Transcribe WhatsApp Audio: Catatan Suara Jadi Teks PDF (2026)

Apa yang sebenarnya dimaksud "transcribe WhatsApp audio" (dan mengapa lebih rumit dari kedengarannya)

Orang menggunakan frasa "transcribe WhatsApp audio" untuk setidaknya tiga hal yang berbeda. Sebagian ingin mentranskripsikan panggilan suara langsung — yang tidak diekspos WhatsApp melalui API developer mana pun dan secara teknis adalah kategori produk terpisah dari yang saya jelaskan di sini. Sebagian lagi ingin mengubah file audio yang mereka simpan dari WhatsApp menjadi teks, memperlakukan file .opus sebagai input mandiri. Dan sebagian lagi — kelompok terbesar — ingin setiap catatan suara dalam chat WhatsApp yang diekspor dikonversi menjadi teks yang bisa dibaca sehingga seluruh percakapan masuk akal sebagai sebuah dokumen.

ChatToPDF dibangun untuk kasus penggunaan ketiga itu. Masalah yang dipecahkannya spesifik: Anda mengekspor chat WhatsApp yang berisi pesan teks dan catatan suara, dan yang Anda terima kembali dari WhatsApp adalah ZIP berisi _chat.txt dan folder file media. File _chat.txt memiliki baris seperti <attached: 00000012-AUDIO-2024-03-15-09-22-31.opus> di mana catatan suara seharusnya berada. Tidak ada yang mengubahnya menjadi teks yang bisa dibaca kecuali Anda membangun sesuatu untuk itu.

Inilah bagian yang tidak ada yang beritahukan: bahkan ketika orang menemukan alat transkripsi, mereka sering menghadapi masalah struktural. Alat yang menangani file audio generik — unggah MP3, dapatkan teks kembali — tidak tahu di mana dalam percakapan audio itu termasuk. Mereka mentranskripsikan file tapi kehilangan konteksnya. Anda berakhir dengan blok teks terpisah tanpa nama pengirim, tanpa cap waktu, tanpa indikasi apa yang dikatakan sebelum atau sesudahnya. Untuk keperluan hukum, catatan bisnis, atau arsip keluarga, konteks itulah yang menjadi inti masalahnya.

Yang saya bangun melakukan hal berikut (that's me, Paul — I built ChatToPDF to solve exactly this): membaca _chat.txt untuk memahami struktur percakapan, mencocokkan setiap referensi .opus ke file audio yang tepat dalam ZIP, mentranskripsikan audio, dan menyisipkan transkrip kembali pada posisi yang tepat dalam percakapan — dengan nama pengirim dan cap waktu asli tetap terjaga. Hasilnya adalah satu PDF di mana pesan teks dan transkrip catatan suara bergantian secara alami, persis seperti percakapan berlangsung.

Itulah masalah yang dibahas panduan ini.

Catatan suara bukan file — melainkan stream dalam aplikasi

Catatan suara WhatsApp tampak seperti file audio di dalam aplikasi — bilah gelombang, durasi, tombol putar — tapi tidak disimpan seperti yang kebanyakan orang harapkan. Saat Anda merekam catatan suara di WhatsApp dengan menahan tombol mikrofon, WhatsApp mengodekan audio menggunakan codec Opus dan menyimpannya sebagai file .opus di direktori privat di perangkat Anda. Direktori itu tidak dapat diakses melalui penelusuran file normal di iPhone maupun Android. Anda tidak bisa menavigasi ke sana di aplikasi Files dan menemukan catatan suara Anda di sana.

Satu-satunya cara untuk mengekstrak file .opus tersebut adalah melalui menu Ekspor Chat WhatsApp sendiri, dengan "Sertakan Media" dipilih. Saat Anda mengekspor dengan cara itu, WhatsApp mengemas log pesan _chat.txt bersama folder media — dan di sanalah file .opus muncul. Di iOS, file-file tersebut masuk ke dalam ZIP. Di Android, versi WhatsApp yang lebih lama mengekspor ke folder di penyimpanan internal; versi yang lebih baru membuat ZIP melalui share sheet, sama seperti perilaku iOS.

Opus dirancang untuk membawa suara secara efisien, tetapi sebuah ekspor tidak memiliki sample rate, bitrate, atau ukuran file yang universal. WhatsApp dapat menghasilkan file atau container berbeda menurut jenis pesan, perangkat, dan versi. Untuk pemeriksaan yang tepat, periksa file sebenarnya dengan VLC atau ffprobe; kebisingan, jarak mikrofon, dan suara yang tumpang tindih lebih memengaruhi transkripsi daripada ekstensi saja.

Karena itu routing dan peninjauan penting. ChatToPDF mengirim setiap file yang didukung ke penyedia yang sesuai tanpa menjanjikan konfigurasi audio tetap atau akurasi yang sama untuk semua rekaman.

Satu poin struktural lagi: setiap catatan suara WhatsApp adalah rekaman satu pengirim. Model push-to-talk WhatsApp berarti satu orang merekam, lalu berhenti, lalu orang lain merekam balasannya. Ini sebenarnya adalah keuntungan transkripsi — tidak seperti panggilan telepon yang direkam di mana dua suara tumpang tindih pada trek audio yang sama, setiap file .opus dalam ekspor WhatsApp milik tepat satu pengirim. ChatToPDF menggunakan metadata dari _chat.txt untuk mengaitkan setiap transkrip ke orang yang tepat, itulah cara Anda mendapatkan percakapan yang terbaca jelas bahkan ketika kedua orang bergiliran dalam catatan suara.

Cara router memilih mesin transkripsi

ChatToPDF tidak lagi bergantung pada satu mesin. Jalur saat ini memilih per catatan antara Deepgram Nova-3 dan ElevenLabs Scribe v2 berdasarkan bahasa yang didukung dan ketersediaan penyedia. Nova-3 menangani subset bahasanya; Scribe v2 memperluas registry penuh menjadi 93 bahasa dan juga dapat menjadi jalur alternatif.

Whisper mengesankan untuk model gratis, tapi saya menjalankan tes akurasi pada sekumpulan file .opus WhatsApp sungguhan dalam Bahasa Inggris, Spanyol, Hindi, dan Arab, dan menunjukkan kelemahan konsisten pada alih kode (catatan suara yang mencampur dua bahasa di tengah kalimat) dan pada aksen non-AS Inggris. Ia juga tidak menawarkan SLA komersial atau jaminan uptime, yang penting ketika pengguna berbayar sedang menunggu hasilnya.

AssemblyAI adalah opsi yang baik dan digunakan dalam prototipe awal. Jalur produksi saat ini menggabungkan Deepgram Nova-3 dan ElevenLabs Scribe v2 untuk memperluas cakupan bahasa dan menyediakan jalur alternatif berdasarkan bahasa yang didukung serta ketersediaan.

Deepgram Nova-3 tetap menjadi salah satu jalur produksi, tetapi bukan satu-satunya. Konversi $49 Premium+Voice dan $99 Power User memakai router Nova-3/Scribe v2 yang sama; perbedaannya adalah batas audio, paket output, dan prioritas antrian, bukan janji akurasi sempurna.

Di mana Nova-3 secara nyata mengungguli mesin speech-to-text yang lebih lama adalah di tiga tempat: aksen regional (Inggris Afrika Selatan, Inggris India, Portugis Brasil), kosakata teknis (nama, alamat, istilah produk yang mungkin salah didengar oleh model generik), dan audio beralih kode di mana pembicara berpindah antara bahasa dalam satu catatan suara. Itulah mode kegagalan spesifik yang memotivasi pilihan mesin. Konversi $29 Premium per chat tidak menyertakan transkripsi sama sekali — ia menyimpan catatan suara sebagai referensi placeholder dalam PDF tanpa menjalankan audio melalui model mana pun.

Pipeline bekerja seperti ini: ZIP Anda tiba di server ChatToPDF, file audio yang didukung diekstrak, lalu setiap catatan dikirim melalui HTTPS terautentikasi ke penyedia yang dipilih router: Deepgram Nova-3 atau ElevenLabs Scribe v2. Transkrip kemudian dijahit kembali ke dalam percakapan pada posisi yang tepat sebelum PDF dirender.

Satu pilihan disengaja dalam pipeline: audio .opus yang didukung tidak diproses atau dikodekan ulang sebelum transkripsi. Nova-3 dan Scribe v2 menerima Opus secara native, sehingga file sumber dapat langsung menuju penyedia terpilih tanpa konversi awal ke WAV atau MP3.

Cakupan dan akurasi pada 93 bahasa yang didukung

Registry ChatToPDF saat ini mencakup 93 bahasa; 57 berada dalam pita akurasi tinggi atau sangat baik yang dipublikasikan penyedia. Pita tersebut membantu merencanakan pemeriksaan, tetapi tidak menjamin satu rekaman tertentu. Bahasa di bawah ini adalah contoh penting, bukan daftar lengkap:

Contoh cakupan: Bahasa Inggris, Spanyol, Portugis, Prancis, Jerman, Italia, Arab, Hindi, Indonesia, Turki, Rusia, Belanda, Jepang, Korea, Tionghoa, Vietnam, dan Thailand termasuk dalam registry saat ini. Varian regional, nama, angka, code-switching yang berat, dan rekaman bising harus diperiksa terhadap audio asli; kami tidak menerbitkan tingkat kesalahan tetap untuk bahasa atau rekaman tertentu.

Router menggabungkan subset yang didukung Deepgram Nova-3 dengan cakupan penuh ElevenLabs Scribe v2. Lihat direktori 93 bahasa transkripsi untuk daftar terkini dan pita yang dipublikasikan. Cakupan tidak menggantikan pemeriksaan nama, angka, dialek, kebisingan, atau bagian yang akan dikutip.

Perutean dilakukan per catatan. Satu chat dapat berisi catatan dalam beberapa bahasa yang didukung, tetapi alih kode berat di dalam satu catatan tetap lebih sulit. Periksa terutama segmen 50/50, nama diri, dan nilai terhadap audio asli.

Contoh transkrip: catatan suara Spanyol → teks (contoh nyata)

Ini adalah catatan suara WhatsApp nyata yang ditranskripsikan pada level konversi $49 Premium+Voice per chat. Pengirim adalah penutur asli Spanyol Kolombia, direkam di perangkat Android dalam lingkungan dalam ruangan yang tenang. Durasi: 18 detik. Ukuran file: sekitar 28 KB dalam format .opus.

Audio asli (parafrase): Catatan suara kasual yang mengonfirmasi janji hari berikutnya, mengungkapkan kekhawatiran tentang kesehatan orang lain, dan meminta balasan teks jika rencana berubah.

Output transkrip dalam PDF:

🎤 [Catatan suara — 0:18] "Hola, ¿cómo estás? Te llamo para confirmar la cita de mañana a las tres de la tarde. Si no puedes, mándame un mensaje. ¿Vale?"

Pengirim ditribusikan dalam PDF dengan nama dari _chat.txt, cap waktu adalah yang direkam WhatsApp saat catatan suara dikirim, dan transkrip berada inline di antara pesan teks tepat sebelum dan sesudahnya dalam percakapan.

Beberapa hal yang perlu diperhatikan dari contoh ini. Penanda register formal ¿Vale? — lebih dekat ke "Oke?" atau "Baik?" dalam arti — ditranskripsikan dengan benar alih-alih dikacaukan dengan bale atau dihilangkan. Ekspresi waktu a las tres de la tarde ("pukul tiga sore") dirender secara akurat, yang penting untuk konfirmasi penjadwalan di mana kesalahan akan menyesatkan. Infleksi naik yang diucapkan pada ¿cómo estás? tidak cukup ambigu untuk menghasilkan kesalahan transkripsi.

Di mana akurasi Spanyol tidak berjalan baik? Kesalahan paling umum yang saya lihat adalah homonim: haya (subjunctive dari haber) versus halla (dari hallar, untuk menemukan), tubo (tabung) versus tuvo (past tense dari tener). Dalam ucapan kasual yang cepat, keduanya identik secara fonetis. Nova-3 menggunakan konteks sekitarnya untuk menyimpulkan ejaan yang benar sebagian besar waktu, tapi tidak sempurna. Dalam dokumen yang akan digunakan sebagai catatan hukum, saya merekomendasikan tinjauan manusia ringan terhadap catatan suara mana pun di mana transkrip akan dikutip secara verbatim.

Jika Anda tidak membutuhkan transkripsi sama sekali — misalnya, Anda hanya ingin pesan teks dikonversi ke PDF dan puas dengan referensi placeholder untuk catatan suara — konversi $29 Premium per chat menangani kasus tersebut dengan harga lebih rendah. Konversi $49 Premium+Voice per chat adalah langkah yang tepat ketika Anda membutuhkan ucapan Spanyol yang sebenarnya muncul sebagai teks yang bisa dibaca dalam dokumen.

Contoh transkrip: Hindi (campuran Hinglish) → teks (contoh nyata)

Code-switching berat dalam satu catatan tetap sulit pada jalur mana pun. Nova-3 dan Scribe v2 memiliki cakupan berbeda; nama, angka, dan kutipan harus diperiksa terhadap audio asli, bukan diasumsikan memiliki keunggulan persentase tetap.

Berikut transkrip nyata dari konversi $49 Premium+Voice per chat:

🎤 [Catatan suara — 0:22] "Yaar, kal meeting hai 3 baje, please attend karna. Project deadline aa rahi hai aur boss bahut strict hai."

Terjemahan: "Bro, ada rapat besok jam 3, tolong hadir. Tenggat proyek sudah mendekat dan bosnya sangat ketat."

Contoh Hinglish menunjukkan kasus yang perlu ditinjau, bukan benchmark universal: kata Inggris di dalam kalimat Hindi dapat dipertahankan atau berubah menurut rekaman dan jalur yang dipilih. Simpan audio dan periksa istilah penting.

Perbedaan itu penting ketika Anda menggunakan transkrip sebagai catatan tempat kerja. Jika manajer seseorang meninjau transkrip catatan suara sebagai dokumentasi komitmen proyek dan kata deadline tidak muncul dalam teks, itu bukan persoalan akurasi kecil — itu informasi yang hilang.

Atribusi pengirim berasal dari _chat.txt: nama dan cap waktu WhatsApp muncul bersama transkrip yang dikembalikan penyedia terpilih.

Satu catatan khusus tentang Hindi: jika catatan suara dalam bahasa Hindi dominan Devanagari (Hindi formal, bergaya ucapan tertulis dengan minimal Inggris), akurasi konsisten kuat di seluruh tier yang didukung. Konversi $49 Premium+Voice per chat adalah titik masuk yang tepat untuk catatan suara Hindi yang ingin Anda transkripsi; konversi $99 Power User per chat mencakup akurasi yang sama tanpa batas audio dan prioritas antrian. Konversi $29 Premium per chat menyimpan catatan suara hanya sebagai placeholder — tidak ada transkripsi yang berjalan pada tier tersebut.

Tier $49 Premium+Voice — isi dan yang tidak termasuk

Konversi $49 Premium+Voice per chat adalah tier yang saya bangun khusus untuk chat dengan banyak suara. Berikut persis apa yang termasuk dan yang tidak.

Yang ada dalam konversi $49 Premium+Voice per chat:

• Perutean sadar-bahasa — setiap catatan yang didukung dapat diproses oleh Deepgram Nova-3 atau ElevenLabs Scribe v2
• Registry 93 bahasa — 57 berada dalam pita akurasi tinggi atau sangat baik yang dipublikasikan; cakupan tidak menjamin satu rekaman tertentu
• Hingga 8 jam audio dalam satu chat — mencakup sebagian besar percakapan dengan banyak suara; jika chat Anda melebihi 8 jam total audio yang direkam, konversi $99 Power User per chat menghapus batas itu
• Tidak ada batas pesan — tidak ada batas atas jumlah pesan dalam chat yang Anda konversi
• Atribusi pengirim pada transkrip — setiap transkrip dalam PDF memuat nama pengirim WhatsApp dari metadata ekspor
• Cap waktu tetap terjaga — cap waktu WhatsApp asli muncul bersama setiap transkrip, bukan waktu transkripsi
• Tiga format output — PDF, XLSX, dan CSV semuanya termasuk; XLSX berguna jika Anda ingin memfilter atau mengurutkan berdasarkan pengirim dan cap waktu
• Retensi file sumber tujuh hari — terenkripsi saat tersimpan (AES-256), dalam transit (TLS 1.3)

Yang tidak ada dalam konversi $49 Premium+Voice per chat:

• Kosakata khusus — alur saat ini tidak menerima glosarium khusus per unggahan; nama diri, akronim, dan istilah langka harus diperiksa terhadap audio asli

Tier di atasnya — konversi $99 Power User per chat — mencakup semua yang ada dalam konversi $49 Premium+Voice per chat ditambah pemrosesan antrian prioritas dan penanganan chat massal. Jika Anda mengonversi satu chat dan kecepatan tidak kritis (sebagian besar konversi selesai dalam tiga menit), konversi $49 Premium+Voice per chat adalah level yang tepat.

Untuk referensi, tumpukan tier lengkap: konversi $7 Basic per chat (hanya teks, batas 5.000 pesan), konversi $14 Standard per chat (gambar, batas 25.000 pesan), konversi $29 Premium per chat (tanpa batas produk untuk pesan, XLSX/CSV, catatan suara sebagai placeholder), konversi $49 Premium+Voice per chat (router 93 bahasa, batas audio 8 jam), dan konversi $99 Power User per chat (router yang sama, tanpa batas durasi audio dan antrian prioritas).

Mengapa saya tidak transkripsi real time (dan tidak akan menambahkannya)

Ini sering cukup ditanyakan sehingga layak mendapat jawaban langsung. Orang bertanya mengapa ChatToPDF tidak mendengarkan catatan suara saat tiba — mentranskripsikan masing-masing di saat dikirim — daripada memerlukan ekspor ZIP setelah itu.

Versi singkatnya: WhatsApp tidak memberi pengembang akses ke pesan masuk atau audio secara real time. Tidak ada endpoint API WhatsApp Business resmi yang memunculkan catatan suara saat tiba. Satu-satunya jalur akses pihak ketiga yang didukung adalah melalui mekanisme Ekspor Chat, yang merupakan snapshot riwayat percakapan pada satu titik waktu. Membangun transkripsi real time di atas WhatsApp akan memerlukan penyadapan penyimpanan lokal aplikasi di perangkat, yang secara teknis rapuh dan di luar kebijakan platform WhatsApp.

Tapi ada alasan yang lebih praktis mengapa saya tidak mencoba membangun di sekitar batasan itu. Kasus penggunaan untuk mentranskripsikan audio WhatsApp hampir seluruhnya bersifat retrospektif. Seseorang menerima tiga puluh catatan suara sepanjang perselisihan dan menginginkan catatan yang bisa dibaca. Tim bisnis menggunakan catatan suara untuk pembaruan proyek dan perlu dicari. Keluarga mengirim catatan suara selama bertahun-tahun dan ingin mengarsipkannya sebelum ganti ponsel. Tidak satu pun dari ini yang melibatkan persyaratan "sekarang, saat tiba." Semuanya adalah "saya punya kumpulan rekaman yang perlu dikonversi."

Ada juga pertanyaan baterai dan jaringan. Menjalankan koneksi WebSocket terbuka yang mengalirkan fragmen audio ke API inferensi secara real time akan menguras baterai ponsel secara terlihat selama percakapan panjang. Ini akan memerlukan koneksi internet aktif untuk setiap catatan suara yang diterima, bukan hanya saat Anda memilih untuk mengonversi. Dan ini akan menciptakan aliran data berkelanjutan dari percakapan Anda ke server pihak ketiga — yang tidak nyaman saya minta pengguna terima.

Model ekspor-dan-unggah lebih lambat dalam waktu jam — Anda harus menunggu hingga siap mengonversi, lalu menjalankan ekspor, lalu mengunggah. Tapi untuk kasus penggunaan yang sebenarnya dimiliki orang, itu tidak masalah. Tidak ada yang mencoba mentranskripsikan catatan suara yang mereka terima tiga detik lalu untuk dokumen real time. Mereka mengonversi chat yang ingin mereka simpan.

Privasi: ke mana audio Anda pergi dan tidak pergi

Inilah bagian yang ingin saya jelaskan secara spesifik karena sifat catatan suara — rekaman audio dari percakapan nyata — berarti taruhan privasi lebih tinggi dari pesan teks saja.

Berikut jalur data yang tepat untuk catatan suara yang dikirimkan melalui konversi $49 Premium+Voice per chat:

Langkah 1 — Unggah. File ZIP Anda ditransmisikan dari browser Anda ke server ChatToPDF melalui HTTPS (TLS 1.3). Koneksi dienkripsi dalam transit. ZIP mendarat di direktori pemrosesan sementara, bukan penyimpanan permanen, sementara ekstraksi berjalan.

Langkah 2 — Ekstraksi. File .opus diekstrak dari ZIP. Setiap file dicocokkan dengan referensi _chat.txt-nya berdasarkan pola nama file. Pada titik ini, file audio hanya ada di server pemrosesan ChatToPDF.

Langkah 3 — Panggilan penyedia transkripsi. Setiap file yang didukung dikirim melalui HTTPS terautentikasi ke penyedia yang dipilih untuk catatan tersebut: Deepgram Nova-3 atau ElevenLabs Scribe v2. Permintaan Deepgram menyertakan pilihan keluar dari program peningkatan model. Penyedia menerima audio yang diperlukan untuk menghasilkan transkrip, bukan seluruh teks chat.

Langkah 4 — Penyimpanan. Transkrip dikumpulkan ke dalam PDF dan disimpan terenkripsi saat tersimpan (AES-256) di AWS S3. ZIP sumber, termasuk file .opus, juga disimpan terenkripsi selama tujuh hari.

Langkah 5 — Pengiriman. Tautan unduhan PDF muncul di layar dan di email Anda. Tautan terikat ke ID pekerjaan Anda. Tidak dapat ditebak dan tidak diindeks di mana pun.

Langkah 6 — Penghapusan otomatis. Tujuh hari setelah pekerjaan dibuat, ZIP sumber dan PDF output dihapus dari penyimpanan secara otomatis. Ini adalah pekerjaan penghapusan terjadwal, bukan proses manual. Tidak ada pengecualian dan tidak ada perpanjangan.

Ke mana audio Anda tidak pergi: tidak pergi ke platform analitik mana pun. Tidak digunakan untuk melatih model ChatToPDF (ChatToPDF tidak melatih model). Konten teks catatan suara Anda tidak terlihat oleh staf ChatToPDF — pemrosesan sepenuhnya otomatis. Tidak ada pihak ketiga yang menerima teks pesan chat Anda.

Langkah eksternal perlu diperhatikan dalam setiap tinjauan privasi. ChatToPDF mengontrol pipeline-nya sendiri, tetapi Deepgram dan ElevenLabs mengontrol pemrosesan mereka sesuai ketentuan masing-masing. Jika catatan berisi informasi istimewa, teregulasi, atau sangat sensitif, tim yang bertanggung jawab harus meninjau ketentuan terkini kedua penyedia sebelum mengunggah.

Kasus tepi: kebisingan latar, banyak pembicara, efek perubahan suara

Catatan suara WhatsApp nyata tidak direkam di studio kedap suara. Direkam di dalam mobil, dapur, pertemuan di jalan, dan kafe yang ramai. Berikut cara masing-masing skenario tersebut memengaruhi akurasi transkripsi, dan apa yang dilakukan ChatToPDF ketika akurasi turun ke tingkat yang tidak dapat diterima.

Kebisingan latar berdasarkan lingkungan.

Catatan suara yang direkam di lingkungan dalam ruangan yang tenang biasanya lebih mudah ditranskripsikan daripada catatan dengan kebisingan, clipping, beberapa suara, atau alih bahasa. Pita akurasi yang dipublikasikan untuk suatu bahasa tidak memprediksi hasil satu catatan tertentu.

Banyak pembicara dalam satu catatan suara.

Jika orang lain terdengar berbicara di latar belakang, penyedia terpilih juga dapat mentranskripsikan suara itu. Hasilnya dapat mencampur kedua suara di bawah pengirim WhatsApp; periksa bagian tersebut terhadap audio.

ChatToPDF saat ini tidak dapat mengisolasi pembicara utama dan membuang suara latar belakang dalam satu klip .opus. Diarisasi pembicara — mengidentifikasi segmen audio mana yang berasal dari orang mana dalam file audio yang sama — adalah fitur yang sedang saya evaluasi untuk tier mendatang, tapi memerlukan infrastruktur tambahan dan tidak ada dalam rilis saat ini.

Efek perubahan suara.

Untuk klip di mana kepercayaan jatuh di bawah ambang batas yang saya tetapkan dalam pipeline — saat ini didefinisikan sebagai skor kepercayaan kata rata-rata di bawah 0,6 di seluruh klip — ChatToPDF menandai transkrip dalam PDF sebagai [transkripsi kepercayaan rendah — kualitas audio tidak memadai] daripada mengeluarkan blok teks yang mungkin dianggap otoritatif. Anda akan melihat penanda ini dalam PDF akhir bersama posisi catatan suara dalam percakapan. Lebih baik menandai hasil yang tidak pasti daripada mengembalikan transkrip yang terlihat masuk akal tapi 40% salah.

FAQ

Untuk alur chat-ke-PDF lengkap — termasuk cara mengekspor di iPhone dan Android, apa yang dikandung ZIP, dan cara perbandingan semua lima tier untuk konversi tanpa suara — lihat panduan WhatsApp to PDF. Jika Anda di Android dan perlu memindahkan ekspor ke perangkat lain sebelum mengunggah, panduan transfer WhatsApp Android ke iPhone mencakup proses tersebut.