Curso de inteligência artificial para iniciantes
Aprenda a dar tarefas claras à inteligência artificial e a conferir as respostas dela
- 1Como a IA funciona, sem mistério
- 2Como pedir textos
- 3Checagem de fatos e «alucinações»
- 4Imagens
- Mais etapas: 4
Ferramenta online para transcrever gravações de áudio e vídeo — reuniões, entrevistas, aulas, podcasts e notas de voz — em texto. O resultado sai em parágrafos, com etiquetas de falante e marcas de tempo; dá para editar na própria página, copiar ou baixar em DOCX, PDF, TXT ou legendas SRT/VTT. Arquivos curtos são reconhecidos no navegador; os de várias horas rodam no nosso servidor e você recebe um e-mail quando o texto fica pronto.
MP3, WAV, M4A, FLAC, OGG, WebM ou um vídeo — arraste o arquivo para a página ou escolha no dispositivo.
Escolha idioma e qualidade, marque «Etiquetar falantes» e informe o número de participantes, se souber.
Corrija palavras e nomes dos falantes na própria página; depois copie o texto ou baixe DOCX, PDF, TXT, SRT ou VTT.
Curso de inteligência artificial para iniciantes
Aprenda a dar tarefas claras à inteligência artificial e a conferir as respostas dela
Em alta agora
Prefere ditar ao vivo? 🎤 Digitar por voz
Os arquivos são transcritos um por vez. Cada arquivo pronto pode ser aberto ou baixado nesta lista, e todos de uma vez no botão abaixo.
Os textos também ficam salvos em Minhas gerações
Seu texto transcrito aparecerá aqui.
Para uma sessão com psicólogo, psicoterapeuta ou coach. O protocolo funciona como um registro no prontuário do cliente: a demanda, o que mudou desde a última sessão, os temas da sessão, as percepções do próprio cliente, o trabalho do profissional, as perguntas de segurança, os combinados, as tarefas e a próxima sessão. Não faz diagnósticos.
A ata é escrita por um modelo de linguagem. Para a análise o texto vai para um provedor de IA terceiro (Anthropic, EUA). Antes do envio substituímos por marcadores números de passaporte, identificadores fiscais e previdenciários, contas e cartões, telefones e e-mails; nomes, empresas e endereços permanecem no texto — não envie uma conversa cujo conteúdo você não tem direito de compartilhar com terceiros. Cada item é verificado: só aparece se a citação estiver literalmente no seu texto. Isso elimina conclusões inventadas, mas não torna a análise infalível — confira o essencial com a gravação.
Onde a transcrição acontece é decidido pelo seletor “Processamento” nas configurações. No navegador, o modelo é baixado uma vez, fica em cache e roda no seu dispositivo — o tempo depende dele. No servidor, nossa máquina transcreve a gravação: você pode fechar a aba e recebe um e-mail quando o texto estiver pronto.
Tempo = minutos de trabalho por minuto de gravação, mediana das execuções dos visitantes; na primeira vez soma-se o download do modelo. Os nomes são os da lista “Qualidade do Reconhecimento”.
| Modelo | Download único | Computador | Celular | Quando escolher |
|---|---|---|---|---|
| RápidoWhisper Tiny | 39–73 MB | ≈ 0,3 | 0,2–0,3 | Rascunho de fala em inglês num dispositivo fraco. Em outros idiomas erra tanto que a ferramenta não o oferece sozinha. |
| PrecisoWhisper Base | 73 MB | ≈ 0,6 | 0,3–0,9 | Fala em inglês; outros idiomas quando o dispositivo não dá conta da “Alta precisão”. |
| Alta precisãoWhisper Small | 238–462 MB | ≈ 1,4 | 2,4–6,4 | Idiomas além do inglês e do russo, se o dispositivo dá conta: em espanhol erra 3,5 vezes menos palavras que o Base. |
| MáximaWhisper Large v3 Turbo | 1–1,5 GB | ≈ 3,1 (estimativa) | 5–14 (estimativa) | O áudio mais difícil. Precisa de placa de vídeo; não é oferecido em dispositivos com até 4 GB de memória, e a ferramenta nunca o liga sozinha. |
| Russo — mais precisoGigaAM v3 | 305 MB | ≈ 0,6 | ≈ 2,7 (estimativa) | Fala em russo: a ferramenta o escolhe sozinha quando o dispositivo aguenta o download. Várias vezes menos erros de palavras que o Whisper; não reconhece outros idiomas. |
Tempo por minuto de gravação = mediana das execuções deste servidor. Identificar quem fala acrescenta ≈ 13 s (estimativa) por minuto e, com o servidor ocupado, a espera na fila.
| Modo | Tempo por minuto de gravação | Quando escolher |
|---|---|---|
| PadrãoWhisper Base | ≈ 13 s (estimativa) | Rápida, a menos precisa |
| AltaWhisper Small | ≈ 26 s (estimativa) | Duas vezes mais precisa que a Padrão |
| MáximaWhisper Large v3 Turbo | ≈ 30 s (estimativa) | Todos os idiomas; em russo, melhor com áudio limpo |
| Modelo russoGigaAM v3 | ≈ 3 s (estimativa) | Mais preciso em gravações de telefone e sala; só russo |
| OpenAIOpenAI gpt-transcribe | ≈ 2 s (estimativa) | 200 tokens por minuto · metade dos erros da «Máxima» no nosso teste · o áudio é enviado à OpenAI (EUA) |
De um vídeo só a trilha de áudio é transcrita — ela é dezenas de vezes menor que o próprio vídeo.
Dá para ganhar dinheiro com essa habilidade
Crie uma página de especialista: serviços, agenda e reservas de clientes. Um formulário, uns dez minutos.
Ainda não há especialistas nesta categoria — você pode ser o primeiro.
Páginas abertas antes de 28 de fevereiro de 2027 recebem o selo “Desde o início”.
Curso de inteligência artificial para iniciantes
Aprenda a dar tarefas claras à inteligência artificial e a conferir as respostas dela
A gravação já existe — uma reunião, uma entrevista, uma aula ou uma consulta — e o que falta é um documento que se possa ler, citar e mandar para os colegas. Esta ferramenta entrega exatamente esse documento: as falas ficam em parágrafos assinados pelos falantes, cada parágrafo tem marca de tempo, os nomes se corrigem com um clique e o resultado sai em DOCX, PDF, TXT ou legendas. Arquivos curtos são reconhecidos no navegador, os longos no servidor com aviso por e-mail, e do texto pronto saem, em um passo, o resumo e a ata da reunião.
Depois de escolher o arquivo, marque «Etiquetar falantes» no bloco «Falantes» — aparece o campo «Quantas pessoas falam». Deixe vazio e o número é estimado de ouvido; mas se souber quantas pessoas há na gravação, digite: com vozes parecidas (duas colegas, irmãos, pessoas da mesma idade) é bem mais preciso do que adivinhar. No texto pronto, clique em «Falante 1» e digite um nome — ele vale para todas as falas dessa pessoa e para os arquivos baixados.
Isso acontece em gravações muito longas e onde as vozes quase não se distinguem: então aparece sobre o texto um aviso de que as etiquetas não puderam ser colocadas, e o texto em si é mantido por inteiro. Informe o número de participantes em «Quantas pessoas falam» e rode a transcrição de novo — com o número conhecido, as vozes se separam com mais segurança. Se a gravação foi feita em faixas separadas (cada pessoa no seu canal), a ferramenta oferece reconhecer cada faixa em separado — a opção mais precisa.
Clique no tempo no início do trecho: o menu mostra a lista de falantes, e escolher um deles altera o rótulo apenas desse trecho. Se um trecho reúne palavras de duas pessoas — uma resposta curta e a pergunta seguinte —, selecione essas palavras e abra o mesmo menu: só a seleção passa para o outro falante. Quando uma pessoa foi dividida em duas vozes, dê à segunda voz o mesmo nome e a ferramenta pergunta se deve uni-las. O botão “Desfazer” no bloco “Quem fala” reverte qualquer um desses passos.
Acima do texto pronto há dois interruptores — «Tempos» e «Falantes». Desmarque o que não precisa e ele some não só da tela, mas também da cópia, do DOCX, do PDF e do TXT: você baixa exatamente o que vê. As legendas SRT e VTT sempre levam o tempo — é ele que põe cada linha no seu segundo do vídeo.
Escolha o processamento no servidor: o arquivo vai para o nosso servidor, a aba pode ser fechada e, quando o texto ficar pronto, chega um e-mail com o link. Uma cópia do resultado espera em «Minhas gerações», então a transcrição não some com o navegador fechado. Esses arquivos também podem ser processados no navegador, mas levam horas e dependem de a aba ficar aberta.
Abra «Nomes e termos» antes de começar e liste-os separados por vírgula: sobrenomes dos participantes, nomes de empresas e produtos, vocabulário profissional. O reconhecimento usa a lista como dica e os escreve como você indicou, e não pelo som. A lista fica guardada no navegador e é preenchida na próxima vez.
Antes de tudo, da própria gravação: um telefone sobre a mesa no meio de uma reunião, música ao fundo e pessoas falando ao mesmo tempo produzem mais erros do que qualquer escolha de modelo. Para o russo, o modelo do servidor erra bem menos em gravações de telefone e «de sala» do que o do navegador. Se a gravação está abafada ou com ruído, passe-a primeiro pela restauração de voz — o link fica ao lado das configurações.
Resolva com um especialista — aula ou consulta online, horários no seu fuso.
Podemos! Envie uma mensagem rápida com sua ideia. Se quiser discutir em detalhes, deixe seu email e entraremos em contato. Pode ser anônimo.
Ao enviar conteúdo, você confirma que está autorizado a divulgá-lo a terceiros e se compromete a não incluir dados pessoais de terceiros. Veja os Termos de Uso. Provedores de IA Tembrica é um produto independente. Não temos afiliação, endosso ou patrocínio dos criadores dos modelos e serviços listados aqui; os nomes constam apenas para informar com precisão qual motor executa cada ferramenta.
Reporte um problema ou sugira uma melhoria. Lemos tudo!
Sua mensagem foi enviada. Analisaremos em breve.
Оплата через СБП · ₽
Откройте приложение банка, выберите «Оплатить по QR» и наведите камеру на код.
Открыть приложение банкаЖдём подтверждения от банка…
Открыть ссылку на оплатуОплата через СБП · ₽
Откройте приложение банка, выберите «Оплатить по QR» и наведите камеру на код.
Открыть приложение банкаЖдём подтверждения от банка…
Открыть ссылку на оплату