Criado com IA avançada no seu dispositivo e aceleração de hardware para um desempenho profissional com privacidade total.IA no seu dispositivo — profissional e privado.
Transcritor de voz para texto online
Voz para texto a partir de um arquivo ou do seu microfone
- Roda no seu dispositivo
- Áudio e vídeo à entrada, legendas à saída
- Grátis e sem cota mensal de minutos
Solte aqui uma gravação
MP3, WAV, WAVE, OGG, OGA, OPUS, M4A, M4B, M4R, AAC, ADTS, FLAC, MKA, WEBA, MP4, MOV, WEBM, MKV, 3GP, 3GPP, 3G2
Indicar o idioma é mais preciso do que deixá-lo ser detectado.
O modelo preciso é um download maior e bastante melhor fora do inglês.
Um tempo por palavra em vez de um por passagem: para legendas karaokê e edição precisa.
Aqui as legendas são grátis. As duas ferramentas com que somos comparados cobram por elas.
Grátis: uma gravação de cada vez, até 0 B e 0 minutos.
Por que usar voz para texto?
Dictar notas, redigir mensagens às mãos livres ou captar transcrições iniciais sem instalar software de ditado à parte.
Benefícios
- Mãos livres: falar em vez de escrever.
- Rapidez: muitas pessoas falam mais depressa do que escrevem.
- Acessibilidade: via alternativa de introdução.
- Leve: funciona numa página web normal.
- Exportar: TXT ou JSON para reutilizar.
Transcreva um arquivo de áudio ou vídeo
Solte uma gravação e ela é transcrita por inteiro no seu dispositivo: sem upload e sem limite mensal de minutos. Vídeos também funcionam: o som é lido diretamente do contêiner, por isso uma entrevista gravada em MP4 ou MOV não precisa de conversão prévia.
O que pode soltar aqui
MP3, WAV, OGG, OPUS, M4A, AAC, FLAC, MKA e WEBA para áudio, além de MP4, MOV, WEBM, MKV e 3GP para vídeo. Tudo o resto é recusado logo no seletor de arquivos, com um link para o conversor de áudio, para nunca esperar por um processo que não ia terminar.
O que sai
- Texto simples — a transcrição em parágrafos, pronta a colar num documento.
- Texto com marcas de tempo — cada passagem com a sua posição na gravação.
- Legendas SRT e VTT — os dois formatos que os leitores e as plataformas realmente leem.
- JSON — cada passagem com início e fim, para o que quiser construir por cima.
- Um arquivo para o lote — uma fila de gravações é baixada num único ZIP, e não uma janela por arquivo.
Para onde vai o seu áudio
Isto importa mais do que parece, porque as duas metades desta página comportam-se de forma diferente e quase nenhuma ferramenta lhe diz qual está usando.
- Um arquivo arrastado aqui é transcrito no seu dispositivo, não nos nossos servidores. O modelo de reconhecimento é baixado uma vez para o navegador e roda ali. A gravação é lida localmente e nada dela é enviado para lugar nenhum.
- O ditado ao vivo depende do navegador. O ditado usa o reconhecedor integrado no próprio navegador, e a maioria envia esse áudio para os servidores do fabricante para o transformar em palavras.
- Navegadores recentes também ditam localmente. Quando existe reconhecimento no dispositivo para o seu idioma, esta página pede-o e oferece instalar o pacote de idioma.
- A página informa qual foi usado. O modo mostrado abaixo do microfone é lido do reconhecedor depois de iniciar, não adivinhado a partir do que foi pedido.
Como funciona
O microfone alimenta o reconhecedor do dispositivo; as palavras vão surgindo na área de transcrição.
Fluxo de reconhecimento
- Áudio: capturado enquanto escuta.
- Provisório: texto provisório em cinza itálico.
- Final: texto confirmado acrescentado à transcrição principal.
- Idioma: etiqueta BCP-47 na instância de reconhecimento.
- Parar: termina a sessão de reconhecimento.
Fluxo de trabalho típico
- Idioma: selecionar primeiro.
- Iniciar: falar após a permissão.
- Revisar: observar provisório vs. final.
- Parar: quando terminar.
- Copiar: ou exportar.
Fatos
A qualidade varia com o dispositivo; dispositivos tipo Chromium costumam ser os mais fiáveis para esta API.
Pontos-chave
- Os modos contínuo e provisório estão ambos ativos no código.
- Mudar de idioma durante a escuta interrompe primeiro a sessão.
- A contagem de palavras usa divisão simples por espaços.
- A exportação JSON usa nomes de chave em inglês por compatibilidade.
- Safari/Firefox podem diferir de Chrome/Edge.
Boas práticas
Reduza erros antes de confiar na transcrição.
Dicas
- Sala calma e microfone razoável.
- Alinhe o menu com o idioma que realmente fala.
- Releia nomes próprios, números e termos técnicos.
- Reinicie se o reconhecimento deixar de responder.
Casos ideais
- Notas: captura rápida.
- Rascunhos: primeira passagem em ditado.
- Acessibilidade: quando escrever é difícil.
Quando não confiar
- Transcrição jurídica ou médica certificada sem revisão.
- Garantia só offline se o dispositivo usar reconhecimento na nuvem.
Limitações
API dependente do dispositivo; microfone necessário; nem todos os idiomas funcionam igual em todo lugar.
- Grátis — uma gravação de cada vez, até 50 MB e dez minutos, com todos os formatos de exportação e sem marca d'água.
- Pro — uma fila de gravações num só arquivo, gravações tão longas quanto o dispositivo aguentar, o modelo mais preciso e tempos palavra a palavra.
Com algoritmos otimizados de processamento de áudio.
Perguntas frequentes
Qual é a precisão da transcrição de voz para texto baseada no dispositivo para uma entrevista gravada?
A precisão depende da clareza do áudio, da qualidade do microfone, do sotaque e do ritmo de fala. Para gravações claras com microfone próximo em um ambiente silencioso, o reconhecimento de voz moderno do dispositivo lida muito bem com o português conversacional. Ruído de fundo, sotaques fortes ou fala rápida reduzirão a precisão, por isso a edição da transcrição é sempre recomendada para uso profissional.
Posso transcrever um arquivo de áudio pré-gravado em vez de falar ao vivo no microfone?
A API de reconhecimento de voz baseada no dispositivo funciona com entrada de microfone ao vivo. Para transcrever um arquivo pré-gravado, reproduza-o pelos alto-falantes do dispositivo perto do microfone, ou use um cabo de áudio virtual para rotear o áudio diretamente. Para transcrição pura de arquivo para texto sem regravação, uma ferramenta dedicada de upload de arquivo é mais confiável.
Quais idiomas são suportados para o reconhecimento de voz para texto?
Os idiomas suportados dependem da implementação da Web Speech API do seu dispositivo. A maioria dos principais dispositivos suporta português, inglês, espanhol, francês, alemão, chinês, japonês e dezenas de outros idiomas. Selecione seu idioma nas configurações da ferramenta e fale naturalmente — o mecanismo de reconhecimento lida com dialetos e sotaques regionais com precisão variável.
Meus dados de voz são enviados a um servidor ao usar esta ferramenta de voz para texto?
A ferramenta usa a Web Speech API integrada do seu dispositivo. Dependendo do dispositivo, o áudio pode ser processado localmente ou enviado brevemente para os servidores de reconhecimento do fornecedor do dispositivo (como o Google no Chrome). Nenhum áudio é armazenado por este site. Para transcrição completamente offline, use um aplicativo de desktop com reconhecimento no dispositivo.
Posso usar voz para texto para ditar documentos longos ou notas de reuniões?
Sim. A ferramenta suporta ditado contínuo e exibe o texto em tempo real enquanto você fala. Para sessões longas, faça pausas periodicamente para copiar a transcrição para o seu editor de documentos. O suporte à pontuação automática varia por dispositivo — talvez você precise adicionar pontuação manualmente ou dizer comandos como "ponto" ou "vírgula" onde necessário.
Por que o reconhecimento de voz para ou reinicia após alguns segundos de silêncio?
A maioria dos dispositivos pausa o reconhecimento de voz após um período de silêncio para conservar recursos. Algumas implementações requerem o modo contínuo para permanecer ativo. Se a transcrição parar, continue falando ou clique no botão do microfone novamente. Para ditado longo e ininterrupto, mantenha um ritmo de fala constante e moderado sem longas pausas.
de 753 avaliações
Avalie esta ferramenta
Toque numa estrela — leva um segundo