Conversor de áudio para texto
Wavetotext é um conversor de áudio em texto grátis com identificação de falantes. Ele roda o Whisper, modelo de código aberto da OpenAI, no seu navegador, então seus arquivos nunca saem do seu dispositivo.
Escolha arquivos ou clique em Gravar para começar.
Transcrição
Salvo neste dispositivo
Roda no seu dispositivo. Os modelos são baixados na primeira vez e ficam guardados no navegador. PDF abre a janela de impressão: escolha Salvar como PDF.
Como converter áudio em texto
- Escolha um ou mais arquivos, solte na caixa ou clique em Gravar para usar o microfone.
- Escolha o idioma falado ou deixe em Detectar automaticamente. Ative a identificação de falantes para entrevistas e reuniões.
- Clique em Transcrever. Os arquivos rodam um depois do outro e o texto aparece aos poucos.
- Ouça o áudio, corrija os erros, renomeie os falantes e baixe Word, PDF, TXT, SRT ou VTT.
O que você ganha
- Grátis e sem conta Sem cadastro, sem plano pago e sem limite de minutos da nossa parte. O único limite é a memória do seu dispositivo.
- Sem upload O Whisper roda no seu dispositivo. Seu áudio nunca vai para um servidor.
- Vários arquivos de uma vez Solte uma pasta inteira de gravações. Elas rodam uma depois da outra.
- Identificação de falantes Veja quem disse o quê e troque Falante 1 e 2 por nomes reais.
- 99 idiomas Escolha um ou deixe o Whisper detectar. Também traduz para o inglês.
- Velocidade da placa de vídeo Em navegadores com WebGPU, sua placa de vídeo roda o modelo. Se ficar lento, o processador assume.
- Edite ouvindo o áudio Clique numa linha para ouvir e corrija as palavras ali mesmo.
- Word, PDF, legendas Baixe DOCX, PDF, TXT, SRT ou VTT, com ou sem tempos.
Qual qualidade escolher
| Qualidade | Modelo | Download | Use para |
|---|---|---|---|
| Rápida | Whisper tiny | Cerca de 45 MB (80 MB na placa de vídeo) | Fala clara em inglês, celulares antigos, uma olhada rápida |
| Equilibrada | Whisper base | Cerca de 80 MB (150 MB na placa de vídeo) | A maioria das gravações em notebook ou celular recente |
| Máxima | Whisper small | Cerca de 250 MB (490 MB na placa de vídeo) | Sotaques, ruído de fundo, idiomas além do inglês, tradução |
Cada modelo é baixado uma vez. Depois ele carrega do armazenamento do navegador. A identificação de falantes acrescenta cerca de 33 MB na primeira vez.
Feito para
Converta qualquer formato
Transcreva áudio no seu idioma
Perguntas
É grátis mesmo?
Sim. Sem conta, sem cadastro e sem plano pago. Quem faz o trabalho é o seu próprio dispositivo, então não existe conta de servidor para repassar. O único limite é a memória do dispositivo: arquivos longos precisam de mais.
Meu áudio é enviado para algum lugar?
Não. Seu navegador abre o arquivo e roda o modelo de voz no seu dispositivo. Só os modelos são baixados, do Hugging Face. Seu áudio e suas transcrições não são enviados para lugar nenhum.
Quais arquivos posso converter?
MP3, WAV, M4A, OGG, Opus, FLAC, AAC, MP4 e WebM abrem na hora na maioria dos navegadores. AVI, MOV, MKV e outros vídeos que o navegador não abre passam por um conversor embutido, que baixa cerca de 10 MB na primeira vez.
Posso transcrever vários arquivos de uma vez?
Sim. Escolha ou solte quantos arquivos quiser. Eles entram numa fila e rodam um depois do outro, e você pode abrir cada transcrição assim que ela começa.
Ele diferencia os falantes?
Sim. Coloque Identificar falantes em Detectar falantes, ou no número de pessoas, se souber. Cada parte recebe um rótulo Falante 1, Falante 2 que você pode renomear. Vozes parecidas podem se confundir, então confira antes de compartilhar.
Quais idiomas ele entende?
Os 99 idiomas em que o Whisper foi treinado. Escolha o idioma falado ou deixe ele detectar. Funciona melhor em idiomas muito falados e pior nos que têm menos dados de treino.
Funciona no celular?
Sim, em navegadores de celular recentes. Celulares são mais lentos que notebooks, então a qualidade Rápida ou Equilibrada funciona melhor. Deixe a página aberta e a tela ligada: celulares costumam pausar páginas em segundo plano.
Quanto tempo demora?
Depende do seu dispositivo, da duração do arquivo e da qualidade escolhida. Um notebook é bem mais rápido que um celular, e com a placa de vídeo é mais rápido ainda. Você pode ler as primeiras partes enquanto o resto é processado.
Existe limite de tamanho?
Não há um limite fixo, mas o arquivo inteiro é carregado na memória. Gravações longas precisam de mais memória, então no celular é mais seguro usar arquivos curtos e a qualidade Rápida. Em nossos testes, uma gravação de 1 hora terminou em um computador usando a placa de vídeo, e um arquivo de 2 horas carregou e começou a ser transcrito.
A transcrição fica boa?
Fala clara num ambiente silencioso sai bem. Sotaques, pessoas falando ao mesmo tempo, música e ruído causam erros, assim como nomes e palavras raras. Sempre revise antes de usar.
Funciona com áudio com ruído?
Um pouco de ruído de fundo não atrapalha. Música alta, multidão e vento causam erros. Escolha a qualidade Máxima para gravações com ruído e grave perto de quem fala sempre que puder.
Posso editar a transcrição?
Sim. Clique em qualquer linha para corrigir e no tempo dela para ouvir aquele trecho. Suas alterações entram em todos os downloads.
Em quais formatos posso baixar?
Word (DOCX), PDF, texto simples (TXT) e legendas SRT ou VTT. Tempos e nomes dos falantes entram quando estão ativados.
Onde ficam salvas minhas transcrições?
Só neste navegador, em Salvo neste dispositivo. Elas ficam lá até você excluir ou limpar os dados do site. O áudio não é guardado.
Preciso instalar alguma coisa?
Não. Funciona no navegador. O modelo de voz é baixado na primeira vez que você transcreve e depois fica guardado no navegador.
É melhor que transcrever à mão?
É muito mais rápido e grátis, mas uma pessoa cuidadosa ainda acerta mais em áudios difíceis. Uma boa rotina: transcreva aqui e depois revise ouvindo o áudio para corrigir o que estiver errado.