Áudio para texto
Transforme áudio em texto com inteligência artificial – tudo dentro do seu navegador. Selecione um arquivo de áudio, escolha o tamanho do modelo e obtenha uma transcrição que você pode copiar ou baixar como legendas nos formatos TXT, SRT ou VTT. Seu áudio nunca é enviado para um servidor: o modelo de reconhecimento de voz é baixado uma única vez e executado no seu próprio dispositivo, portanto, não há necessidade de criar contas, não há limites de tempo e nenhum arquivo é armazenado em servidores de terceiros.
Na primeira vez, o download inclui um modelo de reconhecimento de voz de 77 MB, e, em seguida, o navegador armazena esse modelo em cache.
Mais ferramentas de transcrição
O mesmo mecanismo privado, integrado ao navegador, otimizado para uma tarefa específica:
Como converter áudio em texto
- Adicione um arquivo de áudio ou vídeo — arquivos MP3, WAV, M4A e FLAC, além da maioria dos formatos de gravação, são compatíveis.
- Escolha o tamanho do modelo e o idioma falado (ou deixe a detecção automática ativada) e, em seguida, clique em "Transcrever".
- Assista ao texto sendo exibido, depois copie-o ou faça o download em formato TXT, SRT ou VTT.
Sobre este conversor de áudio para texto
Esta ferramenta executa o modelo de reconhecimento de voz Whisper, de código aberto, da OpenAI, diretamente no seu navegador. Na primeira vez que você a utiliza, o modelo escolhido (de 41 a 249 MB) é baixado e armazenado em cache, para que as transcrições subsequentes comecem sem a necessidade de esperar. Nenhum dado da sua gravação é armazenado, rastreado ou enviado para um servidor.
Três opções de tamanho de modelo permitem que você ajuste a velocidade em relação à precisão: Rápido para anotações rápidas, Equilibrado para a maioria das gravações e Preciso quando cada palavra é importante. Os segmentos com marcação de tempo são gerados como arquivos de legenda SRT ou VTT, que podem ser inseridos diretamente em editores e reprodutores de vídeo, e a opção de tradução converte o áudio em qualquer idioma compatível em texto em inglês.
Perguntas frequentes
Minha gravação foi enviada para algum lugar?
Não. A transcrição é realizada inteiramente no seu navegador, utilizando um modelo de inteligência artificial local (o Whisper, de código aberto, da OpenAI). O único download é o próprio modelo — o seu áudio nunca sai do seu dispositivo, o que você pode verificar no painel de rede do seu navegador.
Quais idiomas são suportados?
O modelo é multilíngue e reconhece a fala em cerca de 99 idiomas, incluindo inglês, espanhol, chinês, francês, alemão, português, japonês e indonésio. Deixe a configuração de idioma no modo de detecção automática ou defina-o explicitamente para obter uma precisão ligeiramente melhor. Você também pode traduzir a fala de qualquer idioma compatível diretamente para texto em inglês.
Qual é o grau de precisão?
Funciona muito bem com a fala clara, e os modelos maiores apresentam uma melhora notável. Como todo sistema de reconhecimento de voz, tem dificuldades com ruídos de fundo intensos, sotaques fortes, várias pessoas falando ao mesmo tempo e música, e pode até inventar texto durante longos períodos de silêncio — revise sempre o resultado antes de publicá-lo.
Quanto tempo leva para fazer a transcrição?
Depende do seu dispositivo e do tamanho do modelo: a gravação é processada localmente, geralmente algumas vezes mais rápido do que em tempo real em um laptop moderno com o modelo "Balanced". Arquivos mais longos simplesmente demoram mais — mantenha a guia aberta enquanto o processo estiver em execução.