Tem um podcast, gravação ou nota de voz em MP3? Arraste o arquivo para um aplicativo gratuito para Windows e obtenha a transcrição em minutos. Sem upload, sem taxas por minuto, sem limite de duração do arquivo.
Arraste, aguarde, copie. Funciona com qualquer MP3 de qualquer duração.
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 após a instalação. Sem cadastro, sem cartão de crédito, sem confirmação por e-mail.
Abra o StarWhisper. Abra o Explorador de Arquivos e encontre seu MP3. Arraste o arquivo para a janela do StarWhisper. O aplicativo detecta o idioma automaticamente. Se preferir, você também pode clicar em um botão Importar e procurar o arquivo. Ambos os métodos produzem o mesmo resultado.
O StarWhisper processa o áudio localmente em sua CPU ou GPU. Velocidade aproximada: cerca de 10 vezes mais rápida que o tempo real em uma CPU de laptop moderno e 50 vezes mais rápida em uma GPU NVIDIA com CUDA ativado. Um MP3 de uma hora é transcrito em cerca de 6 a 12 minutos na CPU ou 1 a 2 minutos em uma GPU de nível intermediário. O progresso é mostrado em tempo real.
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 referenciar o áudio original. Cole no Notion, Word, Google Docs, seu CMS ou onde quer que o texto precise ir.
Vantagens específicas, não benefícios vagos.
A Rev cobra 25 centavos por minuto por transcrição humana e 10 centavos por minuto por IA. Um episódio de podcast de 90 minutos custa de 9 a 22,50 dólares. O StarWhisper é gratuito, com a mesma precisão do nível de IA da Rev.
Os serviços em nuvem frequentemente limitam o tamanho de upload (o Otter.ai limita o plano gratuito a 30 minutos por arquivo). O StarWhisper lida com audiolivros, gravações de conferências de dia inteiro e entrevistas de várias horas sem limite.
MP3, WAV, M4A, OGG, OPUS, FLAC, WMA, além de extração de áudio de MP4 e outros formatos de vídeo. Nenhuma etapa de conversão necessária.
O Modo Local padrão executa o Whisper em sua própria CPU ou GPU. O MP3 é decodificado localmente, transcrito localmente e o resultado é gravado no seu disco. Nada é enviado. Detalhes de privacidade.
O Whisper suporta 96 idiomas, incluindo todos os principais idiomas europeus, asiáticos e do Oriente Médio. A detecção de idioma é automática. Suporte a idiomas.
Os proprietários de GPU NVIDIA instalam o pacote CUDA e a velocidade de transcrição salta cerca de 5x. Um MP3 de uma hora se torna um trabalho de dois minutos. Detalhes sobre aceleração de GPU.
O MP3 ainda é o formato de áudio portátil universal. Podcasts publicam feeds em MP3, palestras acabam como downloads em MP3, notas de voz são exportadas em MP3 de muitos gravadores, e arquivos históricos de entrevistas e gravações de conferências existem quase exclusivamente como MP3. Qualquer pessoa que tente ler o que está dentro de um desses arquivos esbarra no mesmo problema: não há nenhuma ferramenta nativa de conversão de MP3 para texto no Windows.
O caminho que a maioria das pessoas toma, muitas vezes por padrão, é fazer o upload do MP3 para um serviço de transcrição em nuvem. Otter, Trint, Rev, Sonix, Happy Scribe e Descript todos oferecem isso. Eles funcionam, mas têm três desvantagens: taxas por minuto que se acumulam rapidamente em arquivos longos, tempo de upload e custo de banda em conexões lentas, e preocupações com a privacidade para gravações sensíveis. A quarta desvantagem é mais rara, mas pior: alguns serviços têm limites de tamanho ou duração de arquivo em suas contas gratuitas que limitam discretamente o que você pode realmente transcrever sem pagar.
A alternativa que a maioria dos usuários técnicos descobre e da qual nunca volta atrás é a transcrição local. Instale um pequeno aplicativo, arraste o MP3, obtenha o texto. O StarWhisper é a opção mais popular para Windows para isso. O modelo é o OpenAI Whisper, que é a mesma tecnologia subjacente que alimenta muitos serviços de transcrição em nuvem; você apenas o executa localmente em vez de pagar para um fornecedor executá-lo por você.
Números concretos de situações comuns:
Solte um MP3 de 60 minutos no StarWhisper. Aguarde de 6 a 12 minutos em uma CPU típica de laptop, ou 1 a 2 minutos com uma GPU NVIDIA. Copie a transcrição resultante de 8.000 palavras para o seu aplicativo de notas ou sistema de gerenciamento de conteúdo. Tempo total, incluindo a configuração: menos de 15 minutos para um usuário iniciante, menos de 2 minutos para um usuário recorrente.
Solte um MP3 de entrevista de 90 minutos. Tempo de processamento em CPU moderna: 10 a 18 minutos. Resultado: aproximadamente 12.000 palavras de transcrição em texto puro. Edite levemente, cole no seu rascunho de artigo. Grátis; sem taxas por minuto que teriam feito desta uma transcrição de 9 a 22,50 dólares na Rev.
Solte uma pasta com 30 gravações antigas. O StarWhisper as coloca em fila. Afaste-se. Volte para 30 transcrições, cada uma salva com o nome do arquivo correspondente. Para arquivistas freelancers ou pesquisadores digitalizando áudio, este é o fluxo de trabalho que substitui ficar sentado em um pedal de transcrição por semanas.
Solte uma nota de voz gravada (frequentemente M4A de um telefone, mas MP3 funciona da mesma forma). Uma nota de 5 minutos se torna 700 palavras de texto em menos de um minuto. Útil para capturar ideias enquanto caminha e ter um registro pesquisável.
Números honestos. Em áudio em inglês claro de um microfone de qualidade (podcast, entrevista profissional), o Whisper atinge aproximadamente 95 a 99 por cento de precisão. Isso iguala ou supera o nível de IA da Rev, a transcrição automatizada do Otter e o nível padrão da maioria dos serviços em nuvem.
A precisão cai em:
Para comparação, a transcrição humana (Rev humana a 25 centavos por minuto) fica em torno de 99 por cento em áudio claro e degrada menos em casos complexos. A contrapartida é o custo: a transcrição local gratuita lida com 90 por cento dos casos de uso reais de MP3 com qualidade boa o suficiente para publicar ou pesquisar. Para os 10 por cento restantes, onde a precisão em casos complexos é crítica, a transcrição humana paga ainda tem seu papel.
O StarWhisper não exige que você converta o arquivo antes de transcrever. Os formatos suportados:
| Formato | Origem comum | Suportado |
|---|---|---|
| MP3 | Podcasts, downloads | Sim |
| WAV | Áudio profissional, gravações de estúdio | Sim |
| M4A | Notas de Voz do iPhone, áudio apenas de Zoom | Sim |
| AAC | iTunes, alguns podcasts | Sim |
| OGG / OPUS | Notas de voz do WhatsApp, Telegram | Sim |
| FLAC | Arquivos sem perdas | Sim |
| WMA | Gravações antigas do Windows | Sim |
| MP4 (vídeo) | YouTube, vídeo do Zoom | Sim, áudio extraído |
| MOV / AVI / MKV | Outros vídeos | Sim, áudio extraído |
Para fluxos de trabalho de conversão relacionados, veja como converter M4A para texto especificamente para Notas de Voz do iPhone, ou como converter WAV para texto para gravações de estúdio.
Muitos arquivos MP3 contêm conteúdo que as pessoas não gostariam que ficasse em um servidor de terceiros. Entrevistas gravadas sob NDA. Chamadas de suporte ao cliente. Gravações de sessões de terapia. Notas de voz pessoais com pensamentos íntimos. Gravações de pesquisadores de seres humanos que consentiram apenas com o processamento local. Gravações de fontes para jornalismo investigativo.
Os serviços de transcrição em nuvem enviam tudo isso para a infraestrutura deles. Mesmo com fortes políticas de privacidade, o áudio fica no hardware de outra pessoa. Para as categorias acima, isso é frequentemente inaceitável.
O Modo Local do StarWhisper mantém todo o pipeline no seu dispositivo. A decodificação do MP3 acontece na sua CPU. O modelo Whisper é executado na sua CPU ou GPU. O texto resultante é gravado no seu disco rígido. Nada sai do dispositivo a menos que você escolha compartilhar. Isso satisfaz o requisito de privacidade para os casos de uso acima e remove os pontos de interrogação legais e éticos que acompanham a transcrição em nuvem de conteúdo sensível.
Para detalhes completos da arquitetura de privacidade, consulte a página de arquitetura offline e privacidade. Para trabalhar com áudio em setores regulamentados especificamente, consulte o FAQ de conformidade com o HIPAA, a página de voz para texto para terapeutas ou a página de voz para texto para pesquisadores.
A versão gratuita do StarWhisper oferece 500 palavras por dia e 3.500 palavras por semana de saída transcrita. Um MP3 típico de 60 minutos produz aproximadamente 8.000 palavras. Isso significa que um único episódio longo excede o limite gratuito diário. Você ainda pode processar o arquivo (sem limite de duração do arquivo em si), mas apenas as primeiras ~500 palavras contarão para a sua cota gratuita de hoje.
Para usuários casuais que transcrevem um MP3 curto a cada poucos dias, a versão gratuita é suficiente. Para qualquer pessoa que processe rotineiramente áudios longos (podcasters, jornalistas, pesquisadores, criadores de conteúdo), o plano Pro remove o limite. Custa 10 dólares por mês ou 80 dólares por ano. Todos os detalhes e preços do Pro. A versão gratuita é permanente, sem expiração, para que você possa verificar o fluxo de trabalho antes de pagar.
As versões Gratuita e Pro usam o mesmo modelo Whisper e produzem transcrições idênticas. A Pro apenas remove o limite de palavras e adiciona recursos de fluxo de trabalho, como vocabulário personalizado e prioridade de fallback na nuvem (se você optar por participar). Para o uso puramente de MP3 para texto, a única diferença prática é o limite diário.
O fluxo de trabalho de MP3 descrito acima é o mesmo padrão de vários guias adjacentes. Se o seu arquivo for uma nota de voz do iPhone, veja como converter M4A para texto. Se for uma entrevista gravada, veja como transcrever entrevistas. Se for um episódio de podcast, veja como transcrever podcasts. Se for uma gravação de chamada do Zoom, veja o guia de transcrição de chamadas do Zoom. Se for um sermão ou palestra, veja como transcrever sermões ou como transcrever palestras. Todos eles usam o mesmo fluxo de arrastar e soltar; apenas o áudio de origem muda.
O mesmo fluxo de trabalho para Notas de Voz do iPhone e arquivos de áudio do Zoom.
Processe gravações de estúdio não compactadas e arquivos de áudio profissional.
Como a transcrição totalmente local funciona e por que isso é importante para a privacidade.
O fluxo de trabalho específico para áudio de entrevistas de jornalistas e pesquisadores.