Todas as ferramentas de transcrição na nuvem precisam de internet e fazem upload do seu áudio. Para áudios confidenciais (jurídicos, médicos, P&D, material jornalístico), isso é inaceitável. O StarWhisper executa o Whisper localmente na sua máquina Windows. O áudio nunca sai do dispositivo.
Instale uma vez com internet, trabalhe offline para sempre.
Baixe o instalador gratuito na página inicial do StarWhisper e execute-o. A configuração leva cerca de dois minutos e inclui um download único dos arquivos do modelo Whisper (de algumas centenas de megabytes a vários gigabytes, dependendo do tamanho do modelo escolhido). Esta é a única vez que a internet é necessária.
Ative o modo avião, desconecte o cabo de rede, desative o adaptador wifi ou simplesmente vá para um ambiente sem sinal. O StarWhisper não precisa de conexão para funcionar. Se quiser provas concretas, execute o Wireshark ou qualquer monitor de rede: zero pacotes sairão do processo do StarWhisper durante a transcrição.
Abra o StarWhisper. Arraste qualquer arquivo de áudio (MP3, WAV, M4A, OGG, OPUS, FLAC, WMA, AAC, além de áudio extraído de vídeos MP4, MOV, AVI, MKV) para a janela. O modelo Whisper no seu disco rígido decodifica e transcreve o áudio. O idioma é detectado automaticamente entre 96 suportados.
O StarWhisper processa o áudio localmente na sua CPU ou GPU. Velocidade: aproximadamente 10 vezes mais rápido que o tempo real em uma CPU de laptop moderno e 50 vezes mais rápido em uma GPU NVIDIA com CUDA ativado. Um arquivo de áudio de uma hora é transcrito em cerca de 6 a 12 minutos na CPU ou 1 a 2 minutos em uma GPU intermediária.
A transcrição aparece na janela do StarWhisper quando o processamento termina. Copie para a área de transferência, salve como .txt ou exporte com marcações de tempo opcionais. O arquivo é gravado no seu disco rígido local. Sem sincronização na nuvem, sem upload, sem telemetria. O texto é somente seu.
Situações reais onde a transcrição na nuvem falha ou é proibida.
Voos longos, viagens de trem, viagens de carro em túneis. As ferramentas na nuvem param quando o sinal para. A transcrição local continua funcionando em um laptop totalmente desconectado.
Viajantes em conferências, viagens de negócios, quartos de hotel com internet quebrada ou limitada. O arquivo de áudio que você gravou antes ainda é transcrita localmente, sem necessidade de rede.
Estúdios de gravação, salas de imagens médicas, hospitais com bloqueio deliberado de sinal e ambientes semelhantes, onde uploads para a nuvem simplesmente não conseguem alcançar o servidor.
Sensitive Compartmented Information Facilities proíbem conectividade de rede. A arquitetura local do StarWhisper é compatível com os requisitos de isolamento; a implantação depende da aprovação da instalação.
Depoimentos jurídicos, entrevistas com fontes jornalísticas, áudios de P&D, gravações de sessões de terapia. O upload para a nuvem quebra a confidencialidade. Preocupações de privacidade explicadas.
Ferramentas na nuvem cobram por minuto ou por mês. A instalação local é gratuita até o limite diário de palavras ou 10 dólares por mês para uso ilimitado. Modelo de preços.
A maioria das pessoas que digita "como transcrever áudio" em um mecanismo de busca acaba no Otter, Rev, Trint, Happy Scribe, Sonix, Descript ou em um de uma dúzia de serviços semelhantes. Todos eles funcionam da mesma maneira: você faz o upload do seu arquivo de áudio para os servidores deles, o backend deles (frequentemente o mesmo modelo Whisper da OpenAI que é executado localmente na sua própria máquina) processa o arquivo e a transcrição volta. Para um usuário casual com áudio não sensível e boa internet, isso é bom.
Não é adequado para uma grande fração das necessidades reais de transcrição.
Advogados não podem fazer upload de conversas privilegiadas de clientes para um servidor de terceiros sem violar suas regras de ética e o próprio privilégio advogado-cliente. Médicos e terapeutas não podem fazer upload de áudios de pacientes sem violar a HIPAA nos EUA ou regulamentações equivalentes em outros lugares. Jornalistas que trabalham com fontes confidenciais não podem fazer upload de gravações de fontes sem comprometer a fonte. Equipes de P&D corporativas não podem fazer upload de áudios de produtos anteriores ao lançamento sem expor segredos comerciais. Trabalhos governamentais e de defesa obviamente não podem fazer upload de nada classificado. Mesmo para gravações pessoais não regulamentadas, muitas pessoas simplesmente não querem que suas notas de voz fiquem no servidor de outra pessoa para sempre.
O StarWhisper foi criado para essa categoria de usuário. O modelo Whisper que o impulsiona é executado inteiramente na sua máquina Windows. Após uma instalação única (que é a única etapa que exige internet), o aplicativo não precisa se conectar a servidores. Você pode transcrever no modo avião, em um porão, em um avião, em um hotel com wifi quebrado, em um SCIF ou em uma estação de trabalho permanentemente isolada (airgapped). O áudio nunca sai do dispositivo.
"Privacidade" é fácil de afirmar em textos de marketing. Vale a pena verificar você mesmo quando os riscos são altos.
Instale o StarWhisper, conclua o download do modelo e ative o modo avião (ou desconecte o cabo de rede e desative o wifi; se o seu laptop tiver um interruptor de hardware para wifi, melhor ainda). Abra o StarWhisper e transcreva um arquivo. Funciona. Este único teste confirma que tudo no fluxo de transcrição acontece localmente, porque literalmente não há rede para usar.
Se você quer confirmação absoluta de que o StarWhisper não está fazendo upload de nada quando a rede está disponível, instale o Wireshark (gratuito, de código aberto) ou qualquer ferramenta equivalente de captura de pacotes. Filtre pelo processo do StarWhisper. Execute uma transcrição. Observe zero pacotes de saída do processo do StarWhisper durante a transcrição em si. A telemetria do sistema operacional (o próprio Windows envia alguma telemetria em segundo plano por padrão) aparecerá na captura, mas é separada de qualquer coisa que o StarWhisper faça.
Para implantações em SCIF ou isoladas onde você precisa de garantias mais fortes, instale o StarWhisper em uma máquina conectada, conclua o download do modelo, copie toda a pasta instalada (Arquivos de Programas e o diretório de modelos em cache) para um pen drive USB usando procedimentos de mídia removível aprovados, transfira para a máquina de destino isolada e execute-a lá. O aplicativo funcionará sem rede alguma porque todos os pesos do modelo e dependências de código estão no disco. Isso também é útil para o caso raro em que você deseja implantar o StarWhisper em muitos terminais dentro de uma rede corporativa que não permite internet de saída das estações de trabalho.
Um paralegal grava um depoimento ou entrevista de testemunha para uso interno. A gravação contém conversas privilegiadas e questões confidenciais do cliente. O upload para um serviço na nuvem como Rev ou Otter quebraria o privilégio advogado-cliente (ou, no mínimo, exigiria um Acordo de Parceiro de Negócios e revisão ética). Arraste o arquivo para o StarWhisper em um laptop, obtenha a transcrição localmente, sem upload. O mesmo se aplica a negociações de acordo gravadas, chamadas de preparação de testemunhas especializadas e qualquer outro áudio que se enquadre nas obrigações de confidencialidade da firma. Consulte voz para texto para advogados para o fluxo de trabalho jurídico completo.
Um clínico grava uma consulta com o paciente para fins de tomada de notas (com consentimento). O áudio contém informações de saúde protegidas (PHI). A HIPAA permite o processamento de PHI no próprio equipamento do clínico, mas geralmente restringe o upload para serviços de nuvem de terceiros sem acordos de BAA explícitos. A transcrição local do Whisper na estação de trabalho Windows do clínico mantém o áudio sob controle apropriado pela HIPAA. Consulte as Perguntas frequentes sobre conformidade com a HIPAA para mais detalhes e voz para texto para terapeutas para o contexto de saúde mental.
Um repórter investigativo grava uma entrevista com uma fonte. A fonte concordou em falar com a condição de que a gravação não fosse compartilhada com mais ninguém, incluindo um serviço de transcrição. O upload do arquivo para Otter, Rev ou qualquer serviço na nuvem tecnicamente o compartilha com a infraestrutura do fornecedor. A transcrição local cumpre a promessa. Consulte voz para texto para jornalistas para o fluxo de trabalho específico de repórteres.
Pesquisadores de campo, participantes de conferências e profissionais em viagem rotineiramente têm áudio para transcrever, mas nenhuma internet confiável. O wifi do hotel cai. As redes de conferências limitam grandes uploads. Viagens de trem por áreas sem sinal. O fluxo de trabalho da ferramenta na nuvem trava; o fluxo de trabalho local, não. Solte o arquivo, obtenha a transcrição e siga em frente. Consulte as Perguntas frequentes sobre ditado por voz offline no Windows para cenários relacionados de ditado.
Uma breve explicação de por que isso é possível, já que a transcrição na nuvem costumava ser a única opção alguns anos atrás.
A OpenAI lançou o modelo Whisper como código aberto sob a licença MIT em 2022. O Whisper é uma rede neural única treinada com aproximadamente 680.000 horas de áudio multilíngue. A maior versão tem cerca de 1,5 bilhão de parâmetros e é executada em alguns gigabytes de RAM. Versões menores têm algumas centenas de megabytes e são executadas em uma CPU típica de laptop em tempo real ou mais rápido. Isso significa que o mesmo modelo que alimenta a maioria dos serviços modernos de transcrição na nuvem pode ser executado localmente em hardware de consumo.
O StarWhisper agrupa o modelo Whisper com um pipeline de decodificação de áudio, uma interface de usuário e a ligação específica do Windows que permite arrastar arquivos para dentro. Após a instalação, todo o pipeline fica no seu disco rígido: pesos do modelo, bibliotecas de codecs, código de análise, formatação de saída. Nenhum deles precisa de acesso à rede em tempo de execução. A transcrição é calculada na sua CPU ou GPU e gravada em um arquivo local. Para uma explicação arquitetônica mais profunda, consulte arquitetura de privacidade e offline.
A desvantagem em comparação com os serviços na nuvem é o hardware. A transcrição na nuvem é executada em qualquer servidor potente que o fornecedor queira fornecer. A transcrição local é executada no seu laptop, que é mais lento do que um servidor GPU dedicado. Na prática, a diferença de velocidade importa menos do que você pode esperar: uma CPU típica de laptop moderno transcreve áudio a aproximadamente 10 vezes o tempo real, o que significa que um arquivo de uma hora leva de 6 a 12 minutos. Uma GPU NVIDIA com CUDA reduz isso para 1 a 2 minutos. Para a maioria dos fluxos de trabalho não em tempo real (transcrever um arquivo de áudio existente, não legendagem em tempo real), a velocidade local é mais do que suficiente.
A camada gratuita do StarWhisper fornece 500 palavras por dia e 3.500 palavras por semana de saída transcrita. A camada gratuita funciona offline exatamente da mesma forma que a camada Pro; não há recursos apenas online bloqueados na versão gratuita. A única diferença é o limite diário de palavras.
Para uso ocasional típico (uma breve reunião gravada, uma nota de voz pessoal, um único clipe de podcast), 500 palavras por dia são suficientes. Uma nota de voz de 5 minutos tem cerca de 700 palavras; um parágrafo típico de texto ditado se encaixa bem no limite. Para uso profissional de alto volume (depoimentos jurídicos completos, transcrições de sessões médicas de várias horas, trabalho diário de jornalismo), o plano Pro remove o limite por 10 dólares por mês ou 80 dólares por ano. Detalhes do plano Pro. Um teste gratuito de 7 dias do Pro está disponível se você quiser verificar o fluxo de trabalho em um arquivo longo.
A camada gratuita é genuinamente gratuita, sem cartão de crédito, sem barreira de inscrição e sem a armadilha de temporizador de teste que converte para pago. Não é uma versão de demonstração do aplicativo pago; é o mesmo aplicativo com um limite de palavras. O uso comercial é permitido em ambas as camadas. Para uma análise profunda da abordagem sem assinatura, consulte o modelo de preços sem assinatura.
Se foi a abordagem offline que o trouxe aqui, vários guias relacionados aprofundam-se em tópicos adjacentes. Para a questão específica de como a transcrição local do Whisper se compara ao Whisper na nuvem, consulte Whisper local vs nuvem. Para a categoria mais ampla de preocupações com a privacidade na transcrição, consulte preocupações de privacidade na transcrição. Para fluxos de trabalho offline específicos de formato, consulte como converter MP3 para texto, como converter M4A para texto e como converter WAV para texto, cada um dos quais usa o mesmo pipeline exclusivamente local descrito acima. Para ditado offline em tempo real (não transcrição de arquivos existentes), consulte as Perguntas frequentes sobre ditado por voz offline no Windows.
O fluxo de trabalho offline completo para o formato de áudio mais comum.
Mergulho profundo em como o processamento local funciona e por que isso importa.
O problema que a transcrição na nuvem cria e como evitá-lo.
Ditado em tempo real offline, não apenas transcrição de arquivos.