Voz para TXT

Como a voz se transforma em TXT nesta página

Seu navegador grava o microfone como áudio Opus (Chrome, Firefox, Edge) ou AAC (Safari) e mantém o arquivo na memória. Quando você confirma, o arquivo é enviado por HTTPS para um de nossos servidores de transcrição.

Nele, o ffmpeg decodifica o áudio e o Whisper – um modelo de reconhecimento de fala de código aberto – o transforma em texto de uma só vez, incluindo pontuação e quebras de frase. Se a detecção de locutores estiver ativada, um modelo de diarização primeiro separa o áudio por locutor e a transcrição é anotada de acordo.

A transcrição é salva como um arquivo de texto simples UTF 8 com pontuação normal e quebras de parágrafo, para que possa ser aberta em qualquer editor, processador de texto ou app de notas e colada em qualquer lugar. A página de resultado permite baixá-la; o áudio e a transcrição são excluídos automaticamente depois.

Dicas de gravação que importam mais do que qualquer configuração

O reconhecimento de fala depende da qualidade do áudio. Três fatores fazem a maior diferença: distância, ruído e sobreposição de vozes. Mantenha o microfone a 10–20 cm da boca; um celular segurado perto é melhor do que um laptop do outro lado da mesa. Desligue ventiladores, feche a janela e evite ambientes com eco forte.

Fale em um ritmo normal e conclua as frases – o modelo usa o contexto, portanto frases incompletas e palavras de preenchimento geram um texto pior do que uma fala completa, ainda que um pouco mais lenta. Em entrevistas, peça às pessoas que não falem ao mesmo tempo; vozes sobrepostas são o caso mais difícil para qualquer reconhecedor.

Ouça a prévia antes de começar. Se o medidor de nível quase não se mover ou permanecer constantemente no máximo, grave novamente em vez de esperar que a transcrição fique correta.

Usos comuns da conversão de voz para TXT

Esta ferramenta é usada por pessoas que preferem falar em vez de digitar ou que precisam de uma mensagem de voz fora de um aplicativo de chat: redigir um e-mail ou artigo falando, registrar atas de reuniões, transformar uma palestra ou uma nota de voz em anotações pesquisáveis, transcrever respostas de entrevistas para pesquisa e obter uma versão legível de uma mensagem de voz que não pode ser reproduzida no momento.

Como o Whisper detecta o idioma automaticamente, a mesma página funciona para um ditado em alemão, uma nota de voz em espanhol ou uma palestra em inglês, sem nenhuma configuração. A transcrição não é traduzida – ela é escrita no idioma falado.

Para áudios que já existem como arquivo – podcasts, palestras e chamadas –, os conversores de áudio para texto e de MP3 para texto deste site usam o mesmo mecanismo com as mesmas opções.

O que esta ferramenta não faz

Não traduz: as transcrições ficam no idioma falado. Não gera marcações de tempo para legendas – para arquivos SRT ou VTT, use os conversores de legendas deste site. Não identifica os falantes pelo nome, apenas pela mudança de falante quando a detecção de falantes está ativada. Além disso, não pode recuperar palavras que não são audíveis na gravação.

Nomes próprios, nomes de produtos e abreviações pouco comuns são os erros mais frequentes; uma rápida revisão do resultado com atenção a esses itens costuma ser toda a edição necessária para uma gravação limpa.