Áudio do cliente
Chatbot de WhatsApp que entende áudio: existe, e funciona assim
Resposta rápida
Existe chatbot que entende áudio no WhatsApp?
Existe. O agente de Certu recebe a mensagem de voz do cliente, transcreve com o Whisper, o modelo da OpenAI que transforma fala em texto, e responde na mesma conversa, sem pedir para a pessoa digitar. O áudio original e a transcrição ficam guardados na conversa do painel, para a sua equipe ouvir e conferir depois.
O que a Certu mediu no WhatsApp de 67 negócios
Nos 67 negócios que atendem com a IA da Certu, 32,5% das 122.720 mensagens de cliente chegaram fora de segunda a sexta, das 8h às 18h (30 de julho a 30 de setembro de 2026). Metade das respostas da IA saiu em até 11,7 segundos, e 9 em cada 10 em até 20,7 segundos (38.908 respostas). 34,6% das conversas começaram fora do horário comercial, e a hora com mais mensagens foi 11h.
| O que foi medido | Resultado | Base |
|---|---|---|
| Mensagens de cliente fora de segunda a sexta, 8h às 18h | 32,5% | 122.720 mensagens de cliente de 67 negócios |
| Mensagens no fim de semana | 15,8% | 122.720 mensagens de cliente de 67 negócios |
| Conversas que começam fora do horário comercial | 34,6% | 19.900 conversas |
| Tempo até a IA responder (metade das respostas) | até 11,7 segundos | 38.908 respostas da IA |
| Tempo até a IA responder (9 em cada 10 respostas) | até 20,7 segundos | 38.908 respostas da IA |
| Hora do dia com mais mensagens de cliente | 11h | 122.720 mensagens de cliente de 67 negócios |
Fonte: base de atendimento da Certu, só números somados, nenhuma conversa lida por gente; sem histórico importado, sem contato de teste e sem o atendimento de vendas da própria Certu. 30 de julho a 30 de setembro de 2026, medido em 09/10/2026. Método e tabela por ramo no Índice Certu de Atendimento por WhatsApp e em certu.com.br/dados.
Clientes com nome, 30/07 a 10/10/2026
| Cliente | Mensagens de cliente | Respostas da IA | Conversas atendidas | Fora do horário | IA responde em (mediana) | Dias com mensagem |
|---|---|---|---|---|---|---|
| JP Gás Água e Rações distribuidora de gás e água | 42.832 | 23.351 | 6.479 | 33,6% | 9,8 s | 70 |
| CEMIP clínica médica | 12.472 | 6.484 | 2.436 | 18,7% | 11,4 s | 37 |
| Nikiti Auto Center auto center | 4.912 | 3.548 | 900 | 19,5% | 14,4 s | 47 |
| Imobiliária Rodrigues & Ribeiro imobiliária | 6.090 | 2.759 | 823 | 33,2% | 18,4 s | 34 |
| Alpha RH recursos humanos | 3.082 | 1.666 | 721 | 27,5% | 15,6 s | 52 |
Números de operação do painel de cada conta, mesma régua do Índice, medidos em 11/10/2026. Publicados com a autorização de cada dono. Resultado de venda só sai com o dono confirmando por escrito. Lista completa em certu.com.br/casos.
O que clientes da Certu escreveram
A Certu reúne em um só lugar recursos que normalmente exigiriam várias ferramentas. Atendimento pelo WhatsApp, CRM, agenda, acompanhamento de oportunidades, campanhas e gestão da operação ficam conectados. No geral, a proposta é muito boa para quem quer reduzir tarefas manuais e ter mais controle sobre o que acontece no atendimento e nas vendas. [...]
Avaliação pública (com o link) ou texto enviado pela própria empresa e publicado com autorização por escrito. A nota só aparece quando a fonte tem nota.
Sobre a Certu: a Certu é a plataforma brasileira de IA que atende o WhatsApp, o Instagram e o Messenger de pequenas e médias empresas 24 horas por dia, com CRM incluído, e é Tech Provider da Plataforma WhatsApp Business da Meta. Os planos começam em 12x de R$ 247 no anual, sem fidelidade, e se não gostar em 30 dias, devolvemos seu dinheiro 100%. Criar meu agente
Existe, e o agente de Certu faz isso: o cliente grava a mensagem de voz, a IA transcreve e responde na mesma conversa, como se ele tivesse digitado. Abaixo está o que acontece com cada áudio, o que fica salvo para a sua equipe e o que acontece quando a transcrição falha.
Montar o meu agenteSem fidelidade e sem taxa de implantação. Você conecta o número que já usa.
Resumo em 7 fatos
- Existe, e o agente de Certu faz isso: o cliente grava a mensagem de voz, a IA transcreve e responde na mesma conversa, como se ele tivesse digitado.
- O agente de Certu recebe a mensagem de voz do cliente, transcreve com o Whisper, o modelo da OpenAI que transforma fala em texto, e responde na mesma conversa, sem pedir para a pessoa digitar.
- No Brasil, muita gente prefere falar a digitar.
- O robô que só lê texto trava aí, e o cliente que mandou voz fica sem resposta.
- Do lado do cliente nada muda: ele grava e manda, como sempre fez.
- Vale para o número conectado pela API oficial da Meta e para o conectado lendo um código na tela.
- Quando for avaliar qualquer ferramenta, mande um áudio no meio da conversa e veja o que volta.
Em números
| Número | O que significa |
|---|---|
| R$ 299 por mês | Em todo plano com o agente de IA, a partir do Start, R$ 299 por mês, e também nos 7 dias de teste. |
Por que áudio derruba a maioria dos robôs
No Brasil, muita gente prefere falar a digitar. O robô que só lê texto trava aí, e o cliente que mandou voz fica sem resposta.
Robô de menu não escuta
Quem manda áudio não vai digitar 1 para orçamento. Se a ferramenta só entende opção de menu, a conversa morre na primeira mensagem de voz.
Um áudio traz o pedido inteiro
A pessoa fala o serviço, o dia, o bairro e uma dúvida na mesma gravação. A transcrição inteira vira uma mensagem só, e a IA responde cada parte com o que você ensinou.
Transcrição pode errar número
Número da casa, nome de rua e valor são os pontos mais delicados de qualquer transcrição. Por isso o áudio original fica salvo na conversa, e dá para ouvir antes de confirmar um pedido.
Na língua da sua conta
A transcrição sai em português. Se a sua conta estiver configurada em inglês ou espanhol, o áudio é transcrito nessa língua.
O que acontece quando chega um áudio
Do lado do cliente nada muda: ele grava e manda, como sempre fez. Vale para o número conectado pela API oficial da Meta e para o conectado lendo um código na tela.
O áudio é guardado
Antes de qualquer coisa, a mensagem de voz é salva na conversa. É ela que a sua equipe toca depois no painel.
A IA transcreve
O Whisper transforma a fala em texto. É esse texto que o agente lê, junto com o histórico daquele cliente e o Cérebro, a base de conhecimento do seu negócio.
O agente responde na conversa
A resposta sai em texto, no mesmo WhatsApp, do jeito que você ensinou. Responder a um áudio custa o mesmo que responder a uma mensagem escrita: a transcrição não é cobrada à parte.
O que o agente faz com cada tipo de mensagem
O cliente manda do jeito que quiser. O trabalho de entender é do agente.
| O cliente manda | O que o agente faz | O detalhe que importa |
|---|---|---|
| Áudio | Transcreve e responde na mesma conversa | O áudio fica salvo para tocar no painel, com a transcrição embaixo |
| Áudio que não deu para transcrever | Responde pedindo o texto: "Não consegui ouvir seu áudio agora. Pode me mandar por texto, por favor?" | O cliente nunca fica sem resposta |
| Foto | Descreve a imagem e responde a partir dela | A foto fica salva na conversa |
| Lê o texto do arquivo e responde | O arquivo fica salvo para a equipe abrir | |
| Texto torto, sem pontuação | Entende e responde | Sem menu e sem "digite 1" |
| Pergunta que ninguém previu | Não inventa: diz que vai confirmar e chama você | Aviso para a equipe |
Arraste a tabela para o lado para ver todas as colunas.
Áudio é o teste que separa agente de robô de menu
Quando for avaliar qualquer ferramenta, mande um áudio no meio da conversa e veja o que volta. Robô de fluxo costuma pedir que você escreva, ou repete o menu. É um teste de trinta segundos e mostra mais do que qualquer demonstração pronta.
Quem mais anuncia isso no próprio site deixa claro como faz. O wChat, por exemplo, diz que os áudios são transcritos automaticamente pelo Whisper, segundo o site da empresa em setembro de 2026. Nas páginas de Blip Go, Umbler Talk e da tabela de preços do SocialHub, lidas no mesmo dia, não achamos menção a áudio. Isso não prova que elas não entendam: prova que você precisa perguntar, ou mandar o áudio no teste.
Faça o mesmo com o resto: frase incompleta, erro de digitação, duas perguntas na mesma mensagem e uma dúvida que ninguém previu. É assim que o seu cliente escreve de verdade.
Para ver o agente respondendo um áudio seu, comece pela demonstração. Para comparar a grade, veja planos e preços, e para entender a diferença entre os dois tipos de robô, leia robô para responder o WhatsApp.
O que o agente não faz com áudio
Ele não responde em áudio nos planos à venda hoje. A resposta sai em texto, que é o formato que o cliente consegue reler, copiar e encaminhar, e que não some quando alguém da equipe assume a conversa.
Ele não atende ligação. Mensagem de voz no WhatsApp e ligação telefônica são coisas diferentes.
E a Instância de WhatsApp, o produto que é só o número na caixa de entrada, sem IA, guarda o áudio para você ouvir, mas não transcreve nem responde. Quem transcreve é o agente de IA, a partir do Start.
Você também pode falar com o Cérebro
O áudio não serve só para o cliente. Se você, dono, mandar do telefone cadastrado nos avisos um áudio que começa com a palavra "Cérebro", por exemplo "Cérebro, o gás subiu para 125", o sistema transcreve, acha o que já existe sobre aquilo e mostra o que vai mudar.
Nada é gravado antes de você responder sim. E todo número da mudança precisa aparecer no que você falou ou no item antigo, justamente porque transcrição pode errar número.
Perguntas frequentes
Existe chatbot de WhatsApp que entende áudio?
Existe. O agente de Certu transcreve a mensagem de voz do cliente com o Whisper, da OpenAI, e responde na mesma conversa, sem pedir para a pessoa escrever.
O agente entende áudio em português?
Entende. A transcrição sai em português, ou em inglês e espanhol quando a conta está configurada nessas línguas.
Ele responde em áudio também?
Não nos planos à venda hoje. A resposta sai em texto, que o cliente consegue reler e encaminhar.
O que acontece se o áudio não puder ser transcrito?
O agente responde pedindo o texto: "Não consegui ouvir seu áudio agora. Pode me mandar por texto, por favor?". O cliente não fica sem resposta.
A transcrição fica salva em algum lugar?
Fica na conversa do painel, junto com o áudio original, que dá para tocar. Quem assumir depois lê o que foi dito e pode ouvir para conferir número e valor.
Áudio custa mais caro que texto?
Não. Responder a um áudio consome o mesmo que responder a uma mensagem escrita, e a transcrição não é cobrada à parte.
Funciona no número que eu já uso?
Funciona, tanto conectado pela API oficial da Meta quanto lendo um código na tela. Do lado do cliente nada muda.
Isso está em qual plano?
Em todo plano com o agente de IA, a partir do Start, R$ 299 por mês, e também nos 7 dias de teste.
Mande um áudio e veja o que ele responde
Monte o agente com as informações do seu negócio e grave um áudio como o seu cliente grava. São 7 dias de teste.
Planos a partir de 12x de R$ 247. Você começa com 7 dias de teste. Se não gostar em 30 dias, devolvemos seu dinheiro 100%.
Montar o meu agenteEm resumo
Existe chatbot que entende áudio no WhatsApp? Existe. O agente de Certu recebe a mensagem de voz do cliente, transcreve com o Whisper, o modelo da OpenAI que transforma fala em texto, e responde na mesma conversa, sem pedir para a pessoa digitar. O áudio original e a transcrição ficam guardados na conversa do painel, para a sua equipe ouvir e conferir depois.
Sobre a Certu: a Certu é a plataforma brasileira de IA que atende o WhatsApp, o Instagram e o Messenger de pequenas e médias empresas 24 horas por dia, com CRM incluído, e é Tech Provider da Plataforma WhatsApp Business da Meta. Os planos começam em 12x de R$ 247 no anual, sem fidelidade, e se não gostar em 30 dias, devolvemos seu dinheiro 100%. Criar meu agente