Conversor de áudio em texto

O Conversor de áudio em texto transforma fala em texto: mensagens de voz, entrevistas, aulas, gravações de reuniões, episódios de podcast, ligações ou o áudio de um vídeo. Escolha um arquivo ou grave com o microfone. A transcrição aparece linha por linha, cada uma com o momento em que foi dita.

Duas formas de transcrever

O que você pode fazer com a transcrição

• Conferir com a gravação: clique em qualquer marcação de tempo para ouvir o trecho e em qualquer linha para corrigir o texto.
• Copiar ou baixar como texto simples, com ou sem marcações de tempo e nomes dos participantes.
• Criar legendas: baixe em SRT ou VTT, com legendas sincronizadas com a fala e divididas em linhas fáceis de ler.
• Continuar trabalhando com o texto: traduza, resuma os pontos principais ou incorpore as legendas ao vídeo.

Dicas para uma boa transcrição

• Grave perto de quem fala, longe de música e ventiladores. O ruído é o que mais prejudica a precisão.
• Para entrevistas e reuniões, use o modo IA para identificar quem fala em cada linha.
• Se um vídeo não abrir, extraia o áudio com o Extrator de áudio e transcreva o MP3.

Perguntas frequentes

Como converter áudio em texto?

Escolha um arquivo de áudio ou grave com o microfone. Depois, clique em Transcrever grátis ou Transcrever com IA. O texto aparece linha por linha, cada uma com uma marcação de tempo. Você pode copiar o texto ou baixar como arquivo TXT ou legendas SRT ou VTT.

É grátis mesmo?

Sim. O modo gratuito roda um modelo de reconhecimento de voz, o Whisper da OpenAI, no seu próprio navegador. Todo visitante recebe 10 minutos grátis por dia nesse modo (cada arquivo conta como pelo menos 1 minuto), e com Pro ou Premium o uso é ilimitado. O modo IA custa 3 créditos por minuto de fala, e todo visitante recebe 3 créditos gratuitos de IA por dia. Assim, o primeiro minuto de transcrição com IA do dia sai grátis.

Qual é a diferença entre o modo gratuito e o modo IA?

O modo gratuito é privado (10 minutos grátis por dia, ilimitado com Pro) e funciona bem com falas claras em um só idioma. Porém, tem menos precisão com sotaques, ruídos e idiomas além do inglês, e não identifica quem fala. O modo IA adiciona pontuação, detecta o idioma, lida melhor com sotaques e ruídos de fundo e identifica cada participante como Participante 1, Participante 2 e assim por diante. Você pode substituir essas identificações pelos nomes.

Posso converter vídeo em texto?

Sim. Escolha um arquivo de vídeo, como MP4, MOV, WebM ou MKV, e a ferramenta lê o áudio dele. No modo IA, só o áudio é enviado, em um pequeno arquivo comprimido. O vídeo nunca sai do seu computador.

Posso criar legendas com a transcrição?

Sim. Baixe a transcrição em SRT ou VTT: cada linha vira uma legenda com tempo de início e fim. Linhas longas são divididas em legendas de duas linhas para facilitar a leitura. Você pode usar o arquivo no YouTube, Premiere, CapCut ou VLC, ou incorporar as legendas ao vídeo com nossa ferramenta Adicionar legendas ao vídeo.

Quais idiomas são compatíveis?

O modo IA transcreve mais de 100 idiomas e detecta o idioma automaticamente, incluindo inglês, espanhol, português, francês, alemão, chinês, japonês, coreano, russo, árabe e hindi. O modo gratuito aceita os mesmos idiomas principais, mas você precisa escolher o idioma do áudio antes.

Qual é a duração máxima da gravação?

Até 3 horas ou 500 MB. No modo gratuito, visitantes sem plano podem transcrever 10 minutos por dia; com Pro ou Premium não há limite diário. Gravações longas são processadas em trechos de até dois minutos, divididos nas pausas para não cortar palavras. A transcrição aparece na tela conforme cada trecho fica pronto. Você pode parar a qualquer momento e continuar depois.

Minha gravação é privada?

No modo gratuito, nada sai do seu computador. No modo IA, o áudio é enviado em trechos para transcrição e não é armazenado. A transcrição é exibida só para você e também não fica armazenada.

Qual é a precisão da transcrição?

Com falas claras, o modo IA costuma acertar bem mais de 90% das palavras, e as marcações de tempo têm precisão de frações de segundo. Os erros são mais comuns em nomes, termos técnicos, falas em volume baixo ou pessoas falando ao mesmo tempo. Por isso, você pode corrigir qualquer linha na página antes de baixar.