BroadRouter

Tin nhắn thoại thành văn bản cho doanh nghiệp: WhatsApp, Telegram

Đội ngũ BroadNet Inference · 4 phút đọc · Đăng ngày · Cập nhật

Để biến tin nhắn thoại của khách hàng thành ticket, hãy tải từng tin nhắn từ WhatsApp Cloud API hoặc Telegram Bot API ngay khi webhook tới, chuyển sang WAV, chép lời với đúng mã ngôn ngữ, rồi yêu cầu LLM trích xuất ý định, mức khẩn cấp và mã đơn hàng dưới dạng JSON. Tạo ticket kèm bản chép lời và trả lời bằng văn bản.

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

Ở nhiều nơi tại Trung Đông, khách hàng không gõ chữ. Họ gửi một tin nhắn thoại 40 giây bằng tiếng Ả Rập vùng Vịnh hoặc Ai Cập, thường đọc mã đơn hàng ở giữa. Nhân viên phải nghe, tua lại rồi gõ vào helpdesk. Nhân lên vài trăm tin mỗi ngày, tin nhắn thoại trở thành kênh chậm nhất bạn có.

Bài này dựng quy trình kinh doanh xoay quanh việc chép lời: lấy tin nhắn ra khỏi WhatsApp và Telegram, biến chúng thành ticket có cấu trúc, và kiểm soát dữ liệu. Về code chuyển đổi và chép lời, xem hướng dẫn từng bước chép lời tin nhắn thoại WhatsApp. Chúng tôi sẽ không lặp lại ở đây.

Một tin nhắn thoại trở thành ticket hỗ trợ như thế nào?

  1. Nhận webhook từ WhatsApp hoặc Telegram.
  2. Tải âm thanh về ngay lập tức.
  3. Chuyển sang WAV mono 16 kHz.
  4. Chép lời với đúng mã ngôn ngữ.
  5. Trích xuất các trường của ticket bằng LLM.
  6. Tạo ticket kèm bản chép lời, và trả lời bằng văn bản.
  7. Xóa file âm thanh.

Bước 1 và 2: lấy âm thanh ra khỏi WhatsApp như thế nào?

Trên WhatsApp Business Cloud API, tin nhắn thoại đến tới dưới dạng webhook kèm media ID, không phải file. Tài liệu media của Meta đặt ra các quy tắc:

  • Gọi GET /<MEDIA_ID> trên Graph API để lấy url.
  • Tải URL đó với Authorization: Bearer <token>. Thiếu token thì request thất bại.
  • “Media URLs expire after 5 minutes.” (bản dịch: URL media hết hạn sau 5 phút.) Nếu trễ, hãy yêu cầu URL mới.
  • Media ID từ webhook đến có hiệu lực trong 7 ngày.
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)

Hãy làm việc này trong background job của webhook handler, đừng để dồn lại chạy batch sau. Một hàng đợi chạy mỗi giờ một lần sẽ gặp URL đã hết hạn.

Lấy tin nhắn thoại từ bot Telegram như thế nào?

Bot Telegram nhận một object voice có file_id. Bot API nói bot “can download files of up to 20MB” (bản dịch: tải được file tới 20MB), qua https://api.telegram.org/file/bot<token>/<file_path>, và link “valid for at least 1 hour” (bản dịch: có hiệu lực ít nhất 1 giờ).

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)

Trên thực tế, cả hai nền tảng đều gửi tin nhắn thoại dạng Ogg/Opus. Endpoint chép lời nhận WAV hoặc MP3, nên hãy chuyển đổi bằng lệnh ffmpeg một dòng trong hướng dẫn WhatsApp, rồi chép lời với language="ar" (hoặc ngôn ngữ của khách hàng).

Bước 5: biến bản chép lời thành ticket như thế nào?

Bản chép lời thô vẫn khó phân loại. LLM có thể rút ra các trường mà helpdesk của bạn cần:

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 là model BroadNet đã thử với tiếng Ả Rập, gồm cả phương ngữ vùng Vịnh và Ai Cập. Hãy kiểm tra JSON trước khi ghi vào helpdesk, và chuyển về needs_human: true khi parse thất bại; bài về structured output có vòng lặp kiểm tra và sửa lỗi. Nếu tin nhắn nhắc tới số thẻ hoặc số giấy tờ tùy thân, hãy che đi trước bước này; xem gửi dữ liệu nhạy cảm tới API LLM.

Nên xử lý sớm những trường hợp đặc biệt nào?

Hộp thư thật lộn xộn hơn bản demo nhiều. Hãy chuẩn bị cho những trường hợp này ngay từ tuần đầu:

  • Nhiều tin nhắn liên tiếp. Khách hàng hay gửi ba tin ngắn thay vì một tin dài. Gộp các tin từ cùng một người gửi trong vòng vài phút thành một ticket, và chép lời theo đúng thứ tự.
  • Tin nhắn rất ngắn. Những tin “Okay” hay “cảm ơn” không cần ticket. Bỏ qua bước trích xuất khi bản chép lời chỉ có vài từ.
  • Tin nhắn chuyển tiếp. Một tin nhắn thoại được chuyển tiếp có thể là giọng của người khác. Hãy coi nó là tệp đính kèm, không phải lời của chính khách hàng.
  • Trộn ngôn ngữ. Khách vùng Vịnh hay chen tên sản phẩm tiếng Anh. Nếu hàng đợi của bạn phục vụ nhiều ngôn ngữ, hãy ghi lại ngôn ngữ đã gửi kèm mỗi bản chép lời để nhân viên biết trước.
  • File lớn. Tài liệu media của Meta ghi giới hạn âm thanh 16 MB và bot Telegram tải được tới 20 MB, đều dưới giới hạn chép lời 25 MiB, nhưng bản ghi dài vẫn mất nhiều thời gian hơn. Hãy xử lý chúng ở background.

Đội ngũ nhận được gì

Trước Sau
Nhân viên nghe từng tin, thường là hai lần Nhân viên đọc bản chép lời và một dòng tóm tắt
Không tìm kiếm được tin nhắn Tìm bản chép lời theo mã đơn hàng hoặc từ khóa
Ai rảnh thì phân loại Định tuyến theo ý định và mức khẩn cấp
Tin tiếng Ả Rập chờ người nói tiếng Ả Rập Bản tóm tắt tiếng Anh giúp nhân viên nào cũng xử lý được ca đơn giản

Chép lời tin nhắn thoại tốn bao nhiêu?

Chép lời là phần rẻ của pipeline. Với giá $0.0042 mỗi phút, 10.000 tin nhắn thoại tiếng Ả Rập dài 30 giây tốn $21.00. Model 14 ngôn ngữ có giá $0.002 mỗi phút. Bước LLM tính phí theo token; một bản chép lời ngắn cộng chỉ dẫn thường chỉ vài trăm token. Hãy nhập khối lượng của bạn vào máy tính chi phí chuyển giọng nói thành văn bản, hoặc so sánh nhà cung cấp khác trong bảng so sánh giá API chuyển giọng nói thành văn bản.

Nên xử lý quyền riêng tư và lưu giữ ra sao?

Tin nhắn thoại là dữ liệu cá nhân, và thường chứa nhiều hơn những gì khách hàng định chia sẻ. Ba thói quen hữu ích:

  • Xóa âm thanh sau khi chép lời trừ khi có chính sách yêu cầu giữ lại.
  • Lưu bản chép lời cùng ticket, dưới quyền truy cập của helpdesk, không lưu trong log ứng dụng.
  • Dùng nhà cung cấp không giữ âm thanh. BroadNet không giữ âm thanh hay bản chép lời sau request; xem không lưu giữ dữ liệu.

Hãy trả lời bằng văn bản thuần, và giữ câu trả lời đầu tiên cho liên hệ mới thật ngắn, không kèm link. Các nền tảng nhắn tin theo dõi những mẫu giống spam từ số điện thoại doanh nghiệp.

BroadNet Inference phù hợp ở đâu

BroadNet lo bước chép lời và trích xuất bằng một key tương thích OpenAI: BroadNet Transcribe Arabic cho tin nhắn tiếng Ả Rập, BroadNet Transcribe cho tiếng Ả Rập cùng 13 ngôn ngữ khác, và các model chat đã thử với tiếng Ả Rập cho các trường của ticket. BroadNet báo cáo model tiếng Ả Rập của mình đứng thứ 2/37 (số liệu tháng 9 năm 2026; bảng xếp hạng trực tiếp ngày 15 tháng 11, 2026 ghi nhận thứ 4/39) trên Open Universal Arabic ASR Leaderboard. Tín dụng ban đầu $5 đủ cho khoảng 1,190 phút âm thanh tiếng Ả Rập.

BroadNet không kết nối WhatsApp, Telegram hay helpdesk giúp bạn; việc xử lý webhook và tạo ticket là phần code hoặc công cụ tự động hóa của bạn. Cuộc gọi là bài toán khác, với hai người nói và bản ghi dài: xem chép lời bản ghi tổng đài.

Câu hỏi thường gặp

Có tự động chép lời tin nhắn thoại WhatsApp được không?

Được. Với WhatsApp Business Cloud API, mỗi tin nhắn thoại tới dưới dạng webhook kèm media ID. Server của bạn lấy URL media, tải file bằng access token, chuyển đổi rồi gửi tới API chép lời.

Làm sao chuyển tin nhắn thoại Telegram thành văn bản?

Bot của bạn nhận một object voice có file_id. Gọi getFile, tải file từ đường dẫn trả về, chuyển sang WAV bằng ffmpeg rồi chép lời. Bot tải được file tới 20 MB.

Chép lời tin nhắn thoại của khách hàng tốn bao nhiêu?

Với BroadNet Transcribe Arabic giá $0.0042 mỗi phút, 10.000 tin nhắn dài 30 giây tốn $21.00. Model 14 ngôn ngữ có giá $0.002 mỗi phút.

Có nên trả lời tin nhắn thoại bằng tin nhắn thoại không?

Với hỗ trợ khách hàng, một câu trả lời ngắn bằng văn bản thường hiệu quả hơn: khách đọc được ở bất cứ đâu và cả hai bên đều tìm kiếm được. Hãy giữ câu trả lời đầu tiên đơn giản và ngắn gọn.

Tôi có cần lưu file âm thanh gốc không?

Thường là không. Bản chép lời là đủ cho phần lớn quy trình hỗ trợ. Nếu bạn giữ âm thanh vì lý do chất lượng hay pháp lý, hãy đặt thời hạn lưu giữ và hạn chế quyền truy cập, vì giọng nói là dữ liệu cá nhân.

Đọc dạng MarkdownHỏi ChatGPTHỏi ClaudeHỏi Perplexity