet hesaplayıcısına girin ya da diğer sağlayıcıları ses metne çevirme fiyat karşılaştırmasında karşılaştırın.

Gizlilik ve saklama nasıl ele alınmalı?

Sesli mesajlar kişisel veridir ve çoğu zaman müşterinin paylaşmak istediğinden fazlasını içerir. Üç alışkanlık işe yarar:

  • Transkripsiyondan sonra sesi silin; bir politika saklamanızı gerektirmiyorsa.
  • Transkriptleri uygulama günlüklerinde değil, talep ile birlikte yardım masasının erişim denetimleri altında saklayın.
  • Sesi saklamayan bir sağlayıcı kullanın. BroadNet istekten sonra ne ses ne transkript saklıyor; sıfır veri saklama sayfasına bakın.

Düz metinle yanıt verin ve yeni kişilere ilk yanıtlarınızı kısa ve bağlantısız tutun. Mesajlaşma platformları işletme numaralarından gelen spam benzeri kalıpları izliyor.

BroadNet Inference nerede devreye giriyor?

BroadNet, transkripsiyon ve çıkarma adımlarını tek bir OpenAI uyumlu anahtarla karşılıyor: Arapça mesajlar için BroadNet Transcribe Arabic, Arapça artı 13 dil için BroadNet Transcribe ve talep alanları için Arapçada test edilmiş sohbet modelleri. BroadNet, Arapça modelinin Open Universal Arabic ASR Leaderboard’da 37 model arasında 2. (Eylül 2026 verisi; canlı sıralamada 15 Kasım 2026 itibarıyla 39 model arasında 4.) olduğunu bildiriyor. $5 başlangıç kredisi yaklaşık 1,190 dakikalık Arapça sesi karşılıyor.

BroadNet sizin yerinize WhatsApp’a, Telegram’a veya yardım masanıza bağlanmıyor; webhook işleme ve talep oluşturma sizin kodunuz ya da otomasyon aracınızın işi. Aramalar iki konuşmacı ve uzun kayıtlarla farklı türde bir sorun: çağrı merkezi kayıtlarını metne çevirme yazısına bakın.

Sık sorulan sorular

WhatsApp sesli mesajlarını otomatik olarak metne çevirebilir miyim?

Evet. WhatsApp Business Cloud API ile her sesli mesaj, medya kimliği içeren bir webhook olarak gelir. Sunucunuz medya URL'sini alır, dosyayı erişim token'ınızla indirir, dönüştürür ve bir transkripsiyon API'sine gönderir.

Telegram sesli mesajlarını nasıl metne çeviririm?

Botunuz file_id içeren bir voice nesnesi alır. getFile çağrısını yapın, dosyayı dönen yoldan indirin, ffmpeg ile WAV'a çevirin ve metne dökün. Botlar 20 MB'a kadar dosya indirebilir.

Müşteri sesli mesajlarını metne çevirmek ne kadar tutar?

Dakikası $0.0042 olan BroadNet Transcribe Arabic ile 30 saniyelik 10.000 mesaj $21.00 tutar. 14 dilli modelin dakikası $0.002.

Sesli mesaja sesli mesajla mı yanıt vermeliyim?

Destek için genellikle kısa bir metin yanıtı daha iyi çalışır: müşteri onu her yerde okuyabilir ve iki taraf için de aranabilir olur. İlk yanıtı sade ve kısa tutun.

Orijinal sesi saklamam gerekiyor mu?

Çoğu zaman hayır. Destek iş akışlarının çoğu için transkript yeterlidir. Kalite veya hukuki nedenlerle sesi saklıyorsanız bir saklama süresi belirleyin ve erişimi kısıtlayın; çünkü ses kişisel veridir.

Markdown olarak okuChatGPT asistanına sorClaude asistanına sorPerplexity asistanına sor