Legendas IA Automáticas para Qualquer Vídeo Online

OpenAI Whisper compilado para WebAssembly via Transformers.js. Quatro tamanhos disponíveis: Tiny (~40 MB, mais rápido), Base (~75 MB, equilibrado), Small (~240 MB, preciso) e Large v3 Turbo (~600 MB, qualidade broadcast, escondido atrás do botão de modelos avançados). Os modelos baixam do Hugging Face uma vez e ficam no cache do navegador. A aceleração WebGPU é usada automaticamente quando disponível.

Sim. O Silero VAD pré-segmenta o áudio em regiões reais de fala antes do Whisper rodar, o que melhora a precisão em arquivos longos e pula intros, finais e pausas silenciosas. As legendas aparecem no editor ao vivo conforme o Whisper decodifica — você não precisa esperar a transcrição inteira terminar para começar a revisar. Vídeos longos (mais de 30 minutos) funcionam melhor em desktop com pelo menos 8 GB de RAM.

Você pode exportar para SRT, VTT ou ASS — VTT é o formato padrão para closed captions WCAG / ADA / EAA em players web (HTML5 , YouTube, Vimeo). As legendas incluem timing, rótulos de falante (quando a detecção está ligada) e pontuação limpa. O MP4 queimado posiciona as legendas em zonas seguras e suporta contorno + sombra para legibilidade de alto contraste.

O Whisper aceita um initial prompt — texto no qual ele se condiciona antes de gerar. Passamos seus termos do glossário como esse prompt, então marcas ("Anthropic"), nomes de produtos ("Claude", "GPT-4"), nomes próprios e jargão técnico saem corretos. Este é o maior ganho de precisão para podcasts de tecnologia, palestras de conferência e conteúdo com muitas marcas. Um termo por linha, sem formatação especial.

O Whisper infere limites de palavras via decodificação cross-attention. A precisão é de cerca de ±200 ms — adequada para destaques estilo karaokê e a maioria dos casos de uso de legendas. Se a decodificação for muito lenta no seu dispositivo, ative o modo rápido e as palavras se distribuem linearmente dentro de cada segmento. O destaque de confiança marca palavras das quais o Whisper não tinha certeza para você verificar rapidamente.

Sim. Os modelos Opus-MT cobrem os dez principais pares de idiomas (en, ru, es, fr, de, pt, it, ja, ko, zh). Se um par direto faltar, a ferramenta volta para NLLB-200 distilled. Mantenha o original como segunda linha de legenda para saída bilíngue — útil para conteúdo de aprendizado de idiomas e audiência global.

Sim. A ferramenta baixa PNGs do Twemoji para cada palavra-chave correspondente e os compõe sobre o vídeo via filtros overlay do FFmpeg, posicionados acima da linha de legenda e cronometrados com a palavra falada. As exportações SRT e VTT também mantêm os caracteres emoji.

SRT (universal), VTT (closed captions web/HTML5) e ASS (animação completa com todos os estilos do modelo preservados — abre em Aegisub, DaVinci Resolve, mpv ou qualquer player compatível com libass). O MP4 queimado usa H.264, AAC, e o stream de áudio original é copiado sem recodificação.

Uma vez que o modelo Whisper está em cache após o primeiro uso, a ferramenta roda inteiramente no seu navegador via WebAssembly — transcrição, estilização, queima e exportação tudo localmente. Os modelos de tradução também ficam em cache no primeiro uso. A página em si carrega dos nossos servidores, mas o processamento real do seu vídeo não exige conexão com a internet.

Sim, em Chrome e Safari modernos. Em dispositivos com menos de 4 GB de RAM, os modelos Small e Large v3 Turbo ficam ocultos e usamos Tiny por padrão para evitar travamentos. Para vídeos longos, recomenda-se um laptop.