Transcrição ilimitada no navegador com Whisper AI
Escolha um arquivo de áudio e o modelo Whisper roda dentro do navegador para transcrever. Não é preciso configurar Python, ffmpeg nem drivers de GPU. O áudio nunca chega a um servidor, e não é preciso conta nem pagamento.
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 usar
- Escolha um modelo. O padrão é selecionado automaticamente conforme o que seu dispositivo aguenta. Em um PC com WebGPU, o Large v3 Turbo oferece um bom equilíbrio entre precisão e velocidade.
- Escolha o idioma. A detecção automática funciona, mas especificar o idioma real reduz os erros de reconhecimento.
- Escolha um arquivo de áudio ou vídeo. A transcrição começa assim que o arquivo é carregado, e ao terminar você pode escolher TXT, Word, SRT ou outro formato em “Baixar”.
Sobre o Whisper rodando no navegador
Whisper é um modelo de reconhecimento de fala lançado pela OpenAI. Normalmente, ele é usado configurando um ambiente Python e instalando ffmpeg e drivers de GPU. Esta ferramenta roda os mesmos modelos Whisper convertidos para um formato que funciona no navegador. O modelo é baixado na primeira vez, e depois é usada a cópia armazenada no navegador.
Há seis modelos disponíveis: Tiny, Base, Small, Medium, Large v3 Turbo e Large v3. Em um PC com WebGPU, eles rodam na GPU; em celulares e dispositivos sem WebGPU, rodam na CPU. Modelos maiores são mais precisos, mas exigem um download maior e mais memória. O Large v3 Turbo mantém o codificador do Large v3 e usa um decodificador menor, então roda rápido com precisão próxima à do Large v3. Para ver as taxas de erro e os tempos de processamento que medimos para cada modelo em cada idioma, incluindo modelos que não são Whisper, consulte Comparação de modelos e como escolher.
O Whisper às vezes escreve frases que ninguém disse durante silêncio ou música. As frases repetidas são removidas automaticamente, mas uma frase que aparece só uma vez permanece, então exclua essa linha na tela de resultados.
Se algo der errado
- Se o processamento parar no meio, a memória do dispositivo pode estar acabando. Mude para o próximo modelo menor ou divida o áudio em partes mais curtas.
- Se nomes próprios ou termos técnicos ficarem de fora com frequência, mude para o Small ou um modelo maior.
Perguntas frequentes
Preciso de Python ou GPU?
Não. Um navegador recente, como Chrome ou Edge, é suficiente. Em um PC com WebGPU, roda rápido na GPU; em celulares ou dispositivos sem GPU utilizável, roda na CPU (leva mais tempo).
Qual modelo devo escolher?
O padrão é escolhido automaticamente conforme o que seu dispositivo aguenta. Em um PC com WebGPU, o Large v3 Turbo oferece um bom equilíbrio entre precisão e velocidade; no celular, escolha Tiny ou Base.
Os resultados são iguais aos da versão Python do Whisper?
O modelo é o mesmo Whisper, mas foi deixado mais leve para rodar no navegador, então detalhes finos do resultado podem não coincidir com os da versão Python.
Funciona offline?
Sim. Depois que o modelo é baixado, você pode transcrever sem conexão com a internet.
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.