---
title: "Enviar áudio como mensagem de voz e vídeo redondo pela API do WhatsApp"
description: "Como enviar áudio como mensagem de voz (PTT) e vídeo redondo (PTV) pela API não oficial do WhatsApp, com URL ou base64 e o indicador de gravando."
url: "https://wame.api.br/blog/audio-voz-video-redondo-whatsapp-api"
language: "pt-BR"
og:type: "article"
published_time: "2026-09-28"
modified_time: "2026-09-28"
author: "Raphael Serafim"
keywords: "api whatsapp não oficial, api não oficial whatsapp, enviar áudio whatsapp api, mensagem de voz whatsapp api, áudio ptt whatsapp api, vídeo redondo whatsapp api, video note whatsapp api"
reading_time: "8 min de leitura"
---

# Enviar áudio como mensagem de voz e vídeo redondo pela API do WhatsApp

> Como enviar áudio como mensagem de voz (PTT) e vídeo redondo (PTV) pela API não oficial do WhatsApp, com URL ou base64 e o indicador de gravando.

**Pela API não oficial do WhatsApp você envia áudio como mensagem de voz com um `POST /message/audio` — ele chega com a onda sonora e o microfone, igual a um áudio gravado no app — e manda vídeo redondo (o PTV, aquele circular) com `POST /message/video-note`.** Os dois aceitam o arquivo por URL, o áudio também aceita base64, e dá para mostrar "gravando áudio..." antes do envio para a mensagem chegar com a naturalidade de uma pessoa.

No Brasil, áudio é linguagem nativa do WhatsApp. Muita gente prefere ouvir a ler, e uma mensagem de voz bem colocada — de boas-vindas, de instrução, de confirmação — tem um efeito que texto nenhum tem. Este guia mostra como enviar os dois formatos, quando cada um faz sentido e os cuidados para o recurso não virar ruído.

> A camada não oficial não é afiliada, endossada ou suportada pelo WhatsApp ou pela Meta. O uso é de responsabilidade de quem envia.

## Áudio de voz vs arquivo de áudio

Existe uma diferença que o usuário percebe na hora:

- **Mensagem de voz (PTT, Push-To-Talk):** aparece com a onda sonora, a foto do remetente e o ícone de microfone. É o áudio "gravado na hora". O app toca em sequência, acelera em 1,5x e 2x, e o contato trata como conversa.
- **Arquivo de áudio:** aparece como anexo, com nome de arquivo. Tem cara de material enviado, não de fala.

Na API não oficial da WAME, o endpoint `/message/audio` envia **como mensagem de voz**. Você não precisa converter nada nem marcar flag nenhuma: manda a URL do mp3 ou do ogg e o contato recebe um áudio de voz.

## Enviar áudio por URL

O caminho mais simples é hospedar o arquivo num lugar acessível por HTTPS (seu storage, um CDN, um bucket) e passar a URL:

```bash
curl -X POST "https://server.wame.api.br/SUA_KEY/message/audio" \
  -H "Content-Type: application/json" \
  -d '{
    "to": "5511999999999",
    "url": "https://seu-cdn.com/audios/boas-vindas.mp3"
  }'
```

Três cuidados práticos com a URL:

- **Tem de ser pública e direta.** Link de página de compartilhamento (Google Drive, Dropbox com tela de preview) não serve: a API precisa baixar o arquivo, não uma página HTML.
- **Responda rápido.** Um servidor lento na hora do download atrasa o envio.
- **Áudio curto funciona melhor.** Mensagem de voz boa tem de 15 a 60 segundos. Áudio de cinco minutos ninguém escuta até o fim.

O mesmo `to` aceita grupo (`idDoGrupo@g.us`), então dá para mandar a instrução de voz direto no grupo de uma turma ou equipe.

## Enviar áudio em base64

Quando o áudio nasce dentro do seu sistema — gerado por síntese de voz, gravado num painel de atendimento, recebido de outra integração — não vale a pena subir para um storage só para gerar uma URL. Use o endpoint de base64:

```bash
curl -X POST "https://server.wame.api.br/SUA_KEY/message/base64/audio" \
  -H "Content-Type: application/json" \
  -d '{
    "to": "5511999999999",
    "base64": "SUQzBAAAAAAAI1RTU0UAAAAPAAADTGF2ZjU4..."
  }'
```

Aqui a API converte o áudio para o formato que o WhatsApp usa em mensagem de voz antes de enviar. Isso resolve o problema clássico de quem monta a integração do zero: gerar ogg/opus no formato exato que o app aceita.

Em Node.js, lendo um arquivo local:

```js
import { readFile } from 'node:fs/promises';

const BASE = 'https://server.wame.api.br/SUA_KEY';

async function enviarAudioLocal(to, caminho) {
  const base64 = (await readFile(caminho)).toString('base64');

  const res = await fetch(`${BASE}/message/base64/audio`, {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify({ to, base64 }),
  });

  if (!res.ok) throw new Error(`falha no envio: ${res.status}`);
  return res.json();
}

await enviarAudioLocal('5511999999999', './audios/confirmacao.mp3');
```

## Mostrar "gravando áudio..." antes

Quando uma pessoa manda um áudio, o outro lado vê "gravando áudio..." no topo da conversa. Um áudio que cai do nada, sem esse sinal, tem cara de automação. O endpoint de presença resolve:

```bash
curl -X POST "https://server.wame.api.br/SUA_KEY/message/presence" \
  -H "Content-Type: application/json" \
  -d '{ "to": "5511999999999", "status": "recording" }'
```

Uma sequência natural fica assim:

```js
async function post(path, body) {
  return fetch(`${BASE}${path}`, {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify(body),
  });
}

const esperar = (ms) => new Promise((r) => setTimeout(r, ms));

async function responderComAudio(to, url, duracaoSegundos) {
  await post('/message/presence', { to, status: 'recording' });

  // Um tempo de "gravação" coerente com o tamanho do áudio,
  // com teto para o cliente não ficar esperando demais.
  const ms = Math.min(duracaoSegundos * 400, 8000);
  await esperar(ms);

  await post('/message/audio', { to, url });
  await post('/message/presence', { to, status: 'paused' });
}
```

Para mensagens de texto, a WAME já mostra "digitando..." sozinha em todo envio, com tempo proporcional ao tamanho do texto. Para áudio, o "gravando" é um toque seu — e vale a pena. O guia completo de presença está em [simular "digitando..." pela API](/blog/tutorial-presenca-digitando-whatsapp-api).

## Vídeo redondo (PTV)

O vídeo redondo é o vídeo curto em formato circular que o usuário grava segurando o botão da câmera. Ele toca automaticamente, sem som, na conversa, e abre com áudio no toque. Tem uma força enorme em relacionamento: é o rosto de alguém falando direto com o cliente.

```bash
curl -X POST "https://server.wame.api.br/SUA_KEY/message/video-note" \
  -H "Content-Type: application/json" \
  -d '{
    "to": "5511999999999",
    "url": "https://seu-cdn.com/videos/obrigado.mp4"
  }'
```

Dicas para o vídeo funcionar bem:

- **Curto.** Vídeo redondo é para poucos segundos — o formato foi feito para mensagens rápidas, não para aulas.
- **Enquadramento quadrado e centralizado.** O círculo corta as bordas; rosto no centro, nada importante nos cantos.
- **mp4 comum**, hospedado com URL direta, como no áudio.

## Onde áudio e vídeo redondo funcionam de verdade

A regra de ouro: **voz para quem está conversando com você**. Alguns usos que encaixam bem:

- **Boas-vindas de quem acabou de comprar.** Um áudio de 20 segundos do fundador ou do consultor agradecendo e dizendo o próximo passo. O cliente pediu o contato ao comprar; a voz humaniza.
- **Instrução de uso.** "Para ativar, segure o botão por cinco segundos" é mais claro falado que escrito. Loja de eletrônicos, clínica com preparo de exame, curso com primeiro acesso.
- **Confirmação de agendamento com voz da recepção.** Combina com [lembretes de agendamento](/blog/lembretes-agendamento-confirmacao-whatsapp).
- **Vídeo redondo de agradecimento pós-atendimento.** Um corretor, um personal, um professor mostrando o rosto.
- **Resposta de bot que ficaria longa em texto.** Se o seu [bot](/blog/criar-bot-whatsapp-api-nao-oficial) precisa explicar algo com muitos passos, um áudio gravado uma vez resolve para todos que perguntarem.

E se o cliente responder com áudio? Aí o caminho é o inverso: receber a mensagem de voz no webhook, baixar o arquivo e transcrever. Está em [transcrição de áudio no WhatsApp com IA](/blog/transcricao-audio-whatsapp-ia), e o download de mídia está detalhado em [mídia no webhook](/blog/midia-webhook-whatsapp-baixar-limites).

## Áudio personalizado sem gravar um por um

Áudio genérico funciona, mas áudio com o nome do cliente funciona mais. Duas formas de chegar lá sem ninguém gravar mil áudios:

1. **Blocos gravados + texto.** Um áudio padrão de boas-vindas seguido de uma mensagem de texto com o nome e o detalhe do pedido. Simples e honesto.
2. **Síntese de voz.** Gere o áudio com um serviço de TTS a partir de um texto com o nome do cliente e envie pelo endpoint de base64. Se for voz sintética, não finja que é uma pessoa específica gravando — o cliente percebe, e a confiança vai embora.

## O cuidado que importa

Áudio e vídeo são formatos que chamam atenção — e é justamente por isso que viram ferramenta de spam na mão errada. **A WAME não apoia spam.** Mandar o mesmo áudio promocional para uma lista de gente que não pediu é disparo em massa, é denunciado rápido e derruba número, não importa o formato.

Duas proteções já agem do lado da plataforma: a API recusa o envio (com `429`) quando a instância começa a falar com gente nova demais em pouco tempo, e cada instância tem identidade de dispositivo própria e reconexão espaçada. Mas o que mantém o risco de bloqueio muito baixo é o uso: áudio para quem está em conversa com você, no momento em que faz sentido. As regras completas estão em [uso responsável da API não oficial](/blog/uso-responsavel-api-whatsapp-nao-oficial-spam).

Checklist rápido antes de colocar em produção:

- O áudio vai para quem **pediu ou está em conversa**?
- Tem **menos de um minuto**?
- A URL é **pública, direta e rápida**?
- Você mostra **"gravando áudio..."** antes?
- Se o cliente responder com áudio, alguém (ou algo) **escuta**?

## Conclusão

Mensagem de voz e vídeo redondo são dois dos formatos mais humanos do WhatsApp, e a API não oficial da WAME entrega os dois do jeito que o usuário conhece: `/message/audio` sai como áudio de voz, com URL ou base64 convertido automaticamente, e `/message/video-note` sai como vídeo circular. Somando o "gravando áudio..." antes do envio, a automação soa como gente — que é exatamente o objetivo. Use para quem está conversando com você, mantenha curto e deixe o disparo em massa de fora. Os parâmetros completos estão na [documentação](/docs), e o panorama do que a camada não oficial oferece está em [vantagens da API não oficial do WhatsApp](/blog/api-whatsapp-nao-oficial-vantagens).

## Perguntas frequentes

### Como enviar um áudio que aparece como mensagem de voz pela API do WhatsApp?

Faça um POST em /{key}/message/audio com o número em 'to' e a URL do arquivo em 'url'. Na API não oficial da WAME o áudio sai como mensagem de voz (PTT), com a onda sonora e o microfone, igual a um áudio gravado no app — e não como arquivo anexado.

### Quais formatos de áudio posso enviar?

O endpoint /message/audio aceita URL de arquivos de áudio comuns, como mp3 e ogg. Se o áudio está em memória no seu sistema, use /message/base64/audio enviando o conteúdo em base64: ele é convertido para o formato que o WhatsApp usa em mensagens de voz antes do envio.

### O que é o vídeo redondo do WhatsApp e como enviar pela API?

É a mensagem de vídeo curta em formato circular, também chamada de PTV (Push-To-View), que o usuário grava segurando o botão da câmera. Pela API, faça um POST em /{key}/message/video-note com 'to' e a 'url' de um vídeo curto em mp4.

### Dá para mostrar 'gravando áudio...' antes de enviar?

Sim. Antes do envio, faça um POST em /{key}/message/presence com status 'recording'. O contato vê 'gravando áudio...' no topo da conversa, como acontece quando alguém grava de verdade. Depois de enviar, mande status 'paused' se quiser encerrar o indicador explicitamente.

### Enviar áudio automático pela API pode bloquear o número?

Não pelo formato. O que derruba número é o comportamento: mandar o mesmo áudio para muita gente que não pediu é disparo em massa, e a WAME não apoia esse uso. Áudio para quem está em conversa com você, como boas-vindas ou instrução, tem risco muito baixo quando usado do jeito certo.