---
title: "阿拉伯语 WhatsApp 机器人架构：语音、转写与大模型 | BroadRouter"
description: "一套可落地的阿拉伯语 WhatsApp 助手架构：webhook、队列、语音消息转写、大模型回复、平台政策规则与成本，附可改造的 Python 代码。"
url: https://broadrouter.com/zh/blog/arabic-whatsapp-chatbot-architecture/
lang: zh-Hans
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/arabic-whatsapp-chatbot-architecture/)（2026-11-16 更新）。

# 阿拉伯语 WhatsApp 聊天机器人架构：从语音消息到自动回复

BroadNet Inference 团队 · 阅读约 5 分钟 · 发布于 2026-11-14 · 更新于 2026-11-16

阿拉伯语 WhatsApp 助手由五部分组成：接收 WhatsApp Business Platform 消息的 webhook、队列、处理语音消息的语音转文字、起草回复的大模型，以及通过 API 回复的发送器。用 BroadNet Transcribe Arabic 转换并转写语音消息，每分钟音频 $0.0042。

## 要点

-   立即确认 webhook，把耗时的工作（下载、转写、大模型）放到队列里做。
-   WhatsApp 语音消息是 Ogg/Opus 音频。用 ffmpeg 转成 16 kHz 单声道 WAV，再用 language=ar 转写。
-   只给已选择接收消息的人发消息，并在客服窗口内回复。绝不发送未经请求的消息。
-   给新联系人的第一条回复要简短、纯文本、不带链接。
-   用 BroadNet Transcribe Arabic 转写 10,000 条 30 秒的语音消息，费用为 $21.00。

**本页内容**

1.  阿拉伯语 WhatsApp 聊天机器人由哪些部分组成？
2.  聊天机器人要遵守哪些 WhatsApp 政策规则？
3.  运行一个阿拉伯语 WhatsApp 机器人要花多少钱？
4.  怎么保护语音消息的隐私？
5.  上线检查清单

一个阿拉伯语 WhatsApp 聊天机器人需要五个部分：接收官方 WhatsApp Business Platform 消息的 webhook、队列、处理语音消息的语音转文字、用阿拉伯语起草回复的大模型，以及在 WhatsApp 24 小时窗口内回复的发送器。语音消息很重要，因为许多讲阿拉伯语的客户习惯用方言说，而不是打字。

BroadRouter 由 BroadNet 运营，所以示例使用 BroadNet Inference。任何 OpenAI 兼容的语音转文字和对话服务商都可以放进同样的位置。

## 阿拉伯语 WhatsApp 聊天机器人由哪些部分组成？

```
WhatsApp user
   │  text or voice note
   ▼
WhatsApp Business Platform (Cloud API)
   │  webhook POST
   ▼
1. Webhook receiver ── verify signature, store event, return 200
   │
   ▼
2. Queue (Redis, SQS, a database table)
   │
   ▼
3. Worker
   ├─ voice note? download media → ffmpeg → speech to text
   ├─ build prompt: system rules + recent history + new message
   └─ LLM drafts reply (or hands over to a human)
   │
   ▼
4. Sender ── POST /messages on the Cloud API
   │
   ▼
5. Store ── conversation state, opt-in status, audit log
```

### 1\. Webhook 接收器

WhatsApp Cloud API 以 HTTPS POST 请求的形式，把收到的消息发送到你注册的 webhook。有两条规则能让这一部分保持健康：

-   \*\*验证每一个请求。\*\*Meta 的文档要求用你的应用密钥对 JSON 载荷计算 HMAC-SHA256，并与 `X-Hub-Signature-256` 请求头比对。不匹配的一律拒绝。
-   \*\*尽快返回 200。\*\*把事件存下来并确认。不要在 webhook 处理函数里下载音频或调用大模型。如果投递失败，Meta 会 “immediately, then a few more times with decreasing frequency over the next 7 days”（译文：立即重试，之后在接下来 7 天内以逐渐降低的频率再重试几次），并要求你自己处理去重。

用 WhatsApp 消息 id 作为[幂等键](https://broadrouter.com/zh/glossary/idempotency-key/)，这样重复投递的 webhook 永远不会产生两条回复。

### 2\. 队列

队列把 WhatsApp 的投递时机和你的处理时间解耦。它还让你可以限制并发，以匹配推理服务的限制。BroadNet 按量付费密钥每分钟允许 30 个请求，同时最多 4 个，所以一个遇到 429 会重试的小型 worker 池是合适的结构。参见[错误与重试](https://broadrouter.com/zh/guides/errors-and-retries/)和[如何处理 429 速率限制](https://broadrouter.com/zh/blog/handle-llm-api-429-rate-limits/)。

### 3\. Worker：语音消息转文字

对于语音消息，webhook 会给你一个 `audio` 对象，其中包含媒体 `id`、`audio/ogg; codecs=opus` 这样的 `mime_type`，以及表示在 WhatsApp 中录制的 `voice: true`。Worker 用媒体 id 发起 GET 请求获得下载 URL，用你的访问令牌下载文件，然后转换并转写。BroadNet 的端点接受 WAV 或 MP3，所以要先转换：

```python
import os, subprocess, tempfile
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

def transcribe_voice_note(ogg_bytes: bytes) -> str:
    with tempfile.TemporaryDirectory() as d:
        src, wav = os.path.join(d, "in.ogg"), os.path.join(d, "in.wav")
        open(src, "wb").write(ogg_bytes)
        subprocess.run(["ffmpeg", "-y", "-loglevel", "error", "-i", src,
                        "-ar", "16000", "-ac", "1", wav], check=True)
        with open(wav, "rb") as audio:
            return client.audio.transcriptions.create(
                model="broadnet/cohere-transcribe-arabic",
                file=audio,
                language="ar",   # without it, Arabic can come back in Latin letters
            ).text
```

临时目录在调用结束后就会消失，音频不会留在你的磁盘上。[WhatsApp 语音消息指南](https://broadrouter.com/zh/guides/transcribe-whatsapp-voice-notes/)里有处理导出聊天记录的批量版本，[阿拉伯语语音转文字指南](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)介绍了格式和限制。文件必须小于 26,214,400 字节（25 MiB）；普通语音消息远低于这个大小。

### 3b. Worker：起草回复

把转写文本当作打字消息一样处理，但要告诉模型它来自语音，因为转写文本没有标点，还可能有识别错误：

```python
SYSTEM = """You are the WhatsApp assistant of a clinic in Dubai.
Customers write or speak in Gulf Arabic, other dialects, MSA, English or Arabizi.
Reply in simple Modern Standard Arabic unless the customer used English.
Keep replies under 60 words. Plain text only: no links, no markdown.
You can: answer opening hours, explain how to book, collect name and preferred time.
If the message is a complaint, medical question or you are unsure, reply that a
staff member will follow up, and set handover=true."""

def draft_reply(history: list[dict], text: str, from_voice: bool) -> str:
    note = "(transcribed voice note, may contain errors) " if from_voice else ""
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=1500,
        messages=[{"role": "system", "content": SYSTEM}, *history[-10:],
                  {"role": "user", "content": note + text}],
    )
    return r.choices[0].message.content
```

做路由时，让模型返回[结构化输出](https://broadrouter.com/zh/glossary/structured-output/)（`intent`、`handover`、`reply`），而不是自由文本，再根据字段采取行动；免费的 [JSON schema 生成器](https://broadrouter.com/tools/json-schema-generator/)可以根据一条示例回复写出 schema。在 BroadNet 的测试中，[Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) 能理解海湾和埃及方言，并能写出流畅的阿拉伯语；[DeepSeek V4.1 Flash](https://broadrouter.com/zh/models/deepseek-v4.1-flash/) 每 token 更便宜，也是 BroadNet 不限量套餐所用的模型。两者都会先思考再作答，所以要在 `max_tokens` 里留出空间。方言处理在[用大模型处理海湾、埃及和黎凡特阿拉伯语](https://broadrouter.com/zh/blog/arabic-llm-gulf-egyptian-dialects/)中有深入介绍。

### 4\. 发送器

回复通过 Cloud API 中你的电话号码 id 对应的 messages 端点发出。对话式回复用纯文本发送。WhatsApp 的格式（粗体、列表）能正常显示，但 Markdown 表格和标题不能，所以要告诉模型不要生成它们。

### 5\. 存储

保存对话状态（对大多数客服机器人来说，最近十轮就足够了）、客户的选择接收状态，以及记录机器人发了什么、为什么发的审计日志。不要存储超出需要的内容：语音消息的转写文本经常包含姓名、地址和健康信息。

## 聊天机器人要遵守哪些 WhatsApp 政策规则？

WhatsApp 对企业的使用方式要求很严，这些规则保护你的号码，也保护你的客户。上线前请阅读 [WhatsApp 商业消息政策](https://whatsappbusiness.com/policy/)。实际操作中：

1.  \*\*先取得同意。\*\*该政策只允许你联系那些把号码给了你、并选择在 WhatsApp 上接收你消息的人。客户主动给你发消息，并不等于同意接收营销信息。
2.  \*\*不发未经请求的消息。\*\*政策写道：“Do not confuse, deceive, defraud, mislead, spam, or surprise people with your communications.”（译文：不要用你的消息迷惑、欺骗、诈骗、误导、骚扰或惊扰他人。）绝不要给没有联系过你、也没有选择接收的人发送第一条消息。
3.  \*\*遵守 24 小时客服窗口。\*\*在客户最后一条消息后的 24 小时内，可以发送自由格式的回复。窗口之外，只能发送已审核通过的消息模板。
4.  \*\*提供人工服务。\*\*24 小时窗口内允许自动回复，但政策要求提供通往真人的 “prompt, clear, and direct escalation paths”（译文：及时、清晰、直接的升级途径）。
5.  \*\*尊重退订。\*\*政策规定，你必须尊重每一个屏蔽、停止或退订的请求。把“stop”或“توقف”视为退订。

还有一条规则是我们自己的，不是 Meta 的：\*\*给新联系人的第一条回复要朴素。\*\*简短、纯文本、不带 URL 的回复最安全。来自陌生企业、满是链接的消息在用户看来就像垃圾信息，用户可以屏蔽并举报你。等客户主动要的时候，再发链接。

## 运行一个阿拉伯语 WhatsApp 机器人要花多少钱？

语音转文字按音频分钟计费。使用 BroadNet Transcribe Arabic：

| 用量 | 费用 |
| --- | --- |
| 一分钟语音消息 | $0.0042 |
| 一小时语音消息 | $0.25 |
| 10,000 条 30 秒的语音消息 | $21.00 |

大模型回复在按量付费模式下按 token 计费：每百万 token，Qwen3.8 27B 输入 $0.175、输出 $2.17，DeepSeek V4.1 Flash 输入 $0.175、输出 $0.52。一条带十轮历史的客服回复（含思考）只有几千个 token，所以单条回复的费用只是上面每百万 token 价格的千分之几。把你的消息量填进免费的[大模型 API 费用计算器](https://broadrouter.com/tools/llm-api-cost-calculator/)，就能得到月度费用。如果机器人全天在 DeepSeek V4.1 Flash 上运行，可以和[价格页面](https://broadrouter.com/zh/pricing/)上 $60 的 Full Moon 套餐比较一下。

## 怎么保护语音消息的隐私？

语音消息是企业处理的最私密的数据之一。BroadNet Inference 在请求结束后不保留音频、提示词或转写文本（参见[零数据保留](https://broadrouter.com/zh/privacy/)），但这只覆盖推理这一步。你需要决定自己的队列、日志和数据库保留转写文本多久，并在处理完后删除媒体文件。

## 上线检查清单

-   已验证 webhook 签名，处理之前先返回 200。
-   以 WhatsApp 消息 id 实现幂等。
-   语音消息已转换为 WAV，并用 `language=ar` 转写。
-   Worker 池大小与速率限制匹配，遇到 429 会退避。
-   系统提示词设定了方言、语体、长度和“不带链接”。
-   转人工的路径已经测试过。
-   已记录同意状态；不发未经请求的消息；24 小时窗口之外只用模板。
-   定期删除转写文本。

如果你只需要把语音消息变成工单，而不需要会回复的机器人，[面向企业的语音消息转文字](https://broadrouter.com/zh/blog/voice-notes-to-text-for-business/)介绍了那条更简单的流水线。

相关免费工具（英文）

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[Token（词元）](https://broadrouter.com/zh/glossary/token/)

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[按量付费（pay-as-you-go）](https://broadrouter.com/zh/glossary/pay-as-you-go/)

按量付费是一种计价模式：你只为实际用量付费，按 token、请求次数或音频分钟等单位计量，没有订阅费，也没有最低消费承诺。大多数大模型 API 都这样计费，从预付余额中扣减或定期开具账单。

[速率限制（rate limit）](https://broadrouter.com/zh/glossary/rate-limit/)

速率限制是 API 对客户端在一个时间窗口内的使用量设定的上限，例如每分钟请求数或每分钟 token 数。超出限制的请求会被拒绝，通常返回 HTTP 429 Too Many Requests，直到用量回落到限制以下。

[工具调用（tool calling / function calling）](https://broadrouter.com/zh/glossary/tool-calling/)

工具调用（也叫函数调用，function calling）是大模型 API 的一项功能：模型返回一个结构化请求，要求执行开发者定义的某个函数，并附上 JSON 参数。应用执行该函数并把结果发回；模型自己从不执行代码。

[语音转文字（speech-to-text）](https://broadrouter.com/zh/glossary/speech-to-text/)

语音转文字，也叫自动语音识别（ASR），是把口语音频转换成书面文字的技术。语音转文字 API 接收音频文件或音频流并返回转写文本，通常按音频分钟计价。准确率用词错误率衡量，会随口音、方言和录音质量变化。

[WAV](https://broadrouter.com/zh/glossary/wav/)

WAV（Waveform Audio File Format，又称 WAVE）是建立在微软与 IBM 的 RIFF 格式之上的音频容器。它通常存放未压缩的线性 PCM 样本，因此大小可以预测：每秒字节数 = 采样率 × 每样本字节数 × 声道数。

[阿拉伯语方言（dialectal Arabic）](https://broadrouter.com/zh/glossary/dialectal-arabic/)

阿拉伯语方言是某个地区或城市日常使用的口语阿拉伯语，例如埃及、海湾、黎凡特或马格里布阿拉伯语。方言在语音、词汇和语法上都不同于现代标准阿拉伯语，没有标准拼写，而且越来越多地出现在网络文字中，这让语言模型更难处理。

[并发（concurrency）](https://broadrouter.com/zh/glossary/concurrency/)

并发（concurrency）是客户端在同一时刻正在进行中的请求数。大模型 API 往往按密钥或套餐单独限制并发，与每分钟请求数分开计算，因为每个未完成的请求在响应结束前都会占用 GPU 资源。

## 常见问题

### 可以给从没联系过我的客户发消息吗？

只有在对方选择接收你企业的消息时才可以，而且只能用已审核通过的消息模板。未经请求的消息违反 WhatsApp 的政策，可能导致你的号码被限制。

### 为什么转写之前要先转换语音消息？

WhatsApp 语音消息是 Ogg/Opus 文件，而 BroadNet 的转写端点接受 WAV 或 MP3。一条 ffmpeg 命令就能把它们转成 16 kHz 单声道 WAV。

### 该用哪个大模型来起草回复？

用你自己的消息测试。BroadNet 报告，在其测试中 Qwen3.8 27B 能理解海湾和埃及方言，并能写出流畅的阿拉伯语；DeepSeek V4.1 Flash 每 token 更便宜，而且可以用固定价格套餐。

### WhatsApp 机器人在多长时间内可以不用模板回复？

在客户最后一条消息之后的 24 小时客服窗口内，你可以发送自由格式的回复。窗口之外，WhatsApp 商业消息政策只允许发送已审核通过的消息模板。

### WhatsApp 聊天机器人需要转人工吗？

需要。该政策允许自动化，但要求提供及时、清晰、直接的升级途径，比如在聊天中转给人工客服、电话号码、电子邮件或支持表单。

### BroadNet 会保留语音消息吗？

不会。BroadNet Inference 只为该请求处理音频和转写文本，不予保留。你自己的服务器和 WhatsApp 仍然保存着副本，所以那边也要规划保留期限。

## 继续阅读

-   [用大模型做阿拉伯语文本分类：情感、意图与工单分派](https://broadrouter.com/zh/blog/arabic-text-classification-llm/)
-   [企业语音消息转文字：把 WhatsApp 和 Telegram 语音变成工单](https://broadrouter.com/zh/blog/voice-notes-to-text-for-business/)
-   [海湾、埃及和黎凡特阿拉伯语：大模型如何处理方言](https://broadrouter.com/zh/blog/arabic-llm-gulf-egyptian-dialects/)
-   [阿拉伯语提示词工程：语体、RTL、数字与中英混排](https://broadrouter.com/zh/blog/arabic-prompt-engineering/)
-   [Arabizi 与大模型：处理用 3、7 等数字书写的拉丁化阿拉伯语](https://broadrouter.com/zh/blog/arabizi-llm-handling/)
-   [大模型 API 报 429 错误怎么办：退避、抖动与并发限制](https://broadrouter.com/zh/blog/handle-llm-api-429-rate-limits/)
-   [用大模型给阿拉伯语加注音符号：提示词、校验与 DER](https://broadrouter.com/zh/blog/arabic-diacritization-llm/)
-   [用大模型做阿拉伯语语法和拼写纠错：实操指南](https://broadrouter.com/zh/blog/arabic-grammar-spelling-correction-llm/)
-   [指南：用 API 把 WhatsApp 语音消息转成文字](https://broadrouter.com/zh/guides/transcribe-whatsapp-voice-notes/)
-   [指南：阿拉伯语语音转文字 API 分步教程](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)
-   [指南：BroadNet Inference 错误码，以及什么时候该重试](https://broadrouter.com/zh/guides/errors-and-retries/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-whatsapp-chatbot-architecture&utm_content=page-cta) ·

**来源**

-   [Meta，WhatsApp Cloud API：创建 webhook 端点（X-Hub-Signature-256，重试 7 天；2026-11-14 查阅）](https://developers.facebook.com/documentation/business-messaging/whatsapp/webhooks/create-webhook-endpoint)
-   [Meta，WhatsApp Cloud API webhook 参考：音频消息（2026-11-14 查阅）](https://developers.facebook.com/documentation/business-messaging/whatsapp/webhooks/reference/messages/audio)
-   [WhatsApp Business Messaging Policy（WhatsApp 商业消息政策；2026-11-14 查阅）](https://whatsappbusiness.com/policy/)
-   [BroadNet Inference API 参考：转写与 ffmpeg 转换（2026-11-14 查阅）（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-whatsapp-chatbot-architecture&utm_content=sources)
-   [BroadNet Inference 机器可读价格 pricing.json（2026-11-14 查阅）（英文）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-whatsapp-chatbot-architecture&utm_content=sources)
