Cómo transcribir notas de voz con IA en n8n y responderlas solo (Telegram y WhatsApp)

Cada vez más clientes prefieren mandar audios en lugar de escribir. Para un negocio pequeño es un problema: no siempre puedes escucharlos al momento, y un chatbot normal solo entiende texto, así que los audios se quedan sin respuesta.

En esta guía montarás en n8n un flujo que recibe la nota de voz, la convierte en texto con IA y se la pasa a tu agente para que conteste por escrito. Lo haremos con Telegram, que es lo más fácil para probar, y al final verás cómo llevarlo a WhatsApp.

Qué vas a construir

Un flujo de cinco piezas:

Telegram Trigger: recibe cada mensaje que llega a tu bot.
IF: comprueba si el mensaje es un audio o un texto.
Telegram (descargar archivo): baja el audio de los servidores de Telegram.
OpenAI (transcribir): convierte el audio en texto.
AI Agent + respuesta: el agente lee el texto y responde al cliente.

Si todavía no tienes un bot de Telegram conectado a n8n, empieza por la guía del bot de Telegram con IA y vuelve aquí.

Paso 1: distingue audios de textos

Tras el Telegram Trigger, añade un nodo IF. La condición es sencilla: comprobar si existe el campo message.voice.file_id. Ese campo solo aparece cuando el cliente manda una nota de voz.

Rama verdadera: es un audio, sigue con los pasos 2 y 3.
Rama falsa: es un texto normal, pásalo directamente al agente.

Así un mismo bot entiende las dos cosas.

Paso 2: descarga el audio

En la rama del audio, añade un nodo Telegram con el recurso File y la operación Get. En File ID pon la expresión que apunta a message.voice.file_id y deja activada la opción Download. El nodo devolverá el audio como archivo (en n8n se llama dato binario), listo para el siguiente paso.

Ten en cuenta que Telegram limita el tamaño de los archivos que un bot puede descargar. Para notas de voz normales no es problema; para audios muy largos, pide al cliente que los parta.

Paso 3: conviértelo en texto con IA

Añade el nodo OpenAI, elige el recurso Audio y la operación Transcribe a Recording. Conecta tus credenciales de OpenAI y, en el campo del archivo, indica el nombre del dato binario que viene del paso anterior (normalmente data).

Opcionalmente, indica el idioma del audio. Si todos tus clientes hablan español, fijarlo ayuda a que la transcripción salga más limpia.

El resultado es un campo de texto con lo que ha dicho el cliente. A partir de aquí, el audio es un mensaje escrito más.

Paso 4: que el agente conteste

Une las dos ramas (la del texto y la del audio ya transcrito) en un nodo AI Agent. Lo más cómodo es añadir antes un nodo Edit Fields (Set) en cada rama que deje el mensaje en un campo con el mismo nombre, por ejemplo texto. Así el agente siempre lee del mismo sitio.

En el agente conecta tu modelo, una memoria para que recuerde la conversación (usa el ID del chat como clave) y unas instrucciones claras. Si quieres un buen punto de partida, mira el prompt para un agente de atención al cliente.

Un consejo para las instrucciones: añade algo como «El mensaje puede venir de una nota de voz transcrita automáticamente y contener pequeños errores; si algo no se entiende, pide al cliente que lo aclare en lugar de suponer». Evita respuestas equivocadas por una palabra mal transcrita.

Termina con un nodo Telegram (Send Message) que responda al mismo chat con el texto del agente.

Y en WhatsApp

La idea es la misma con la API oficial de WhatsApp. Cuando un cliente manda un audio, el mensaje trae el ID del archivo en lugar del texto. Con el nodo WhatsApp Business Cloud y su recurso de Media obtienes y descargas ese archivo, y desde ahí sigues igual: transcribir con OpenAI, agente y respuesta.

Si aún no has conectado WhatsApp, tienes la guía para conectar la API de WhatsApp Cloud a n8n y la del agente de WhatsApp con IA.

Coste y privacidad

Coste: la transcripción se cobra por minuto de audio. Las notas de voz suelen ser cortas, así que el gasto es pequeño, pero revisa los precios actuales en la web de tu proveedor.
Privacidad: los audios pueden contener datos personales. Informa a tus clientes en tu política de privacidad de que usas un servicio externo para procesar los mensajes y no guardes los audios más tiempo del necesario.
Errores: activa Retry On Fail en el nodo de OpenAI y monta un aviso por si algo falla, como explicamos en errores en n8n: avisos y reintentos.

Ideas para ampliarlo

Notas de voz propias: mándate un audio con una idea o una tarea y que n8n la guarde en una hoja o la convierta en tareas, como en de reunión a tareas.
Resumen diario de los audios recibidos con el informe diario con IA.
Pasar a una persona cuando el audio trate algo delicado, siguiendo la guía de derivar a un humano.

Empieza con plantillas listas

Si quieres ahorrarte la configuración, descarga gratis el agente de WhatsApp o mira el pack AgentKiosk con 8 agentes listos para importar en n8n.