Transforme uma gravação, ou o som de um vídeo, em uma transcrição editável e em legendas SRT ou VTT. O reconhecimento roda no seu dispositivo e o arquivo nunca é enviado.
Conversor de áudio para texto
Transforme uma gravação, ou o som de um vídeo, em uma transcrição editável e em legendas SRT ou VTT. O reconhecimento roda no seu dispositivo e o arquivo nunca é enviado.
Gravações costumam ser entrevistas, ligações e reuniões. O áudio é decodificado e reconhecido neste dispositivo e nunca é enviado; só o próprio modelo é baixado, uma única vez.
O Áudio para texto transforma uma gravação, ou a trilha sonora de um vídeo, em texto que você pode editar e em legendas que você pode usar. O reconhecimento de fala roda no seu dispositivo, em um worker em segundo plano: o arquivo é decodificado, um modelo é carregado e o resultado volta em segmentos com marcação de tempo. A partir deles, a ferramenta monta uma transcrição editável com busca, parágrafos com marcações de tempo, JSON e trechos de legenda cortados no fim das frases, dentro dos limites que você define para caracteres por linha, linhas e segundos na tela. Você pode corrigir o texto de qualquer trecho, deslocar todas as marcações de tempo em frações de segundo e baixar SRT ou WebVTT. O modelo é baixado uma vez e guardado em cache pelo navegador; a gravação em si nunca sai do seu computador.
Recursos
Lê arquivos de áudio e a trilha de áudio de arquivos de vídeo
Três tamanhos de modelo no próprio dispositivo, de um rápido só em inglês a um multilíngue mais lento
Transcrição editável com busca que destaca cada ocorrência
Trechos de legenda limitados por caracteres por linha, linhas e segundos na tela, cortados primeiro nos fins de frase
Edite as palavras de qualquer trecho e adiante ou atrase todas as marcações de tempo
Baixe SRT ou WebVTT, texto simples, parágrafos com marcações de tempo ou JSON
Contagem de palavras, duração, velocidade de fala e número de trechos
Progresso de cada etapa: decodificação, o download único do modelo e o reconhecimento
Como usar Áudio para texto
Solte um arquivo de áudio ou de vídeo na página
Escolha um modelo e o idioma falado
Pressione Transcribe e aguarde enquanto o arquivo é decodificado, o modelo carrega e a fala é reconhecida
Corrija o texto ou os trechos e depois copie o texto ou baixe o SRT ou o VTT
Exemplo
Entrada
interview.mp3 — first 10 seconds
Max 42 characters per line · 2 lines · 6 s per cue
Saída
1
00:00:00,000 --> 00:00:03,400
Welcome back to the show. Today we are
talking about how maps get made.
2
00:00:03,400 --> 00:00:07,100
Our guest has surveyed coastlines
on four continents.
3
00:00:07,100 --> 00:00:09,800
Let's start at the beginning.
Os trechos se dividem primeiro nos fins de frase, e nenhuma linha passa do limite que você escolheu.
Erros comuns e solução de problemas
O navegador diz que não conseguiu decodificar o arquivo. — Tente MP3, WAV, M4A ou OGG. Alguns contêineres de vídeo, como MKV e AVI, não podem ser lidos de jeito nenhum por um navegador; extraia antes o áudio para MP3 ou WAV e transcreva esse arquivo.
Nomes, números ou termos técnicos saem errados. — É aí que o reconhecimento é mais fraco. Um modelo maior ajuda um pouco, e definir o idioma falado de forma explícita ajuda mais; de qualquer jeito, confira o resultado com a gravação.
As linhas de legenda ficam longas demais, ou cada trecho fica tempo demais na tela. — Abra a aba Subtitles e reduza os caracteres por linha ou a duração máxima do trecho. Os trechos são refeitos na hora, e os novos limites valem para tudo.
As legendas aparecem um pouco adiantadas ou atrasadas no player de vídeo. — Use Shift all timings para mover todos os trechos em uma fração de segundo. Um valor negativo os adianta e para no início do vídeo.
Perguntas frequentes
Qual é a precisão do Áudio para texto e o que piora uma transcrição?
Ele vai bem com fala clara de uma só pessoa e fica visivelmente pior com ruído de fundo, pessoas falando ao mesmo tempo, sotaques fortes e nomes ou termos técnicos que não conhece. Trate o resultado como um rascunho a corrigir; a aba Text é editável justamente por isso.
Quais idiomas o Áudio para texto consegue transcrever?
O modelo só em inglês transcreve inglês. Os modelos multilíngues também cobrem espanhol, francês, alemão, português, hindi, japonês, chinês e russo, e podem detectar o idioma automaticamente, embora informá-lo explicitamente dê resultados melhores.
Quanto tempo o Áudio para texto leva para transcrever uma hora de áudio?
Aproximadamente a duração da gravação em um notebook comum com o modelo pequeno, e menos com os menores. A primeira execução também baixa o modelo uma vez. A página mostra cada etapa conforme acontece: decodificação, download e escuta.
Como consigo legendas de um vídeo em SRT ou VTT com o Áudio para texto?
Solte o arquivo de vídeo, transcreva-o, abra a aba Subtitles, defina o tamanho de linha e a duração de trecho que quiser e baixe o SRT ou o VTT. Carregue o arquivo junto do seu vídeo em um player ou editor; se a temporização estiver um pouco fora, desloque antes todas as marcações de tempo.
O Áudio para texto envia a minha gravação, e o que é baixado uma única vez?
A gravação é decodificada e reconhecida no seu dispositivo e nunca é enviada. O que é baixado, uma única vez, é o próprio modelo de reconhecimento, de um repositório público de modelos, que o navegador então guarda em cache para que as execuções seguintes comecem na hora e possam funcionar offline.
Existe um tamanho máximo de arquivo no Áudio para texto?
Não há um limite definido, mas a decodificação precisa do arquivo inteiro na memória, então arquivos de vídeo muito grandes podem falhar. Para vídeos longos, extraia antes o áudio e transcreva esse arquivo, ou divida a gravação em partes.
Ferramentas relacionadas
Áudio para PDF — Transcreva uma gravação no seu aparelho e exporte em PDF, SRT ou VTT.