Transcrição
Também: transcrição de arquivos
Atualizado em
Definição
Transcrição é converter em texto uma gravação de áudio ou vídeo que já existe. É a contraparte do ditado feita depois: o ditado produz texto ao vivo, enquanto você fala.
A transcrição parte de um arquivo: uma reunião gravada, uma entrevista, uma aula, uma nota de voz. A ferramenta processa a gravação inteira, muitas vezes mais rápido que o tempo real, e devolve um documento. Como o áudio já existe, as ferramentas de transcrição podem usar modelos mais lentos e mais precisos, fazer várias passadas e acrescentar uma estrutura de que o ditado ao vivo nunca precisa: marcas de tempo, identificação de falantes, parágrafos por assunto, resumos.
A confusão com o ditado é compreensível, porque os mesmos modelos de reconhecimento de fala estão dentro dos dois. O que muda é tudo em volta do modelo, e é raro um produto ser excelente nos dois trabalhos.
O que a transcrição precisa e o ditado não
Diarização de falantes, para que a transcrição diga quem disse o quê. Marcas de tempo, para que uma citação possa ser encontrada na gravação. Tratamento de áudios longos, porque uma hora de áudio é um problema diferente de uma frase. Resumos e itens de ação, porque ninguém lê a transcrição completa de uma reunião. Importação de arquivos e links, inclusive de vídeo.
Nada disso ajuda você a escrever um e-mail mais rápido. Uma ferramenta de ditado concentra o esforço em outras coisas: latência, formatação no cursor, funcionar dentro de qualquer app e se comportar bem num terminal.
Como escolher o tipo certo de ferramenta
Se a gravação já existe, você precisa de um transcritor. No Mac, o MacWhisper e o Superwhisper transcrevem arquivos localmente; o Otter.ai transcreve reuniões na nuvem, com identificação de quem fala e resumos. Se você está escrevendo, precisa de ditado. Algumas pessoas precisam dos dois, e duas ferramentas focadas costumam ser melhores do que uma que tenta fazer tudo.
Como transcrever uma gravação no Mac com o Gravador
O app Gravador que vem com o macOS pode mostrar a transcrição de uma gravação. A Apple avisa que a transcrição de áudio não está disponível em todos os países ou regiões, então o botão pode não aparecer no seu Mac.
- Abra o app Gravador no Mac.
- Clique na gravação que você quer ler.
- Clique no botão Transcrição para ver a transcrição.
- Selecione o texto que quiser, clique nele com a tecla Control pressionada e escolha Copiar.
- Cole o texto no Mail, em um documento ou em qualquer outro app.
- Para encontrar uma gravação pelo que foi dito, digite as palavras no campo de busca. O Gravador mostra as gravações com esse texto no título ou na transcrição.
Como transcrever um arquivo de áudio no Terminal com o Whisper
O Whisper é um modelo aberto de reconhecimento de fala, e seu código e os pesos do modelo são publicados sob a Licença MIT. Ele vem com uma ferramenta de linha de comando que recebe arquivos de áudio e devolve texto. O projeto lista o Python 3.8 a 3.11 como compatíveis, e ele precisa da ferramenta ffmpeg para ler áudio.
- Abra o Terminal.
- Instale o ffmpeg. Com o Homebrew, o comando é: brew install ffmpeg
- Instale o Whisper com: pip install -U openai-whisper
- Rode-o em um arquivo com: whisper audio.mp3 --model turbo
- Se você sabe o idioma da gravação, informe-o, por exemplo: whisper japanese.wav --language Japanese
- Para obter texto em inglês a partir de fala em outro idioma, adicione --task translate e escolha um modelo que não seja o turbo, por exemplo --model medium.
A transcrição automática é precisa?
Depende da gravação e do modelo. Com o Whisper, você mesmo escolhe o equilíbrio. O projeto publica seis tamanhos, do tiny, com 39 milhões de parâmetros, ao large, com 1.550 milhões, e estima o tiny em cerca de dez vezes a velocidade do large. O modelo turbo tem 809 milhões de parâmetros e é estimado em cerca de oito vezes a velocidade do large.
Arquivos longos não são processados de uma vez só. O Whisper lê o arquivo inteiro e o processa com uma janela deslizante de 30 segundos, então um erro em um trecho não precisa estragar o resto. Seja qual for a ferramenta, o teste honesto é o mesmo: escolha alguns minutos que importam, ouça de novo e leia junto com a transcrição antes de confiar no documento inteiro.
Perguntas que as pessoas fazem.
Transcrição é a mesma coisa que ditado?
Não. A transcrição transforma uma gravação existente em texto; o ditado transforma sua fala ao vivo em texto onde você está escrevendo. Os mesmos modelos de reconhecimento podem servir aos dois, mas os produtos são construídos de forma diferente e raramente são bons nas duas tarefas.
Um app de ditado consegue transcrever uma gravação?
Alguns conseguem, como recurso secundário. O Flit faz isso desde a versão 1.5, no Mac, com marcas de tempo nas exportações SRT e VTT, mas sem identificação de quem fala. Se você precisa justamente disso, escolha um transcritor feito para isso.
Quais ferramentas locais para Mac transcrevem arquivos?
O MacWhisper é o mais completo, com um plano gratuito e uma versão Pro paga que identifica quem fala. O Superwhisper e o Flit transcrevem arquivos gravados, além de fazer ditado. Os três rodam modelos locais no Apple silicon.
Como transcrevo áudio em texto no Mac de graça?
Duas opções não custam nada. O app Gravador mostra uma transcrição quando você clica no botão Transcrição em uma gravação, onde o recurso está disponível. O modelo aberto Whisper pode ser instalado com pip e rodado em um arquivo de áudio pelo Terminal.
O Whisper consegue traduzir áudio para o inglês?
Sim. Adicionar --task translate ao comando whisper produz texto em inglês a partir de fala em outro idioma. O projeto diz que o modelo turbo não foi feito para tradução, então escolha outro modelo multilíngue, como o medium ou o large.
Posso copiar o texto de uma transcrição do Gravador?
Sim. Abra a transcrição no Mac, selecione o texto, clique nele com a tecla Control pressionada e escolha Copiar. Depois você pode colá-lo em qualquer outro app.
