BroadRouter

WhatsApp sesli notlarını API ile metne çevirin

Güncellendi

WhatsApp sesli notları .ogg dosyalarında Opus sesidir ve transkripsiyon uç noktası bunları doğrudan kabul etmez. Her birini ffmpeg ile 16 kHz mono WAV'a dönüştürün, ardından doğru language alanıyla BroadNet Transcribe Arabic veya BroadNet Transcribe modeline gönderin. Kısa bir betik bu iki adımı bütün bir klasör için yapar.

Sesli notları sohbetten dışa aktarın (ya da WhatsApp Business entegrasyonunuz üzerinden alın); elinizde .ogg dosyaları olur. Meta’nın Cloud API belgelerine göre WhatsApp sesli mesajları Opus codec’iyle kodlanmış .ogg dosyalarıdır. Telefon kayıtları ise çoğunlukla .m4a olur. BroadNet’in transkripsiyon uç noktası WAV ve MP3 kabul ettiği için önce dönüştürün.

1. Tek bir dosyayı dönüştürün

ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav

-ar 16000 -ac 1 16 kHz mono ses üretir; BroadNet’in belgeleri sesli notlar ve telefon kayıtları için bu dönüştürmeyi kullanır. Aynı komut .m4a için de çalışır. 16 kHz mono 16 bit WAV saniyede 32.000 bayttır; yani 26.214.400 baytlık dosya sınırı yaklaşık 13 dakikalık ses alır. Daha uzun kayıtlar için ses bölücü kaç parçaya ihtiyacınız olduğunu hesaplar ve ffmpeg komutlarını yazar.

2. Bütün bir klasörü metne çevirin

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])

Her .txt dosyası kendi sesli notunun yanına kaydedilir. Aynı adımları gelen her WhatsApp Business mesajında otomatik çalıştırmak için n8n WhatsApp sesli not iş akışına bakın.

Maliyet

Bir dakikalık sesli not Arapçada $0.0042, 14 dilli modelle $0.002 tutar. Ses kayıtları ve transkriptler istekten sonra saklanmaz; bkz. sıfır veri saklama.

Sorun giderme

  • Arapça yerine Latin harfleri: language="ar" ekleyin. BroadNet’in belgeleri language alanının her zaman gönderilmesini söyler.

  • 413 hatası: dosya 26.214.400 baytı (25 MiB) aşıyor. Uzun kayıtları 10 dakikalık WAV parçalarına bölün:

    ffmpeg -i long-note.ogg -ar 16000 -ac 1 -f segment -segment_time 600 part-%03d.wav
  • Yüklemede 400 veya 422: dosyanın gerçekten WAV ya da MP3 olduğunu, .wav olarak yeniden adlandırılmış bir .ogg olmadığını kontrol edin. ffmpeg dönüştürmesini çalıştırın.

  • ffmpeg: command not found: ffmpeg’i paket yöneticinizden kurun (örneğin apt install ffmpeg veya brew install ffmpeg).

  • 429 hatası: kullandıkça öde anahtarları aynı anda 4 isteğe izin verir; dosyaları küçük bir havuzda işleyin. Bkz. tüm BroadNet hata kodları.

Model, formatlar ve doğruluk hakkında daha fazla ayrıntı: Arapça konuşmadan metne rehberi. Diğer sağlayıcıların ses dakikası başına ne aldığını karşılaştırmak için açık konuşmadan metne API fiyat endeksine bakın; her fiyatın bir kaynağı ve tarihi vardır. Konuşma için 16 kHz’in neden yeterli olduğuna dair arka plan için bkz. örnekleme hızı.

Sık sorulan sorular

WhatsApp sesli notları hangi ses formatında?

Ogg kapsayıcısı içinde Opus sesi, .ogg olarak kaydedilir. Meta'nın Cloud API belgelerine göre sesli mesajlar Opus codec'iyle kodlanmış .ogg dosyaları olmalı ve yalnızca mono olabilir.

.ogg dosyasını doğrudan transkripsiyon API'sine gönderebilir miyim?

BroadNet Inference'a gönderemezsiniz. Transkripsiyon uç noktası WAV ve MP3 kabul eder; bu yüzden sesli notu önce ffmpeg ile dönüştürün. Tek bir komut onu 16 kHz mono WAV'a çevirir.

Sesli notlar transkripsiyondan sonra saklanıyor mu?

BroadNet, ses kayıtlarının ve transkriptlerin istek için işlendiğini ve saklanmadığını söylüyor. Yalnızca faturalandırma ve güvenlik için süreler, durum ve kullanım gibi içerik barındırmayan kayıtları tutar.

Arapça sesli notlar için hangi modeli kullanmalıyım?

BroadNet Transcribe Arabic, yani broadnet/cohere-transcribe-arabic modelini, language alanı ar olacak şekilde kullanın. Kapsadığı diğer 13 dil için BroadNet Transcribe, yani broadnet/cohere-transcribe modelini kullanın.

Markdown olarak okuChatGPT asistanına sorClaude asistanına sorPerplexity asistanına sor