Notas de Voz do iPhone, áudio do QuickTime e downloads do YouTube usam o formato .m4a. Arraste o arquivo para um aplicativo gratuito para Windows e obtenha a transcrição em minutos. Sem upload, sem taxas por minuto, sem etapa de conversão.
Arraste, aguarde, copie. Suporte nativo a M4A, sem necessidade de conversão de formato.
Pegue o instalador gratuito para Windows 10 ou 11 na página inicial do StarWhisper. A configuração leva cerca de dois minutos e inclui um download único do modelo Whisper para que o aplicativo funcione totalmente offline. Sem cadastro, sem cartão de crédito, sem confirmação por e-mail.
Se o M4A estiver no seu iPhone, o caminho mais fácil é o iCloud Drive (salve a Nota de Voz em Arquivos, depois abra Arquivos no Windows através do aplicativo iCloud) ou um cabo USB. Se o M4A veio de um Mac (exportação do QuickTime, finalização do GarageBand), basta copiá-lo através de qualquer sincronização na nuvem ou pen drive USB. Os downloads do YouTube que chegaram como .m4a já estão no PC e prontos para uso.
Abra o StarWhisper. Abra o Explorador de Arquivos e encontre o arquivo .m4a. Arraste-o para a janela do StarWhisper. O aplicativo lê M4A nativamente, então não há necessidade de converter para MP3 ou WAV primeiro. O idioma é detectado automaticamente, incluindo os 96 suportados pelo Whisper.
O StarWhisper processa o áudio localmente em sua CPU ou GPU. Velocidade: cerca de 10 vezes mais rápido que o tempo real em uma CPU de laptop moderna e 50 vezes mais rápido em uma GPU NVIDIA com CUDA. Um M4A de uma hora é transcrita em cerca de 6 a 12 minutos na CPU ou 1 a 2 minutos em uma GPU de nível intermediário. Uma nota de voz curta termina em segundos.
A transcrição aparece na janela do StarWhisper quando o processamento termina. Copie o texto completo para a área de transferência, salve-o como um arquivo .txt ou exporte com marcações de tempo opcionais, se precisar de referência cruzada com o áudio. Cole no Notion, Word, Google Docs, seu CMS ou em qualquer outro lugar onde o texto precise ir.
Vantagens específicas, não benefícios vagos.
A maioria das ferramentas online exige que você converta M4A para MP3 ou WAV antes de aceitá-lo. O StarWhisper lê M4A nativamente. Pule a conversão e a pequena perda de qualidade que ela traz.
Notas de voz são pessoais: pensamentos inacabados, conversas privadas, notas confidenciais. Conversores em nuvem fazem upload de tudo isso. O StarWhisper mantém o áudio na sua máquina. Detalhes de privacidade.
Transcrição gratuita até o limite diário de palavras. A Rev cobra de 10 a 25 centavos por minuto; o StarWhisper cobra zero por minuto e você mantém a mesma qualidade de áudio e precisão.
Os microfones integrados do iPhone produzem um áudio limpo quando o locutor está a menos de um metro. O Whisper lida com isso quase perfeitamente, com 95 a 99 por cento de precisão em gravações silenciosas.
O Whisper lida com 96 idiomas, incluindo todos os principais europeus, asiáticos e do Oriente Médio. Notas de voz em qualquer um deles são decodificadas sem que você precise escolher um idioma manualmente. Suporte a idiomas.
Proprietários de GPUs NVIDIA instalam o pacote CUDA e a velocidade de transcrição salta cerca de 5x. Um M4A de uma hora se torna um trabalho de dois minutos. Aceleração de GPU.
O M4A é o contêiner de áudio do dia a dia que a Apple escolheu para quase todas as gravações de consumidor que envia. As Notas de Voz do iPhone são salvas como M4A. As gravações de áudio do QuickTime são exportadas como M4A. Os downloads da Apple Music chegam como M4A. As compras de áudio do iTunes são em M4A. Até mesmo o modo somente áudio em muitos baixadores do YouTube produz arquivos M4A porque os fluxos de áudio de maior qualidade do YouTube usam AAC dentro de um contêiner MP4, que é exatamente o que o M4A é.
Se você tem um iPhone ou um Mac, provavelmente acumulou dezenas, possivelmente centenas, de arquivos M4A: notas de voz que você fez durante reuniões ou enquanto caminhava, entrevistas que você gravou, palestras das quais participou, ideias que você capturou às 2 da manhã. A próxima pergunta natural, mais cedo ou mais tarde, é como ler o que está dentro delas. Ouvir tudo de novo é lento. Pesquisar no áudio por aquela frase específica que você lembra é impossível. A resposta é a transcrição, e o obstáculo que a maioria das pessoas encontra é que nenhuma das opções fáceis é gratuita e privada ao mesmo tempo.
Conversores online de M4A cobram por arquivo ou por minuto, forçam um cadastro, fazem upload do seu áudio para os servidores deles e limitam o tamanho do arquivo nas versões gratuitas. O StarWhisper lida com o M4A como um formato de primeira classe na sua própria máquina, gratuitamente, offline, sem taxa por arquivo ou etapa de upload.
As fontes mais comuns de M4A e a maneira mais limpa de colocá-las em um PC Windows para transcrição:
Abra as Notas de Voz no iPhone, toque na nota que você deseja, toque no menu de três pontos, toque em Compartilhar e escolha Salvar em Arquivos. Em seguida, salve no iCloud Drive (e acesse via aplicativo iCloud para Windows), envie por e-mail para si mesmo, coloque em uma pasta compartilhada na nuvem como Dropbox ou OneDrive, ou faça AirDrop para um Mac próximo e copie de lá. O arquivo chega como um .m4a com o nome da gravação.
O QuickTime salva novas gravações de áudio como .m4a por padrão. Mova o arquivo para o Windows via qualquer sincronização na nuvem ou pen drive USB. Não é necessária conversão em nenhuma direção; o arquivo já está no formato certo.
Ferramentas como o yt-dlp podem extrair apenas a faixa de áudio de um vídeo do YouTube. Execute com a sinalização somente áudio e a saída geralmente é .m4a (o fluxo AAC original que o YouTube serve em taxas de bits mais altas). Solte o .m4a resultante no StarWhisper para obter a transcrição falada sem recodificar.
O Zoom pode salvar apenas a faixa de áudio de uma reunião gravada como .m4a. Solte esse arquivo para obter uma transcrição limpa da conversa sem precisar extrair do arquivo de vídeo separadamente.
Para um fluxo de trabalho relacionado que começa diretamente de uma nota de voz do iPhone (com instruções detalhadas de transferência de telefone para PC), veja como transcrever notas de voz do iPhone. Para chamadas no Zoom especificamente, o guia de transcrição de chamadas do Zoom orienta você pela etapa de exportação somente de áudio.
Cenários reais com tempo aproximado:
Nota de voz de cinco minutos gravada no iPhone enquanto caminhava. Faça AirDrop ou iCloud do .m4a para o seu Mac, depois sincronize com o Windows (ou pule o Mac e use o iCloud diretamente). Solte no StarWhisper. Saída: cerca de 700 palavras de texto em menos de 60 segundos. Útil para capturar pensamentos em movimento e depois ter um registro pesquisável.
Entrevista de 90 minutos salva como .m4a do QuickTime. Solte no StarWhisper. Tempo de processamento na CPU: 10 a 18 minutos. Saída: aproximadamente 12.000 palavras de transcrição em texto puro. Leve edição, cole no seu rascunho de artigo. A mesma tarefa na Rev com transcrição humana custaria 22,50 dólares; o StarWhisper é gratuito.
30 notas de voz acumuladas ao longo de uma semana de reuniões e conferências. Arraste a pasta inteira para o StarWhisper. O aplicativo as enfileira, processa uma de cada vez e salva cada transcrição com o nome do arquivo correspondente. Afaste-se, volte para 30 transcrições prontas para pesquisa.
Cinco entrevistas longas no YouTube relevantes para um projeto, baixadas como .m4a somente áudio. Arraste para dentro. Transcreva durante a noite. Agora você tem texto pesquisável em vez de ter que percorrer horas de vídeo para encontrar a citação que você lembra.
As pessoas às vezes se preocupam que o M4A dará uma transcrição pior do que MP3 ou WAV. O oposto está mais perto da verdade.
O M4A usa AAC, um codec mais eficiente que o MP3. Em taxas de bits equivalentes, o M4A retém ligeiramente mais detalhes em alta frequência e produz uma reconstrução mais limpa do áudio original. Para o Whisper, isso significa que o áudio de origem M4A é geralmente tão transcritível quanto o MP3 ou melhor, especialmente em taxas de bits mais baixas, onde o MP3 começa a distorcer as bordas das consoantes.
O WAV é descompactado e representa o áudio original bit a bit. É o padrão ouro para qualidade de origem. Mas o Whisper não precisa dessa qualidade para produzir uma ótima transcrição: o modelo foi treinado em uma mistura de áudio compactado e descompactado e lida bem com todos os formatos comuns. A diferença entre uma transcrição M4A e uma transcrição WAV da mesma gravação é tipicamente zero diferença detectável.
A implicação prática: não perca tempo convertendo M4A para WAV ou MP3 antes de transcrever. Solte o arquivo original. Se você quiser transcrever um formato de origem diferente, veja como converter MP3 para texto ou como converter WAV para texto; o fluxo de trabalho é idêntico.
Notas de voz são pessoais. Algumas são banais (listas de compras, lembretes). Muitas não são. As pessoas gravam:
Fazer upload desses arquivos para um conversor online de M4A para texto envia o áudio para um servidor que você não controla. Alguns serviços mantêm o áudio por dias ou semanas para "melhoria de qualidade". Alguns vendem acesso aos dados. Mesmo quando a política de privacidade diz as coisas certas, o áudio ainda fica no hardware de outra pessoa.
O Modo Local do StarWhisper mantém todo o processo no seu dispositivo. O .m4a é decodificado pelo aplicativo, o modelo Whisper é executado na sua CPU ou GPU, e o texto resultante é gravado no seu disco rígido. Nada sai do dispositivo. Para detalhes mais profundos sobre como isso funciona, veja arquitetura de privacidade e offline e como transcrever áudio offline. Para profissões específicas que lidam com gravações M4A sensíveis, veja voz para texto para jornalistas, voz para texto para terapeutas ou voz para texto para advogados.
A versão gratuita do StarWhisper fornece 500 palavras por dia e 3.500 palavras por semana de saída transcrita. Uma nota de voz típica de 5 minutos produz cerca de 700 palavras; uma entrevista típica de 60 minutos produz cerca de 8.000 palavras. Portanto, se você transcrever uma nota de voz curta por dia, a versão gratuita nunca acaba. Se você transcrever entrevistas longas rotineiramente, você atingirá o limite.
A versão Pro remove totalmente o limite de palavras. Custa 10 dólares por mês ou 80 dólares por ano. Detalhes completos e preços da versão Pro. O plano gratuito é permanente, para que você possa verificar o fluxo de trabalho em um arquivo M4A antes de se comprometer.
As versões Gratuita e Pro usam o mesmo modelo Whisper e produzem transcrições idênticas. O plano Pro apenas remove os limites e adiciona recursos de fluxo de trabalho. Para uso puramente de M4A para texto, a única diferença prática é o limite diário de saída. Se o seu uso for ocasional para notas de voz, fique no gratuito. Se o seu uso for transcrição regular de formato longo, a versão Pro é a escolha certa.
O mesmo fluxo de trabalho para o formato de áudio mais comum do mundo.
Processe gravações de estúdio descompactadas e arquivos de áudio profissionais.
O fluxo de trabalho completo de transcrição de notas de voz do iPhone para o Windows.
Áudio de entrevistas, gravações de fontes e preocupações com confidencialidade.