Transcrever áudio para texto

Como funciona

1. Adicione um arquivo de áudio ou de vídeo: MP3, M4A, WAV, MP4, OPUS e quase tudo o que um navegador consegue tocar.
2. O idioma já está em português. Marque “Pôr o horário no começo de cada linha” se quiser marcações de tempo na transcrição.
3. Se mais de uma pessoa fala, marque “Separar os falantes”; cada linha passa a começar com Falante 1, Falante 2 e assim por diante.
4. Clique em Transcrever. Na primeira vez o modelo de voz (cerca de 250 MB) é baixado uma vez só; depois começa na hora.
5. Copie a transcrição ou baixe-a como arquivo de texto junto com as legendas SRT.

Perguntas frequentes

É preciso?

Usa o Whisper small (OpenAI, Apache 2.0). Em audiolivros antigos, lidos em português europeu (Multilingual LibriSpeech), cerca de uma palavra em cada sete saiu errada nos nossos testes; na fala brasileira lida de hoje (FLEURS), o resultado publicado do modelo é de cerca de 7 % de palavras erradas. Ruído, sotaque forte, gente falando ao mesmo tempo, jargão e nomes pouco comuns trazem mais erros.

Tem pontuação?

Tem. O Whisper coloca sozinho maiúsculas, pontos e vírgulas. As linhas mesmo assim começam nas pausas de quem fala, e as legendas são cortadas nos mesmos pontos.

Ele sabe quem está falando?

Marque “Separar os falantes” e cada linha começa com Falante 1, Falante 2 e assim por diante. A gravação é lida uma segunda vez por outros dois modelos, que escutam as vozes e não as palavras: na primeira vez são mais 34 MB, e a espera mais ou menos dobra. Números em vez de nomes, porque nada na gravação diz quem é quem. Duas vozes bem gravadas saem certas; um microfone só numa sala, vozes parecidas e longos trechos de gente falando junto são os pontos fracos.

Como transcrevo um áudio do WhatsApp?

Salve o áudio no aparelho (no WhatsApp ele é um arquivo .opus) e solte aqui como qualquer gravação. A página lê o que o navegador consegue tocar — MP3, M4A, WAV, OGG, FLAC, MP4, WebM —; se o seu não abrir o arquivo, aparece um aviso dizendo isso, em vez de uma transcrição vazia.

Dá para fazer a ata de uma reunião?

Dá um rascunho: em “O que baixar”, escolha “Rascunho de ata”. Sai um arquivo .md com data, local, presentes (os falantes encontrados), a gravação e a duração, os títulos Decisões e Tarefas em branco e, embaixo, as falas com o horário. O que foi decidido não está nas palavras da gravação: essa parte você escreve.

Quanto tempo leva?

Num computador, mais ou menos metade da duração da gravação: meia hora para uma hora; separando os falantes, a espera mais ou menos dobra. Na primeira vez soma o download do modelo, cerca de 250 MB, que fica guardado no navegador — um modelo menor errava o dobro em português. Celulares são mais lentos e podem ficar sem memória numa gravação longa; corte em partes antes.

Minha gravação é enviada?

Não. O reconhecimento roda nesta página, no seu próprio aparelho, o que serve para reuniões, entrevistas e tudo o que não deve sair dele. Depois que o modelo foi baixado, funciona também sem internet. O plano gratuito aceita gravações de até 150 MB — mais de duas horas e meia de MP3 a 128 kbps —, 5 vezes por dia.