Tải một tin nhắn thoại WhatsApp xuống, bạn sẽ có một tệp .ogg nhỏ. Bên trong là audio Opus, một codec được thiết kế cho cuộc gọi thoại.
Cách hoạt động
Có hai lớp, mỗi lớp được định nghĩa bởi một RFC của IETF:
| Lớp | Đặc tả | Chức năng |
|---|---|---|
| Codec Opus | RFC 6716 | Nén audio. Nó kết hợp một lớp dự đoán tuyến tính dựa trên SILK với một lớp MDCT dựa trên CELT, và hoạt động từ giọng nói băng hẹp 6 kbit/s đến nhạc stereo 510 kbit/s |
| Container Ogg | RFC 7845 | Gói các packet Opus vào một tệp, bắt đầu bằng header nhận dạng OpusHead |
RFC 6716 liệt kê năm băng thông, từ băng hẹp (tần số lấy mẫu 8 kHz) đến toàn băng (48 kHz). RFC 7845 nói granule position luôn đếm mẫu ở 48 kHz, bất kể decoder xuất ra ở tần số nào. Nó khuyến nghị đuôi .opus và media type audio/ogg, có thể kèm audio/ogg; codecs=opus.
Tài liệu media của WhatsApp Cloud API từ Meta ghi audio OGG là audio/ogg với “Opus codec only” (Bản dịch: chỉ codec Opus), mono, tối đa 16 MB.
Vì sao quan trọng
- Nhiều API không nhận nó. Một endpoint speech-to-text chỉ nhận WAV hoặc MP3 sẽ từ chối tin nhắn thoại cho tới khi bạn chuyển đổi.
- Chuyển đổi rất nhẹ. Một lệnh ffmpeg giải mã Opus sang PCM. Kết quả lớn hơn nhiều so với tin nhắn thoại, nên hãy để ý giới hạn kích thước tệp.
- Dễ nhầm tên. “Opus” cũng là tên model ở một số nhà cung cấp khác. Trong ngữ cảnh audio, nó là codec.
Trên BroadNet Inference
Endpoint chép lời của BroadNet chỉ nhận WAV (audio/wav) hoặc MP3 (audio/mpeg), tối đa 26.214.400 byte mỗi tệp. Tài liệu của BroadNet chuyển một tin nhắn thoại WhatsApp chỉ trong một bước:
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
Theo tài liệu ffmpeg, -ar đặt tần số lấy mẫu audio và -ac đặt số kênh, nên lệnh này tạo ra WAV mono 16 kHz. Sau đó gửi nó kèm language=ar (hoặc en) tới BroadNet Transcribe Arabic hoặc BroadNet Transcribe. Hướng dẫn chép lời tin nhắn thoại WhatsApp có script chuyển đổi và chép lời cả một thư mục, còn hướng dẫn n8n làm việc đó trong một workflow. Với tin nhắn thoại quá dài cho một tệp, công cụ cắt audio sẽ tính các đoạn cần cắt.
Lỗi thường gặp
- Đổi tên thay vì chuyển đổi. Đổi
.oggthành.wavkhông thay đổi audio bên trong. Hãy giải mã bằng ffmpeg. - Bỏ qua
-ac 1. Stereo làm tệp WAV lớn gấp đôi mà không giúp gì cho việc chép lời.