Áudio e vídeo para legendas (IA)

Transcreva fala em SRT, VTT ou texto com Whisper, no navegador

Funciona no seu browser

Solte um arquivo de áudio ou vídeo

MP3, WAV, M4A, OGG, MP4, WebM e tudo que o navegador consegue tocar

O arquivo fica no seu aparelho. Só o modelo de IA é baixado, uma vez, e guardado pelo navegador.

Na primeira vez o modelo é baixado; depois começa na hora. Arquivos longos demoram em computadores sem WebGPU.

Como funciona a transcrição por IA no navegador?

Esta ferramenta executa o Whisper, modelo aberto de reconhecimento de fala da OpenAI, no seu próprio aparelho com transformers.js. O navegador decodifica a faixa de áudio, converte para 16 kHz e o modelo transforma cada janela de 30 segundos em texto com início e fim. Esses trechos viram blocos SRT ou WebVTT, ou uma transcrição simples. O modelo é baixado uma vez do Hugging Face Hub e fica em cache no navegador; o áudio nunca é enviado. Usa a placa de vídeo via WebGPU quando disponível e, se não, o processador.

Casos de uso

  • Adicionar legendas a um vídeo para YouTube, TikTok, CapCut ou Premiere sem digitar
  • Obter a transcrição de uma entrevista, aula, reunião ou podcast
  • Transformar uma mensagem de voz ou nota de áudio em texto
  • Traduzir fala em outro idioma para legendas em inglês

Quando usar?

Funciona bem com fala clara em arquivos de até cerca de uma hora. Rápido serve para clipes curtos e rascunhos; Equilibrado é um bom padrão; Preciso lida muito melhor com sotaques e ruído, mas o download é maior e fica mais lento sem placa de vídeo. Escolha o idioma falado se souber, pois a detecção automática pode errar em clipes curtos. Sempre revise o resultado antes de publicar: nomes e termos técnicos são os erros mais comuns, e o Conversor de legendas ajusta o tempo depois.

Exemplos

  1. Criar legendas SRT para um vídeo

    Entrada

    Uma entrevista MP4 de 2 minutos em português. Modelo: Equilibrado. Idioma: português. Saída: Mesmo idioma.

    Saída

    Um arquivo .srt com cerca de 30 trechos com tempo em português, pronto para um player ou editor.

  2. Traduzir uma palestra em legendas em inglês

    Entrada

    Um trecho de podcast em espanhol (M4A). Modelo: Preciso. Saída: Traduzir para inglês.

    Saída

    Legendas em inglês com o tempo original, em SRT, VTT ou texto.

Perguntas e respostas

Meu áudio é enviado para um servidor?

Não. O arquivo é decodificado e transcrito no navegador. O único download é o modelo de IA do Hugging Face Hub, que o navegador guarda.

Qual modelo escolher?

Comece com Equilibrado. Use Rápido para clipes curtos ou computadores lentos e Preciso para sotaques, ruído de fundo ou trabalhos importantes, se puder esperar o download maior.

Por que está lento?

Reconhecimento de fala é um trabalho pesado. Com WebGPU (Chrome, Edge e Safari recentes) roda na placa de vídeo e fica bem mais rápido; senão, no processador. Mantenha a aba aberta até terminar.

Quais idiomas são suportados?

O Whisper reconhece cerca de 100 idiomas, com melhor precisão nos mais falados, como inglês, espanhol, português, chinês e japonês. A tradução é sempre para o inglês.

Fontes e normas

Todas as ferramentas