Transcrever áudio em texto
Solte uma gravação, uma mensagem de voz ou um vídeo e receba o texto no seu idioma. O reconhecimento de fala roda no seu dispositivo.
Lacrado neste dispositivo
Funciona no seu navegador. Nada é enviado.
Lacrado
Sua gravação
Como funciona
-
Adicione sua gravação
Solte um arquivo de áudio ou vídeo, ou escolha um. Ele é lido no seu dispositivo e nunca é enviado.
-
Escolha o idioma
Deixe “Detectar automaticamente” ou escolha o idioma falado e comece. Na primeira vez, o modelo de fala é baixado uma única vez.
-
Copie ou baixe
O texto aparece conforme é escrito. Corrija-o se precisar e depois copie ou salve como arquivo .txt.
Perguntas frequentes
Minha gravação é enviada para um servidor?
Não. O arquivo é decodificado e transcrito dentro do seu navegador, no seu dispositivo. Só o modelo de fala é baixado, deste site, e o navegador o guarda para a próxima vez. Seu áudio e o texto dele nunca são enviados para lugar nenhum.
Qual é a precisão da transcrição?
É boa com fala clara, mas não perfeita. Ruído de fundo, música, sotaques fortes, pessoas falando ao mesmo tempo, nomes e termos técnicos geram erros. Leia o texto antes de usá-lo e corrija-o ali mesmo. A ferramenta não distingue quem está falando.
Quais idiomas ela consegue transcrever?
Mais de 50, incluindo inglês, espanhol, francês, alemão, português, italiano, holandês, polonês, russo, ucraniano, turco, árabe, hindi, chinês, japonês, coreano, indonésio, vietnamita e tailandês. A precisão é maior nos idiomas mais falados. A detecção automática escuta os primeiros 30 segundos.
Quanto tempo demora?
Depende do seu dispositivo e da duração da gravação. O reconhecimento de fala roda no seu processador, então um computador recente é muito mais rápido que um celular antigo. A primeira vez também inclui o download único do modelo, depois que você concordar. Você pode cancelar a qualquer momento e manter o que já foi transcrito.
Quais arquivos são compatíveis?
A maioria dos arquivos de áudio e vídeo: MP3, WAV, M4A, AAC, OGG, Opus, FLAC, MP4, WebM e MOV. Quando o navegador não consegue ler um arquivo sozinho, a ferramenta tenta um conversor integrado. É possível abrir arquivos de até 2 GB; gravações muito longas exigem bastante memória.
Quais componentes de código aberto ela usa?
O reconhecimento de fala é o Whisper (modelo base), publicado pela OpenAI sob a licença MIT, na versão ONNX da ONNX Community. Ele roda com o Transformers.js da Hugging Face (licença Apache-2.0) e o ONNX Runtime Web da Microsoft (licença MIT). Os arquivos que o seu navegador não consegue decodificar sozinho são convertidos com o FFmpeg compilado para WebAssembly (ffmpeg.wasm), cujo núcleo é licenciado sob a GPL.