Como transcrever áudio do WhatsApp com IA e guardar o texto no CRM

Quem atende pelo WhatsApp conhece a cena: o cliente manda um áudio de um minuto e meio, o atendente está em reunião, ou o vendedor precisa repassar o que foi dito para o orçamentista. Ouvir de novo, anotar, resumir. Quando isso acontece dezenas de vezes por dia, o áudio vira gargalo.

Transcrever resolve de duas formas: quem lê entende em dez segundos, e o texto vira dado, que dá para buscar, resumir e usar numa automação. Se o seu interesse é saber quando responder por áudio, vá para áudio no WhatsApp de vendas. Aqui o assunto é o áudio que o cliente envia, e ler o que ele disse sem pedir que repita é parte do atendimento humanizado no WhatsApp.

Quais são os três jeitos de transcrever um áudio?

O recurso do próprio WhatsApp resolve para quem lê no celular. A cópia manual quebra o galho em volume baixo. O fluxo automático é o único que leva o texto para o CRM sem trabalho do atendente.

Como usar a transcrição que já vem no WhatsApp?

O WhatsApp anunciou a transcrição de mensagens de voz em 21 de novembro de 2024. O texto é gerado no aparelho, então, segundo o próprio WhatsApp, ninguém mais, nem a empresa dona do aplicativo, consegue ouvir ou ler a mensagem por esse recurso.

1. 1
   Ative o recurso

   Nas configurações, em Conversas, procure a opção de transcrição de mensagens de voz (no anúncio, “Voice message transcripts”; o nome em português pode variar por versão). Ali também se escolhe o idioma.

2. 2
   Confira se o seu idioma está disponível

   O anúncio fala em lançamento em alguns idiomas, com mais idiomas nos meses seguintes. A lista atualizada fica na Central de Ajuda do WhatsApp; confira lá antes de contar com o recurso para o português.

3. 3
   Transcreva um áudio específico

   Segundo o anúncio, é só manter o dedo na mensagem de voz e tocar em transcrever.

Como funciona o fluxo automático com a API oficial?

Quando o número usa a API oficial, o webhook avisa a empresa de que chegou um áudio e informa o identificador da mídia. Um fluxo busca o arquivo, envia para um serviço de transcrição e grava o texto no CRM. O DataCrazy conecta a API oficial do WhatsApp; a AD PRO, parceira Premier e implementadora do DataCrazy, monta o resto via webhook, API ou n8n.

1. 1
   O webhook entrega o aviso do áudio

   A mensagem recebida traz o identificador da mídia. O fluxo reconhece que o tipo é áudio e guarda o telefone do contato.

2. 2
   O fluxo pede o endereço do arquivo

   Com o identificador e o token de acesso, o fluxo consulta a API da Meta e recebe o endereço de download. Esse endereço expira em 5 minutos, então o fluxo precisa baixar logo em seguida.

3. 3
   O fluxo baixa o arquivo

   O download exige o mesmo token. Sem ele, o pedido falha. O identificador de mídia de mensagens recebidas só fica disponível para download por 7 dias, de acordo com a documentação da Meta; por isso a transcrição deve ser imediata, não em lote semanal.

4. 4
   A IA transcreve

   O arquivo vai para o serviço de transcrição escolhido. O texto volta com o conteúdo do áudio.

5. 5
   O texto vai para o CRM

   O fluxo grava a transcrição como nota no cartão do cliente e, se quiser, pede um resumo de uma linha e a próxima ação.

6. 6
   O atendente é avisado

   A conversa mostra o texto, e a automação por etapa avisa quem atende. Se a IA detectar urgência ou irritação, a conversa vai direto para uma pessoa.

O custo e a escolha do serviço de transcrição dependem do volume e do idioma; a AD PRO ajuda a comparar na implementação. Para o lado de IA que lê o histórico depois, veja resumir conversa do WhatsApp com IA.

Como fica com uma empresa fictícia?

A Oficina Torque Certo, inventada para este texto, recebe muitos áudios de clientes descrevendo barulhos no carro. O orçamentista não consegue ouvir tudo e perguntava de novo o que já tinha sido dito.

1. Cliente grava 1 minuto e 20 segundos: “o carro faz um barulho na frente quando eu viro à direita, só de manhã”.
2. O fluxo transcreve em segundos e grava a nota no cartão, com modelo do carro vindo do cadastro.
3. A IA resume em uma linha: “barulho na suspensão dianteira ao virar à direita, só de manhã, a frio”.
4. O orçamentista lê, responde com perguntas objetivas e agenda a avaliação, sem pedir que o cliente repita.

Que formato de nota fica melhor no CRM?

Uma nota com campos fixos é mais útil do que um bloco de texto. Quem lê o cartão semanas depois encontra o essencial em segundos e os números e nomes aparecem destacados.

ÁUDIO DO CLIENTE (transcrito automaticamente)
Data e hora: [data] às [hora]
Duração: [minutos e segundos]

RESUMO EM UMA LINHA
[o que o cliente quer ou relata]

DADOS CITADOS (conferir com o cliente)
- Nomes: [ ]
- Valores e quantidades: [ ]
- Datas e prazos: [ ]
- Endereço: [ ]

PRÓXIMA AÇÃO
[quem faz o quê e até quando]

TEXTO COMPLETO
[transcrição integral]

AVISO
Transcrição automática. Confirme valores, nomes e endereços por texto antes de agir.

Como evitar erro de transcrição em nome, valor e endereço?

Trate a transcrição como rascunho. Ela erra mais em nomes próprios, números e áudios com ruído. A regra é simples: dado que gera dinheiro ou entrega se confirma por texto com o cliente antes de ser usado.

• Repita o dado crítico: “Entendi que são 12 unidades para o dia 15, está certo?”.
• Destaque números, nomes e endereços em campo próprio da nota, para o atendente conferir.
• Marque áudios longos ou com ruído para revisão humana antes de qualquer resposta que dependa deles.
• Em áudios de reclamação ou assunto sensível, o atendente ouve o áudio original, além de ler o texto.
• Peça ao cliente, quando fizer sentido, que confirme por texto o endereço e os valores.

O áudio do cliente é dado pessoal? O que fazer com a LGPD?

O áudio contém a voz e, muitas vezes, nome, endereço e outros dados da pessoa, então segue as regras da LGPD. Informe no aviso de privacidade que as mensagens podem ser transcritas, use só para atender e limite quem acessa.

• Diga no aviso de privacidade que mensagens de voz podem ser transcritas por ferramentas automáticas e para qual finalidade.
• Guarde o texto só pelo tempo necessário para o atendimento e para o histórico combinado com o cliente.
• Evite enviar o áudio a serviços sem contrato e sem política clara de tratamento de dados.
• Restrinja quem acessa as notas com dados sensíveis, como saúde ou financeiro.

O guia sobre IA e LGPD no atendimento detalha as perguntas que o jurídico costuma fazer. Para orientação sobre o seu caso, consulte um profissional de proteção de dados.

Vale transcrever todo áudio que chega?

Em atendimento e vendas com volume, vale. Em canal de poucos contatos, o ganho é pequeno. Um filtro simples ajuda: não transcrever áudios muito curtos, como “ok” ou “bom dia”, e transcrever o que passa de dez segundos.