Trascrizione Vocale con la WhatsApp Business API: luglio 2026

Hai consultato due volte la documentazione della WhatsApp Business API, cercando l'endpoint che trasforma una nota vocale in entrata in testo. Non c'è. Non c'è mai stato. Non è una svista nella tua lettura - è il singolo fatto più importante sulla trascrizione vocale con la WhatsApp Business API, e quasi nulla di ciò che è scritto sull'argomento lo dice chiaramente.

Ecco cosa ti offre davvero la piattaforma, cosa trattiene in silenzio, e le due trappole che rompono silenziosamente i messaggi vocali per i team che non le conoscono.

Ultima verifica a luglio 2026 rispetto alla documentazione della WhatsApp Business Platform di Meta, incluse le modifiche rilasciate a marzo e giugno 2026.

La Risposta Breve

Non esiste alcun endpoint della WhatsApp Business Platform che trascriva un messaggio vocale in entrata. Né nella Cloud API, né nell'On-Premises API. Quando un cliente invia alla tua azienda una nota vocale, il webhook ti consegna un media ID. Chiami l'endpoint media, scarichi un file audio, e da quel punto sei completamente da solo.

Trasformare quell'audio in testo è un problema che devi risolvere tu, con il servizio speech-to-text che preferisci e a tue spese.

Le trascrizioni che gli utenti WhatsApp vedono nelle loro chat esistono davvero - ma sono generate sul telefono del destinatario e non lo lasciano mai. Non vengono trasmesse a WhatsApp, e di certo non vengono trasmesse a te. Anche se un agente umano del tuo team legge una trascrizione dentro l'app WhatsApp Business, quel testo è bloccato su quell'unico telefono. Non c'è alcuna API che te lo consegni.

Per il lato non tecnico - configurazione, lingue, risoluzione dei problemi - consulta le nostre domande frequenti sulla trascrizione di WhatsApp Business.

L'Ironia: Meta Trascrive una Chiamata, ma Non una Nota Vocale

È qui che la piattaforma diventa davvero strana.

Il 30 giugno 2026, Meta ha rilasciato la trascrizione delle chiamate per la WhatsApp Business Calling API. Non è una funzione simbolica. Rileva automaticamente la lingua parlata tra circa 54 lingue, separa chi parla per l'azienda dal cliente, e restituisce tempistiche a livello di parola con punteggi di affidabilità per ogni parola come JSON strutturato.

Nel frattempo, le trascrizioni dei messaggi vocali su Android supportano ancora quattro lingue: inglese, portoghese, spagnolo e russo. Invariate da novembre 2024. Abbiamo analizzato in dettaglio quali lingue supporta davvero la trascrizione di WhatsApp se hai bisogno del quadro completo per ogni piattaforma.

Quindi la piattaforma può trascrivere tamil, swahili, vietnamita e urdu - in una telefonata. Semplicemente non lo fa per la nota vocale che il tuo cliente ti ha inviato trenta secondi prima. Qualunque sia il motivo, la conseguenza pratica per te è semplice: il motore esiste, e non puoi puntarlo alle tue note vocali.

Come funziona davvero la trascrizione delle chiamate

• Attivi il consenso per ogni chiamata passando un oggetto transcription quando avvii o accetti la chiamata. Non è attivo per impostazione predefinita.
• Il consenso è obbligatorio e udibile. Meta inserisce un annuncio parlato in entrambi i flussi audio prima che la trascrizione inizi, e devi fornire uno scopo dichiarato. Non puoi trascrivere una chiamata in silenzio.
• La consegna è asincrona. Ricevi un webhook con un media ID, poi scarichi la trascrizione JSON.
• Hai sette giorni. Dopo di che la trascrizione non è più scaricabile. Se hai bisogno di conservarla, devi recuperarla e archiviarla tu stesso, tempestivamente.
• Al momento è gratuita, con la documentazione di Meta che afferma che è previsto un prezzo separato ma non ancora datato. Non costruire un business case sul fatto che il prezzo resti zero.

Due Trappole che Rompono Silenziosamente i Messaggi Vocali

Trappola 1: deve essere .ogg con il codec OPUS

Da ottobre 2025 puoi inviare l'audio come un vero messaggio vocale - forma d'onda, pulsante di riproduzione, il tutto - invece che come allegato. Ma c'è un requisito rigido nascosto nella documentazione.

I messaggi vocali devono essere file .ogg codificati con il codec OPUS. La documentazione di Meta è inequivocabile: "Se invii un tipo di file diverso o un file codificato con un codec diverso, la trascrizione del messaggio vocale fallirà."

Ciò che lo rende insidioso è la modalità di fallimento. Non c'è alcun errore e nessun avviso - il messaggio viene inviato, si riproduce, e la trascrizione semplicemente non appare mai. I team perdono giorni su questo, spulciando la loro gestione dei webhook quando il vero bug è una riga nel loro passaggio di codifica.

Trappola 2: decide il destinatario, non tu

Anche con un file OPUS codificato alla perfezione, non controlli se una trascrizione appare. Lo fa il destinatario. Ogni utente WhatsApp imposta le trascrizioni dei messaggi vocali su uno di tre stati:

• Automatica - la trascrizione testuale appare con il messaggio.
• Manuale - vedono un'opzione "Trascrivi" e scelgono se usarla.
• Mai - non appare mai alcun testo.

Non c'è alcun parametro API che lo sovrascriva, e nessun modo di sapere quale impostazione ha un determinato utente. Se l'esperienza del tuo prodotto dipende dal fatto che il cliente legga una trascrizione del tuo messaggio vocale, tieni presente che stai dipendendo da un'impostazione che non puoi vedere e non puoi cambiare. Progetta di conseguenza - se il contenuto è importante, invia del testo.

Cosa È Arrivato Davvero nel 2026

Il webhook "riprodotto"

Dal 17 marzo 2026, i messaggi vocali inviati da un'azienda ricevono un webhook di stato "riprodotto" la prima volta che il destinatario li riproduce. Fino a ora, "consegnato" e "letto" erano la fine della storia, e una conferma di lettura su un messaggio vocale diceva ben poco.

Questo è un segnale davvero utile. È la prima volta che puoi distinguere un messaggio vocale che è stato semplicemente consegnato da uno che è stato effettivamente ascoltato - che è l'unica cosa che volevi davvero sapere.

La segreteria arriva come un normale messaggio audio

La segreteria telefonica ha raggiunto la disponibilità generale il 25 giugno 2026. Il dettaglio che vale la pena assimilare è come viene consegnata: i messaggi in segreteria arrivano attraverso il webhook messages come messaggi audio in entrata.

Il che significa che finiscono esattamente nella stessa posizione di ogni altra nota vocale - come un media ID che punta a un file audio, senza alcuna trascrizione allegata. Le tue chiamate perse ora generano altro audio che devi trascrivere tu stesso.

Quindi Cosa Costruisci Davvero?

Togli il dettaglio e l'architettura è obbligata. Per qualsiasi nota vocale in entrata, ricevi un media ID, scarichi l'audio, e porti il tuo speech-to-text. Non c'è alcun percorso supportato che lo aggiri.

Questo ti lascia una vera decisione, ed è meglio prenderla deliberatamente piuttosto che per inerzia:

Costruiscila. Collega l'endpoint media a un fornitore speech-to-text. Sarai proprietario della pipeline, dei tentativi ripetuti, dell'archiviazione dell'audio e della sua politica di conservazione, dei costi al minuto, e della perenne questione della precisione su audio del mondo reale registrato in furgoni e bar. Ragionevole se la trascrizione è centrale per il tuo prodotto e vuoi il controllo sul modello.

Non costruirla. Se ti serve solo che il tuo team legga cosa hanno detto i clienti, mettere in piedi e mantenere una pipeline di trascrizione è un sacco di ingegneria per reinventare qualcosa che esiste già. Inoltrare le note vocali a un servizio di trascrizione ti dà il testo nella chat, in oltre 50 lingue, senza infrastruttura e senza audio da archiviare e proteggere.

Sii onesto su quale problema hai. Molti team hanno costruito la pipeline perché il silenzio dell'API l'ha fatta sembrare obbligatoria - non perché la trascrizione fosse mai la cosa in cui volevano eccellere.

Usi l'app WhatsApp Business invece dell'API? Prodotto diverso, regole diverse - la trascrizione vive sul tuo telefono e la configurazione è un'opzione nelle impostazioni. Consulta invece la nostra guida per trascrivere i messaggi vocali di WhatsApp Business.

Fonti

Verificato rispetto alla documentazione primaria di Meta a luglio 2026.

• Meta for Developers - Messaggi audio - il requisito .ogg/OPUS, l'impostazione Automatica/Manuale/Mai del destinatario, e il webhook di stato "riprodotto" dal 17 marzo 2026.
• Meta for Developers - Trascrizione delle chiamate - il flusso di attivazione del consenso, l'annuncio di consenso obbligatorio, la struttura della trascrizione JSON, la copertura linguistica e la finestra di download di sette giorni.
• Centro Assistenza WhatsApp - Informazioni sulle trascrizioni dei messaggi vocali - il comportamento sul dispositivo, lato destinatario, e l'elenco delle lingue Android.

Domande Frequenti

Esiste un endpoint della WhatsApp Cloud API che trascrive una nota vocale in entrata? No. A luglio 2026, nessun endpoint della WhatsApp Business Platform restituisce la trascrizione di un messaggio vocale in entrata. Ricevi un media ID, scarichi l'audio, e la trascrizione è tua da risolvere.

Un'azienda può vedere la trascrizione di un messaggio vocale ricevuto? Non tramite l'API. Le trascrizioni sono generate sul dispositivo del destinatario e non lo lasciano mai. Anche quando il tuo agente ne legge una nell'app WhatsApp Business, quel testo resta su quel telefono.

Perché il mio messaggio vocale WhatsApp non mostra mai una trascrizione? Quasi sempre una di due cose. O il file non è .ogg codificato con OPUS - nel qual caso la trascrizione fallisce silenziosamente - oppure il destinatario ha impostato le trascrizioni dei messaggi vocali su Manuale o Mai, cosa che non puoi vedere né sovrascrivere.

La WhatsApp Business Calling API supporta la trascrizione? Sì, dal 30 giugno 2026. Attivi il consenso per ogni chiamata, entrambe le parti sentono un annuncio obbligatorio, e ottieni JSON con separazione dei parlanti, tempistiche a livello di parola e punteggi di affidabilità tra circa 54 lingue rilevate automaticamente. La trascrizione è scaricabile per sette giorni. Trascrive le chiamate, non le note vocali.

La trascrizione delle chiamate è gratuita? Lo è al momento. La documentazione di Meta afferma che è previsto un prezzo separato, senza data di lancio indicata. Considera il prezzo attuale come temporaneo.