DigiTools

Nada é enviado

Transcrever áudio e vídeo em texto

Transforme a fala de gravações, reuniões, aulas e vídeos em texto e legendas, em português, inglês, espanhol e mais 96 idiomas, ou traduza para o inglês. A IA roda no seu navegador, então suas gravações ficam no seu dispositivo.

ou solte-o em qualquer lugar desta página

Os arquivos ficam neste dispositivo. Nada é enviado.

Como transcrever áudio e vídeo em texto

  1. Escolha um arquivo de áudio ou vídeo, ou solte-o na página.
  2. Escolha o idioma (ou deixe que ele seja detectado), Transcrever ou Traduzir para inglês, e o modelo de fala.
  3. Selecione Transcrever e depois copie o texto ou baixe como TXT, ou como legendas SRT ou VTT.

Perguntas frequentes

Minha gravação ou meu vídeo é enviado para algum lugar?

Não. O reconhecimento de fala roda dentro do seu navegador, neste dispositivo, então suas gravações, vídeos e transcrições nunca são enviados a um servidor. Na primeira vez, seu navegador baixa o modelo de IA deste site e o guarda; depois disso, só a página é baixada.

Qual é a precisão e quais idiomas ele reconhece?

Ele reconhece 99 idiomas, e português, inglês e espanhol estão entre os que ele faz melhor. Fala clara sai quase palavra por palavra; espere alguns erros com nomes próprios, sotaques fortes, ruído de fundo ou pessoas falando ao mesmo tempo. Mais preciso erra bem menos, principalmente em idiomas que não são o inglês. Traduzir para inglês transforma a fala em qualquer um desses idiomas em texto em inglês.

Qual pode ser a duração de um arquivo e quanto tempo leva?

Até 3 horas, ou 30 minutos em navegadores que não conseguem ler o som aos poucos (como o Safari antes da versão 26). Em um computador recente, o Padrão costuma levar uma fração da duração da gravação, e menos com placa de vídeo; o Mais preciso leva umas três vezes mais, e celulares são mais lentos. Deixe esta aba aberta enquanto ele trabalha; você pode cancelar a qualquer momento.

Qual modelo de IA ele usa?

O Whisper, da OpenAI (do artigo “Robust Speech Recognition via Large-Scale Weak Supervision”, de Alec Radford e equipe), publicado sob a licença MIT: whisper-base no Padrão (um download de 137 MB) e whisper-small no Mais preciso (250 MB), nas versões para navegador publicadas pela ONNX Community no Hugging Face.

Posso editar as legendas?

Sim. Os arquivos SRT e VTT são texto simples: abra-os em qualquer editor de texto, ou em um editor de legendas, para corrigir uma palavra ou um tempo. Depois adicione-os ao seu player de vídeo ou envie-os junto com o vídeo para sites como YouTube ou Vimeo.