Transcrever áudio ou vídeo

Como funciona

Serviços de transcrição querem que você envie sua gravação, e gravações são entrevistas, reuniões, aulas e consultas — entre os arquivos mais sensíveis que alguém manipula. Esta ferramenta roda o modelo de fala na sua própria máquina. O custo é o tempo, e é grande o bastante para ser dito antes de você começar, e não depois.

Quão lento, realisticamente

O modelo tem 41 MB e é baixado uma vez. Depois disso, transcrever leva aproximadamente o mesmo tempo da própria gravação em um notebook moderno, e duas ou três vezes mais em uma máquina mais antiga ou em um celular. Um clipe de cinco minutos é um café; uma reunião de uma hora não é prática. O limite de duração vem em cinco minutos por padrão por esse motivo — aumente-o de propósito, não por acidente.

O que você recebe

Legendas em .srt ou .vtt com marcações de tempo, prontas para serem gravadas em um vídeo com a ferramenta de legendas daqui, ou texto simples para uma transcrição. As marcações de tempo vêm do modelo e costumam ser próximas, mas não exatas ao quadro.

Precisão, com honestidade

Este é o modelo Whisper pequeno, escolhido porque os maiores têm centenas de megabytes. Ele é bom com fala clara em inglês gravada perto de um microfone. É visivelmente mais fraco com sotaques fortes, duas pessoas falando ao mesmo tempo, ruído de fundo, termos técnicos e nomes próprios. A pontuação é irregular. Leia o resultado antes de enviá-lo a qualquer lugar.

Somente inglês

Usa-se o modelo somente em inglês porque ele é menor e mais preciso em inglês do que a versão multilíngue do mesmo tamanho.