BroadRouter

n8n میں WhatsApp وائس نوٹس کو متن میں بدلیں

اپ ڈیٹ

آٹھ n8n نوڈز استعمال کریں: Messages پر WhatsApp Trigger، آڈیو چھانٹنے والا If نوڈ، میڈیا URL کے لیے WhatsApp کا Download آپریشن، .ogg فائل لانے والا HTTP Request، اسے محفوظ کرنے والا Read/Write Files نوڈ، WAV بنانے کے لیے Execute Command نوڈ میں ffmpeg، WAV لوڈ کرنے والا دوسرا Read/Write Files نوڈ، اور /v1/audio/transcriptions پر ایک HTTP Request۔ اس کے لیے ffmpeg انسٹال شدہ سیلف ہوسٹڈ n8n چاہیے۔

یہ ورک فلو n8n کے اندر ہر آنے والے WhatsApp وائس نوٹ کو متن میں بدلتا ہے۔ یہ WhatsApp وائس نوٹس گائیڈ والے اسکرپٹ کا n8n ورژن ہے: وہی ffmpeg کنورژن اور وہی ٹرانسکرپشن کال۔ نیچے دیے گئے نوڈز کے نام اور آپشنز 2026-11-14 کو n8n کی دستاویزات اور سورس سے ملائے گئے؛ لنکس ذرائع میں ہیں۔

آپ کو کیا چاہیے

  • سیلف ہوسٹڈ n8n۔ n8n کی دستاویزات کہتی ہیں کہ Execute Command نوڈ n8n Cloud پر دستیاب نہیں اور n8n 2.0 سے ڈیفالٹ طور پر بند ہے۔
  • n8n ہوسٹ پر ffmpeg۔ Docker میں کمانڈ n8n کنٹینر کے اندر چلتی ہے، Docker ہوسٹ پر نہیں، اس لیے ffmpeg امیج میں ہونا چاہیے۔
  • n8n میں WhatsApp Business Cloud کریڈینشل، جو آپ کے WhatsApp Business Account والی Meta ایپ سے جڑا ہو، اور اس ایپ کا access token۔
  • BroadNet API کلید۔ نئے اکاؤنٹس کو بغیر کارڈ کے $5 کا ابتدائی کریڈٹ ملتا ہے، اور دونوں ٹرانسکرپشن ماڈلز اس پر چلتے ہیں۔

n8n تیار کریں: ffmpeg، Execute Command اور فائل فولڈر

سرکاری n8n Docker امیج میں کوئی پیکیج مینیجر نہیں۔ n8n کی دستاویزات دکھاتی ہیں کہ curl انسٹال کرنے کے لیے کسٹم امیج میں apk کیسے واپس لائیں؛ وہی Dockerfile، curl کی جگہ ffmpeg کے ساتھ، آپ کو ffmpeg دیتا ہے:

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

اسے docker build -t n8n-ffmpeg . سے بلڈ کریں اور n8nio/n8n کی جگہ n8n-ffmpeg چلائیں۔ ffmpeg والی تبدیلی n8n کی curl مثال میں ہماری کی ہوئی ہے، اس لیے تصدیق کے لیے ایک بار کسی Execute Command نوڈ میں ffmpeg -version چلائیں۔

پھر دو انوائرنمنٹ ویری ایبلز سیٹ کریں:

ویری ایبل ویلیو کیوں
NODES_EXCLUDE "[]" Execute Command ڈیفالٹ طور پر بلاک ہے۔ خالی فہرست اسے ان بلاک کرتی ہے، اور ساتھ ہی ان تمام دوسرے نوڈز کو بھی جنہیں n8n ڈیفالٹ طور پر بلاک کرتا ہے، اس لیے جنہیں بلاک رکھنا ہے انہیں واپس شامل کریں۔
N8N_RESTRICT_FILE_ACCESS_TO سیٹ نہ کریں n8n 2.0 سے اس کا ڈیفالٹ ~/.n8n-files ہے۔ سرکاری امیج میں یہ /home/node/.n8n-files ہے، یعنی نیچے استعمال ہونے والا فولڈر۔

ورک فلو، نوڈ بہ نوڈ

# نوڈ سیٹنگ
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 }}، ہیڈر Authorization: Bearer <WhatsApp access token>، Response Format File، Put Output in Field data
5 Read/Write Files from Disk Write File to Disk، پاتھ /home/node/.n8n-files/{{ $('WhatsApp Trigger').item.json.messages[0].audio.id }}.ogg، Input Binary Field data
6 Execute Command نیچے دی گئی ffmpeg کمانڈ
7 Read/Write Files from Disk Read File(s) From Disk، .wav پاتھ، Put Output File in Field data
8 HTTP Request ٹرانسکرپشن اینڈ پوائنٹ پر POST، نیچے دیکھیں

نوڈز 5 سے 7 اس لیے ہیں کہ Execute Command ایک شیل کمانڈ چلاتا ہے اور n8n کا بائنری ڈیٹا نہیں لیتا، اس لیے فائل ڈسک پر جاتی ہے اور واپس آتی ہے۔

ورک فلو بنانے کی بجائے امپورٹ کریں

ورک فلو کو n8n JSON کی صورت میں ڈاؤن لوڈ کریں (8 نوڈز، عربی کے لیے سیٹ) اور n8n میں Import from File سے امپورٹ کریں۔ اس میں کوئی کلید یا token نہیں۔ لاگ اِن مانگنے والے ہر نوڈ میں ایک placeholder کریڈینشل ہے جس کا نام REPLACE: سے شروع ہوتا ہے؛ وہ چار نوڈز کھولیں اور اپنے کریڈینشلز چنیں۔ نوڈ ٹائپ کے نام اور پیرامیٹرز کے نام 2026-11-14 کو n8n کے سورس سے ملائے گئے؛ نیچے کی گائیڈ ہر نوڈ سمجھاتی ہے، اس لیے آپ اسے ہاتھ سے بھی بنا سکتے ہیں۔

1–2. پیغامات پر ٹرگر، صرف آڈیو رکھیں

n8n کے سورس میں WhatsApp Trigger، Meta کے ویب ہک کی ہر change پر ایک آئٹم دیتا ہے، جس میں پیغامات کی فہرست messages کے نیچے ہوتی ہے۔ متن، تصاویر اور وائس نوٹس سب Messages ایونٹ پر آتے ہیں، اس لیے If نوڈ صرف وہ آئٹمز آگے بھیجتا ہے جن کے پہلے پیغام کا type، audio ہو۔ ڈیلیوری اور ریڈ رسیدیں بھی اسی ایونٹ پر آتی ہیں، مگر ان میں messages فہرست نہیں ہوتی؛ ?? '' اس غائب ویلیو کو خالی اسٹرنگ بنا دیتا ہے، تاکہ سخت ٹائپ جانچ ان پر ناکام نہ ہو۔

WhatsApp ہر ایپ کے لیے ایک ہی رجسٹرڈ ویب ہک URL رکھنے دیتا ہے۔ n8n کی دستاویزات خبردار کرتی ہیں کہ ٹرگر کے ٹیسٹ اور پروڈکشن URLs کے درمیان بدلنے سے وہ اوور رائٹ ہو جاتا ہے، اور پھر دوسرے URL پر ایونٹس آنا بند ہو جاتے ہیں۔

3–4. Meta سے وائس نوٹ ڈاؤن لوڈ کریں

WhatsApp نوڈ کا Download آپریشن میڈیا ID کے ساتھ Meta کا میڈیا اینڈ پوائنٹ کال کرتا ہے اور url والا JSON لوٹاتا ہے، آڈیو نہیں۔ Meta کی دستاویزات کہتی ہیں کہ وہ URL پانچ منٹ تک کارآمد رہتا ہے اور آپ کے access token کے بغیر ڈاؤن لوڈ ناکام ہوتا ہے۔ اس لیے اگلا HTTP Request نوڈ Authorization ہیڈر میں token کے ساتھ {{ $json.url }} لاتا ہے اور جواب کو data فیلڈ میں فائل کی صورت میں محفوظ کرتا ہے۔ n8n میں token کو نوڈ میں ٹائپ کرنے کی بجائے ایک Header Auth کریڈینشل میں رکھیں (نام Authorization، ویلیو Bearer اور اس کے بعد token)۔

5–7. ffmpeg سے WAV میں تبدیل کریں

فائل ڈسک پر لکھیں (نوڈ 5)، پھر Execute Command نوڈ (نوڈ 6) میں تبدیل کریں:

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 سے 16 kHz مونو WAV بنتا ہے، وہی کنورژن جو BroadNet کی دستاویزات وائس نوٹس کے لیے استعمال کرتی ہیں۔ میڈیا ID ایک عدد ہے، اس لیے فائل کے نام میں اسے استعمال کرنا محفوظ ہے۔ نوڈ 7، .wav فائل کو واپس data فیلڈ میں پڑھتا ہے۔

8. ٹرانسکرائب کریں

BroadNet کے لیے دوسرا Header Auth کریڈینشل بنائیں (نام Authorization، ویلیو Bearer اور اس کے بعد آپ کی BroadNet کلید)۔ پھر آخری HTTP Request نوڈ سیٹ کریں:

فیلڈ ویلیو
Method POST
URL https://inference.broadnet.ai/v1/audio/transcriptions
Authentication Generic Credential Type، Header Auth، BroadNet والا کریڈینشل
Send Body آن، Body Content Type Form-Data
Body پیرامیٹر model broadnet/cohere-transcribe-arabic (یا باقی 13 زبانوں کے لیے broadnet/cohere-transcribe)
Body پیرامیٹر language ar (یا en، es، …)
Body پیرامیٹر file Parameter Type n8n Binary File، Input Data Field Name data

جواب JSON ہوتا ہے جس میں ٹرانسکرپٹ text میں ہوتا ہے، اس لیے بعد والے نوڈز {{ $json.text }} پڑھتے ہیں۔ یہ وہی درخواست ہے جو یہ curl کال بھیجتی ہے:

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

language ہمیشہ بھیجیں۔ اس کے بغیر عربی متن لاطینی حروف میں ٹرانسلٹریٹ ہو کر آ سکتا ہے۔

متن کا کیا کریں

اسے اپنے CRM یا ہیلپ ڈیسک میں محفوظ کریں، یا پیغام کا خلاصہ بنانے یا اسے درجہ بند کرنے کے لیے کسی چیٹ ماڈل کو دیں۔ n8n OpenAI-compatible گائیڈ دکھاتی ہے کہ اسی کلید سے n8n کے OpenAI Chat Model نوڈ کو BroadNet کی طرف کیسے موڑیں۔ صفائی کے لیے آخر میں ایک Execute Command نوڈ شامل کریں جو اس میڈیا ID کی دونوں فائلیں ڈیلیٹ کرے۔

مسائل کا حل

  • ٹرگر پر کچھ نہیں آتا۔ جانچیں کہ ورک فلو پروڈکشن URL پر پبلش ہے اور آپ کی Meta ایپ WhatsApp Business Account سے سبسکرائب ہے؛ n8n کی دستاویزات کہتی ہیں کہ n8n یہ سبسکرپشن نہیں بناتا۔
  • میڈیا ڈاؤن لوڈ 404 لوٹاتا ہے۔ URL پانچ منٹ بعد ختم ہو گیا۔ Meta کی دستاویزات نیا میڈیا URL مانگنے کو کہتی ہیں، اور اگر وہ بھی ناکام ہو تو access token تجدید کرنے کو۔
  • “Unrecognized node type” یا Execute Command غائب ہے۔ n8n 2.0 سے یہ ڈیفالٹ طور پر بلاک ہے؛ NODES_EXCLUDE سیٹ کریں۔
  • ffmpeg: not found۔ امیج میں ffmpeg نہیں؛ اوپر والی کسٹم امیج بلڈ کریں۔
  • Access to the file is not allowed۔ /home/node/.n8n-files کے اندر لکھیں، یا N8N_RESTRICT_FILE_ACCESS_TO کو اپنے استعمال والے فولڈر پر سیٹ کریں۔
  • BroadNet سے 400، 413 یا 429۔ 413 کا مطلب ہے فائل 26,214,400 بائٹس سے بڑی ہے (16 kHz مونو WAV میں تقریباً 13 منٹ)؛ 429 کا مطلب ہے ایک ساتھ بہت زیادہ درخواستیں۔ BroadNet ایرر کوڈز اور دوبارہ کوشش دیکھیں۔

درستی، لہجے، اور BroadNet کی قیمت دوسری speech-to-text APIs سے کیسے موازنہ کرتی ہے، یہ سب عربی speech-to-text گائیڈ میں ہے۔ 20 سے زیادہ speech-to-text پروڈکٹس کی بیچ اور اسٹریمنگ فہرستی قیمتوں کے لیے، ہر ایک کے ذریعے اور جانچ کی تاریخ کے ساتھ، کھلا speech-to-text API پرائس انڈیکس دیکھیں۔

عام سوالات

کیا یہ ورک فلو n8n Cloud پر چلتا ہے؟

جیسا لکھا ہے ویسا نہیں۔ n8n کی دستاویزات کہتی ہیں کہ Execute Command نوڈ n8n Cloud پر دستیاب نہیں، اور کنورژن والے مرحلے کو n8n چلانے والی مشین پر ffmpeg چاہیے۔ n8n Cloud پر آڈیو کو اپنی کسی بیرونی سروس میں تبدیل کریں اور اسے HTTP Request نوڈ سے کال کریں۔

WhatsApp کی .ogg فائل سیدھی ٹرانسکرپشن اینڈ پوائنٹ پر کیوں نہیں بھیج سکتے؟

WhatsApp وائس نوٹس Ogg کنٹینر میں Opus آڈیو ہوتے ہیں۔ BroadNet کا ٹرانسکرپشن اینڈ پوائنٹ WAV اور MP3 قبول کرتا ہے، اس لیے ورک فلو پہلے ہر نوٹ کو ffmpeg سے 16 kHz مونو WAV میں تبدیل کرتا ہے۔

WhatsApp کا Download آپریشن آڈیو فائل کیوں نہیں لوٹاتا؟

n8n کے سورس میں Download آپریشن Meta کا GET media اینڈ پوائنٹ کال کرتا ہے، جو ایک عارضی URL والا JSON آبجیکٹ لوٹاتا ہے۔ دوسرا HTTP Request نوڈ آپ کے WhatsApp access token کے ساتھ وہ URL لاتا ہے۔ Meta کے مطابق URL پانچ منٹ تک کارآمد رہتا ہے۔

ورک فلو پبلش کرنے کے بعد میرے WhatsApp Trigger پر کچھ کیوں نہیں آتا؟

WhatsApp ہر ایپ کے لیے ایک ہی ویب ہک URL رکھنے دیتا ہے، اس لیے n8n کے ٹیسٹ اور پروڈکشن URLs کے درمیان بدلنے سے وہ اوور رائٹ ہو جاتا ہے۔ n8n کی دستاویزات یہ بھی بتاتی ہیں کہ n8n آپ کی Meta ایپ کو WhatsApp Business Account سے سبسکرائب نہیں کرتا؛ یہ سبسکرپشن Meta کی Subscribed Apps API میں جانچیں۔

اس طرح WhatsApp وائس نوٹس ٹرانسکرائب کرنے پر کتنا خرچ آتا ہے؟

BroadNet ہر آڈیو منٹ کا بل بناتا ہے: BroadNet Transcribe Arabic پر $0.0042 یا BroadNet Transcribe پر $0.002۔ 30 سیکنڈ والے 10,000 عربی وائس نوٹس کی لاگت $21.00 ہے۔ n8n اور Meta کے چارجز الگ ہیں۔

Markdown میں پڑھیںChatGPT سے پوچھیںClaude سے پوچھیںPerplexity سے پوچھیں