Áudio no atendimento por WhatsApp: o que o assistente faz
Publicado em 06 de outubro de 2026
Quando o cliente manda áudio em vez de escrever, o assistente transcreve e trabalha com o texto.
Responder em voz é outra etapa, que entra depois, na última parte da montagem.
O que acontece quando o cliente manda áudio
O cliente aperta o microfone e fala.
Chega um arquivo de áudio na conversa, como chega uma foto ou um print.
Na Cloud API do WhatsApp, o áudio chega como mensagem de mídia, que o sistema baixa para transcrever.
Antes de qualquer coisa, o assistente precisa do conteúdo em texto, porque é texto que ele lê.
Por isso o áudio é transcrito, e o texto entra na conversa.
Daí em diante, o atendimento segue igual ao de uma pergunta escrita.
Ele marca horário, confirma, lembra, registra ou passa para uma pessoa quando o caso pede.
O que o assistente faz com o áudio
O áudio vira texto, e é esse texto que o assistente lê.
O conteúdo é o mesmo que valeria para uma pergunta escrita: o serviço, o preço, o horário livre, a confirmação.
Só o começo foi por voz.
O áudio também entra no registro da conversa.
Foto, print e áudio que chegam viram arquivo com nome e pasta certos, e o áudio vira texto.
Quando responder em voz faz sentido
Responder em voz faz sentido quando o cliente também mandou áudio.
E também quando a resposta é uma explicação que fica melhor ouvida do que lida.
Texto é melhor quando a pessoa vai precisar reler.
Endereço, valor, horário e o que foi combinado são coisas que o cliente abre de novo, e no texto ele acha rápido.
A resposta em voz não substitui o registro.
O que foi combinado continua gravado na conversa, em texto, para você consultar depois.
O que depende da qualidade do áudio
- Áudio com barulho, gravado na rua ou com muita gente falando, vira transcrição com buracos. Frase errada gera resposta errada.
- Áudio longo cansa e mistura assunto. Dividir em partes menores ajuda.
- Áudio com mais de um assunto, como pedido de horário e pergunta de preço, faz o assistente usar o que entendeu e deixar um ponto de fora.
- Quando a transcrição não faz sentido, o certo é pedir para a pessoa escrever ou passar para alguém da equipe, em vez de adivinhar.
Em que parte da montagem isso entra
O áudio entra na fase seguinte da montagem.
O atendimento começa pelo texto, com agenda, lembretes e registro.
A parte quatro da entrega é a de voz e ajuste fino: áudio transcrito, resposta em voz e o que o uso real mostrou que precisa.
Ou seja: o texto vem primeiro, e a voz entra depois, na parte quatro da entrega, dentro do que foi combinado.
O que você precisa decidir antes
- Se quer responder em voz, e em quais casos: para todo cliente ou só para quem mandou áudio.
- O que fazer quando não der para entender o áudio: pedir para escrever, chamar uma pessoa, ou as duas coisas.
- Quem acompanha os áudios que ficaram pela metade, se aparecer algum.
- Se o áudio entra desde o começo ou fica para uma etapa seguinte.
Essas decisões mudam a montagem, então vale conversar antes de contratar.
No nosso WhatsApp está o assistente que montamos, já no ar.