Converter áudio em texto
Envie uma entrevista, uma aula, uma reunião ou um áudio de voz e receba a transcrição por escrito. O reconhecimento de fala escreve o que foi dito, com pontuação, marcações de tempo e identificação de falantes opcionais, em um documento ou como legendas para vídeo.
Áudio para texto
ou solte arquivos MP3, WAV, M4A … aqui ·
Até 95 MB por arquivo· Até 20 arquivos· Apagados após 30 minutos
Os arquivos são processados em nossos servidores e apagados após 30 minutos.
Linhas de legenda maiores que isso são quebradas. 42 é o padrão comum em TV.
Opcional. Segundos (por exemplo, 75) ou minutos:segundos (1:15). Deixe vazio para transcrever desde o início.
Opcional. Mesmo formato do início. Deixe vazio para transcrever até o final.
Como usar esta ferramenta
- 1
Envie o áudio ou o vídeo
Adicione arquivos MP3, M4A, WAV, AAC, FLAC, OGG, Opus, AMR ou outros formatos de áudio, ou vídeos MP4, MOV, MKV, WebM e AVI. Até 20 arquivos, com 95 MB cada.
- 2
Escolha o idioma e a saída
Idioma falado começa em Detecção automática. Escolha a Saída: texto simples, Word, PDF, legendas SRT ou VTT, ou JSON com o tempo de cada palavra.
- 3
Transcreva e baixe
Clique em Transcrever; o botão também mostra a saída escolhida. Abra a transcrição, revise nomes e números e baixe o arquivo.
Converter áudio em texto, o que também se chama transcrição, transforma fala gravada em palavras escritas. Envie o arquivo, mantenha Idioma falado em Detecção automática ou escolha o idioma, defina uma saída e clique em Transcrever.
Transcrever áudio em texto: como funciona o reconhecimento de fala
O reconhecimento de fala escuta a gravação em janelas curtas, transforma cada uma em uma imagem das suas frequências e deixa um modelo treinado decidir quais palavras mais provavelmente produziram aquele som. Os modelos modernos aprendem com quantidades enormes de fala transcrita, então lidam com vozes e sotaques diferentes muito melhor que os programas de ditado de dez anos atrás. A pontuação e as letras maiúsculas são previstas pelo fluxo da frase; desative Pontuação se quiser só as palavras brutas.
A configuração de idioma faz diferença. A detecção automática ouve os primeiros 30 segundos e depois usa um único idioma no arquivo inteiro. Se a gravação começa com música, vinheta ou silêncio, ou alterna entre idiomas, escolha você mesmo o Idioma falado. A lista cobre 33 idiomas, do inglês, espanhol e árabe ao hindi, tâmil, japonês e ucraniano.
As pessoas chegam a esta ferramenta por vários caminhos: uma jornalista com uma entrevista no celular, um estudante com uma aula gravada, uma equipe com a exportação de uma reunião, um criador que precisa de legendas. Os dois tipos de arquivo mais comuns têm páginas próprias: MP3 para texto para arquivos de gravador e podcast e M4A para texto para gravações de voz do iPhone. Arquivos de vídeo funcionam direto, sem precisar extrair o som antes.
Formatos de transcrição e de legenda
| Saída | O que contém | Onde abrir |
|---|---|---|
| Texto simples (TXT) | Parágrafos de texto, com marcações de tempo e falantes opcionais | Qualquer editor de texto, app de notas ou e-mail |
| Word (DOCX) | Transcrição formatada, pronta para editar e compartilhar | Word, Documentos Google, Pages, LibreOffice |
| Uma cópia fixa da transcrição para arquivo | Qualquer leitor de PDF ou navegador | |
| Legendas (SRT) | Legendas numeradas com tempo de início e fim | YouTube, editores de vídeo, VLC |
| Legendas web (VTT) | Legendas WebVTT, o formato do W3C usado pelo vídeo HTML5 | Players web, YouTube, plataformas de cursos |
| JSON (tempo de cada palavra) | Cada palavra com seu tempo de início e fim | Scripts, índices de busca, ferramentas de edição |
Marcações de tempo, falantes e outras opções de transcrição
- Marcações de tempo
- Marcações de tempo colocam o horário, como [01:15], antes de cada parágrafo das transcrições em TXT, Word e PDF, para você encontrar o momento na gravação.
- Identificação de falantes
- Identificação de falantes indica quem está falando como Falante 1, Falante 2 e assim por diante, em entrevistas, reuniões e podcasts. Troque os rótulos pelos nomes depois.
- Pontuação e hesitações
- Pontuação vem ativada por padrão. Remover palavras de preenchimento tira “hã”, “é…” e hesitações parecidas.
- Caracteres por linha
- Em SRT e VTT, Caracteres por linha divide legendas longas, com 42 por padrão, o limite que as diretrizes de legendagem da Netflix usam para a maioria dos idiomas de alfabeto latino; qualquer valor de 20 a 80 é aceito.
- Trecho a transcrever
- Início e Fim limitam o trabalho a um trecho, em segundos (75) ou minutos:segundos (1:15).
Limites do conversor de áudio em texto online
- Gravações por lote
- 20
- Por arquivo de áudio ou vídeo
- 95 MB
- Idiomas falados, além da detecção automática
- 33
- Até os arquivos e transcrições serem apagados
- 30 min
Como conseguir uma transcrição mais precisa
Muitas palavras saem erradas ou faltando
Ruído de fundo, distância do microfone e pessoas falando ao mesmo tempo causam a maioria dos erros. Grave mais perto de quem fala sempre que puder e confira se o Idioma falado está certo.
A transcrição sai no idioma errado
A detecção automática ouviu música ou outro idioma nos primeiros 30 segundos. Escolha você mesmo o Idioma falado e transcreva de novo.
As legendas ficam longas demais para ler na tela
Diminua Caracteres por linha para 32–37 para quem assiste no celular, assim cada legenda se divide em linhas mais curtas.
Nomes e termos técnicos saem com erro de grafia
Palavras raras são difíceis para qualquer modelo. Use localizar e substituir uma vez na saída em Word ou texto; elas costumam sair erradas do mesmo jeito em todo o arquivo.
Perguntas sobre converter áudio em texto
Posso converter áudio em texto grátis sem me cadastrar?
Sim. Envie a gravação e clique em Transcrever; não há conta, período de teste nem cartão de crédito. Os arquivos são apagados automaticamente 30 minutos após o processamento, então baixe a transcrição assim que ela ficar pronta.
O que torna um conversor de áudio em texto melhor que outro?
Para comparar de forma justa, observe a precisão no seu tipo de gravação, os idiomas oferecidos, os formatos de saída e o que acontece com o seu arquivo depois. Aqui você tem 33 idiomas mais a detecção automática, seis saídas incluindo legendas, identificação de falantes e marcações de tempo, e exclusão automática após 30 minutos.
Quais idiomas o conversor de áudio em texto transcreve?
33, escolhidos em Idioma falado: entre eles inglês, espanhol, francês, alemão, português, italiano, russo, árabe, turco, hindi, bengali, tâmil, telugo, marati, guzerate, urdu, japonês, coreano, chinês, indonésio, vietnamita, tailandês, polonês, ucraniano, holandês, sueco, grego e hebraico. A detecção automática escolhe um idioma por arquivo a partir dos primeiros 30 segundos.
Posso criar legendas para um vídeo a partir do áudio dele?
Sim. Envie o próprio vídeo, escolha SRT ou VTT em Saída e você recebe um arquivo de legenda sincronizado para carregar no YouTube, em um editor de vídeo ou em um player HTML5. Para mudar o formato da legenda depois, use o conversor de legendas.
Como transcrever uma gravação de 3 horas?
Os arquivos têm limite de 95 MB, o que dá cerca de 1 hora e 40 minutos de MP3 a 128 kbps. Divida o trabalho com Início e Fim, ou deixe o arquivo menor antes: fala convertida em mono a 64 kbps com comprimir áudio cabe em cerca de 3,5 horas dentro do limite.
A transcrição do áudio pode ser traduzida para o inglês?
Não, a transcrição sai no idioma falado. Transcreva primeiro e depois cole o texto em um serviço de tradução; traduzir uma transcrição limpa dá resultados melhores do que traduzir direto do áudio, e você mantém as palavras originais para conferir citações.
Um conversor de MP3 em texto é diferente de um transcritor de vídeo?
Só no que você envia. O mesmo reconhecimento de fala roda na trilha sonora de um MP4 ou MOV e em um MP3 ou M4A. MP3 para texto e M4A para texto são predefinições desta ferramenta para esses tipos de arquivo.
Os “hã” e “é…” aparecem na transcrição do áudio?
Aparecem por padrão, porque às vezes é preciso um registro literal, por exemplo em entrevistas de pesquisa. Ative Remover palavras de preenchimento para uma transcrição mais limpa, feita para ler, citar ou publicar.
Todas as ferramentas de Áudio para texto
Escolha exatamente o tamanho ou formato que pediram para você. Todas as páginas abaixo são a mesma ferramenta com configurações padrão diferentes.
- Converter M4A em textoTransforme Memos de Voz do iPhone e gravações M4A em texto com marcação de tempo e falantes. 33 idiomas, TXT, Word, PDF ou legendas, sem conta.
- Converter MP3 em textoTranscreva um MP3 em texto em 33 idiomas. Baixe texto simples, Word, PDF ou legendas SRT e VTT, com marcação de tempo e identificação de falantes opcionais.