Transcreva áudio em texto no seu navegador
Esta ferramenta transforma um arquivo de áudio em texto — transcrição simples, linhas com marcação de tempo ou legendas prontas para usar (SRT / VTT) — usando o modelo Whisper da OpenAI rodando diretamente no seu dispositivo. Solte um arquivo MP3, WAV, M4A, OGG, FLAC ou WebM e receba o texto de volta sem enviar nada. Seu áudio nunca sai do navegador; apenas o modelo de IA é baixado (uma vez) de uma CDN e, então, tudo roda localmente.
Como funciona
A ferramenta executa um modelo de reconhecimento de fala de código aberto — Whisper (OpenAI) ou o leve Moonshine (Useful Sensors), ambos com licença MIT — no seu navegador por meio do Transformers.js, dentro de um Web Worker, para que a página nunca congele. Seu arquivo é decodificado e reamostrado para áudio mono de 16 kHz, dividido em blocos de 30 segundos e transcrito bloco por bloco. Você escolhe o modelo que combina com suas necessidades de idioma e qualidade:
Os dois modelos Moonshine (Useful Sensors, MIT) são uma opção ultraleve criada para fala em inglês no dispositivo. Eles retornam apenas texto simples — sem marcações de tempo, portanto sem SRT/VTT — e são destinados a clipes curtos, e não a gravações longas. Para outros idiomas, ou quando você precisa de legendas ou áudio de longa duração, use um modelo Whisper.
Como o modelo é executado localmente:
- Seu áudio nunca sai do seu computador — nada é enviado a um servidor.
- Após o primeiro download, o modelo fica em cache e funciona offline.
- Navegadores com WebGPU (Chrome e Edge recentes) rodam muito mais rápido do que a alternativa por CPU (WebAssembly).
Passos
- Solte um arquivo de áudio na área de upload (ou clique para escolher um).
- Escolha um modelo: Equilibrado é um bom padrão multilíngue; use Preciso para a melhor qualidade, ou Rápido para inglês rápido.
- Para modelos multilíngues, escolha o idioma (ou deixe em Detecção automática).
- Clique em Transcrever. Na primeira execução de cada modelo, o navegador o baixa — você verá uma porcentagem de progresso.
- Ao terminar, alterne entre Texto, Com marcação de tempo, SRT e VTT.
- Copie ou baixe o formato de que você precisa.
Exemplo: envie a gravação de uma entrevista de 10 minutos (interview.m4a) → baixe interview.srt, um arquivo de legenda que você pode carregar direto em um editor de vídeo.
Formatos de saída
Quando usar esta ferramenta em vez de uma de servidor
Dicas para a melhor transcrição
- Fala clara e pouco ruído de fundo são transcritos com a maior precisão.
- Para áudio em outro idioma ou com idiomas misturados, prefira o modelo Preciso e defina o idioma explicitamente.
- Se a primeira execução parecer lenta, é o download único do modelo; o próximo arquivo é muito mais rápido.
- Arquivos longos levam mais tempo porque o áudio é processado em blocos de 30 segundos — um navegador com WebGPU ajuda muito aqui.
Tudo aqui roda no seu navegador. Seu áudio nunca é enviado — esse é justamente o objetivo.
