Áudio para texto: transcrição grátis no navegador

Como transcrever áudio em texto

1. Escolha o idioma falado ou mantenha a opção “Detectar automaticamente”.
2. Pressione o microfone para gravar e, ao terminar, pare a gravação. Ou escolha um arquivo: MP3, M4A, WAV, OGG, FLAC, WebM ou um vídeo (MP4, MOV, WebM). Você também pode arrastar o arquivo para a página.
3. Na primeira vez, seu navegador baixa o modelo de reconhecimento de fala (cerca de 77 MB para Rápido e 249 MB para Preciso). Nas próximas vezes, ele inicia imediatamente.
4. O texto aparece enquanto o áudio é transcrito. Edite-o se necessário e depois copie ou baixe como .txt ou como legendas .srt / .vtt com marcação de tempo.

Privacidade desde o início: seu áudio fica no seu dispositivo

A maioria dos sites de transcrição envia sua gravação para servidores, e muitos limitam o uso a poucos minutos por dia, a menos que você pague. Esta ferramenta executa o modelo de reconhecimento de fala Whisper da OpenAI diretamente no seu navegador. Seu áudio e a transcrição nunca saem do seu computador ou celular. Por isso, a ferramenta é adequada para entrevistas, reuniões, aulas, notas de voz e outras gravações que você prefere não enviar para a internet.

Rápido ou Preciso?

• Rápido (Whisper base, ~77 MB) é veloz e funciona bem para falas claras em idiomas amplamente falados. Em um notebook comum, transcreve um minuto de áudio em cerca de 15 segundos.
• Preciso (Whisper small, ~249 MB) comete menos erros com sotaques, ruído de fundo, nomes e idiomas como japonês, coreano ou chinês. É cerca de três vezes mais lento. Em celulares mais antigos, use Rápido.

Arquivos e idiomas compatíveis

Funciona com qualquer formato de áudio ou vídeo que seu navegador consiga reproduzir: MP3, M4A (notas de voz do iPhone), WAV, OGG, Opus (mensagens de voz do WhatsApp), FLAC, AAC, WebM, MP4 e MOV. No caso de vídeos, apenas o áudio é usado. O Whisper reconhece 99 idiomas, incluindo inglês, espanhol, português, francês, alemão, italiano, japonês, coreano, chinês, russo, árabe, hindi e turco. Marque Traduzir para inglês para obter uma tradução em inglês da fala em qualquer um desses idiomas.

Crie legendas (SRT e VTT)

Toda transcrição mantém as marcações de tempo, para que você possa baixá-la como arquivo de legenda SRT ou WebVTT e adicioná-la ao YouTube, a um editor de vídeo ou a um reprodutor de mídia. Ative Marcações de tempo para ver quando cada frase começa.

Perguntas frequentes

É realmente grátis?

Sim. Não é preciso criar uma conta, não há marca d'água e não há limite de arquivos ou minutos. A página é mantida por anúncios.

Qual é a precisão da transcrição?

Quando a fala é clara, o Whisper costuma acertar mais de 9 palavras em cada 10; a opção Preciso tem resultados melhores com ruídos e sotaques fortes. Confira nomes, números e termos técnicos antes de usar o texto. Música, vozes sobrepostas e gravações com volume muito baixo reduzem a precisão.

Qual pode ser a duração da gravação?

Não há um limite fixo. A transcrição acontece no seu dispositivo, então arquivos longos apenas levam mais tempo: com a opção Rápido, uma gravação de uma hora leva aproximadamente 15 minutos em um notebook recente. Mantenha a aba aberta até terminar.

Por que a primeira transcrição é mais lenta?

Primeiro, seu navegador baixa e armazena o modelo de reconhecimento de fala. Depois disso, o modelo é carregado do armazenamento do navegador, mesmo sem conexão com a internet.

Funciona no meu celular?

Sim, em versões recentes do Chrome, Safari, Edge e Firefox no Android e no iPhone. Celulares são mais lentos que computadores, então a opção Rápido é a melhor escolha para eles.

A ferramenta distingue quem está falando?

Não. A transcrição é um texto único com marcações de tempo; ela não identifica quem está falando.

Posso gravar primeiro e transcrever depois?

Sim. Faça sua gravação com o gravador de voz, baixe o MP3 e arraste o arquivo para cá quando quiser transcrevê-lo.