Transcrever um arquivo MP3 para texto
Escolha um arquivo MP3 e a IA (Whisper ou SenseVoice) faz a transcrição dentro do seu navegador. O áudio nunca chega a um servidor. Sem conta, sem pagamento, sem limite de duração.
A precisão cai muito neste idioma com os modelos menores. Escolha Whisper Small ou maior
Normalmente você pode deixar em Auto. Mude só se o resultado estiver claramente com o número errado de falantes
Não tem arquivo? Grave com o microfone. A transcrição começa depois que você parar de gravar (até cerca de 000 min neste dispositivo com o modelo selecionado). Sua gravação também não é enviada a nenhum servidor.
Como transcrever um MP3
- Escolha o idioma. A detecção automática funciona, mas escolher o idioma real (português para uma gravação em português, por exemplo) reduz os erros de reconhecimento. Se duas ou mais pessoas estiverem falando, ative também a identificação de falantes.
- Solte o arquivo MP3 aqui ou clique para escolher. A transcrição começa assim que o arquivo é carregado, e as linhas aparecem em ordem à medida que são finalizadas.
- Ao terminar, clique em uma linha para ouvir o áudio a partir desse ponto e corrigir os erros. Depois, escolha TXT, Word ou outro formato em “Baixar”, ou copie o texto diretamente.
O que importa ao trabalhar com MP3
MP3 é um formato comprimido, então a taxa de bits da gravação original afeta diretamente a precisão. A partir de 128 kbps, conversas comuns são reconhecidas de forma confiável. Abaixo de 64 kbps, ou em gravações de telefone sem as frequências altas, mais palavras se perdem. Para idiomas que não sejam japonês, chinês e coreano, mudar para o modelo Small ou maior costuma ajudar.
Tudo roda no seu próprio dispositivo. O arquivo não é enviado e o texto resultante também não vai a lugar nenhum, então gravações que você não pode compartilhar externamente, como reuniões e entrevistas, podem ser processadas como estão.
Os trechos silenciosos não são processados, então o tempo gasto depende de quanto as pessoas realmente falam, não da duração do arquivo. Aulas com pausas longas, ou gravações em que ninguém fala por muito tempo, terminam mais rápido do que a duração sugere.
Se algo der errado
- Se o mesmo nome ou termo for transcrito errado várias vezes, corrija todas as ocorrências de uma vez com “Localizar e substituir” na tela de resultados.
- Em podcasts com música ou vinhetas, podem aparecer frases que ninguém disse durante a música. Exclua essas linhas na tela de resultados.
Perguntas frequentes
Posso transcrever outros formatos além de MP3?
Sim. WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA, AMR e WebM são todos compatíveis. Se você escolher um arquivo de vídeo, só a faixa de áudio é extraída e processada.
Há limite de tamanho de arquivo?
Não. Também não há limite de duração. A duração que pode ser processada de uma vez depende da memória do dispositivo e do modelo selecionado; se não couber, a página avisa antes de o processamento começar.
Meu áudio é enviado para algum lugar?
Não. A transcrição roda dentro do seu navegador, e nem o arquivo de áudio nem o texto resultante são enviados a um servidor externo. As estatísticas de processamento usadas para corrigir problemas (especificações do dispositivo, tipo de erro e similares) são enviadas ao servidor deste site, mas não contêm áudio, texto da transcrição, nomes de arquivos nem endereços IP. Você pode impedir isso desativando o botão em “Ajude a melhorar o serviço”, no fim da página.
Quanto tempo leva a transcrição?
Depende do dispositivo e do tamanho do modelo. Com WebGPU, muitas vezes é mais rápido que o tempo real; sem WebGPU, pode levar várias vezes a duração do áudio.
Preparar o áudio e o que fazer depois de transcrever
Ajude a melhorar o serviço
Enviar as circunstâncias de uma execução, com sucesso ou falha, nos ajuda a localizar problemas (a taxa de falha precisa dos dois). Saber quais dispositivos e configurações falham mais permite rever os padrões recomendados e corrigir os erros por trás deles. Se você não se importar, deixar esta opção ativada ajuda de verdade.
O que é enviado
As especificações do seu dispositivo (modelo da GPU, memória, número de núcleos), navegador e sistema operacional, o modelo e o idioma escolhidos, sua configuração de identificação de falantes (ativada ou desativada e o número de falantes definido), o idioma de exibição da página, até onde a execução chegou (inclusive quando você a interrompeu ou fechou a página), o tipo e os detalhes do erro, o formato do arquivo com tamanho e duração aproximados e o tempo gasto. Um número temporário que vincula as execuções na mesma aba (é excluído quando você fecha a aba). Na tela de resultados: quantas vezes você usou a edição (como renomear falantes ou dividir linhas), a tradução, os resumos e a importação de legendas, os formatos escolhidos em “Baixar”, com que frequência usou “Copiar texto” e “Baixar tudo”, e o par de idiomas da tradução.
O que nunca é enviado
Áudio, transcrições (incluindo nomes de falantes e traduções), nomes de arquivos e endereços IP. Os dados vão só para o servidor deste site, nunca para um serviço de terceiros.