A transcrição oficial do Google Meet está bloqueada no Workspace Business Standard por cerca de 14 dólares por usuário por mês. Este guia mostra a alternativa gratuita: uma gravação do Meet, um aplicativo gratuito para Windows e uma transcrição em minutos.
Funciona com ou sem assinatura do Workspace.
Se a sua conta está no Workspace Business Standard ou superior, a gravação é integrada: clique no menu de três pontos dentro do Meet e depois em Gravar reunião. Se você está em uma conta pessoal do Google ou em um nível do Workspace sem gravação, execute um gravador de tela local gratuito antes de entrar na chamada. O OBS Studio é a escolha mais comum. A Xbox Game Bar integrada (Win+G) e o ShareX também funcionam. Independentemente do que escolher, certifique-se de que a opção "Capturar áudio do sistema" esteja ativada, ou você gravará vídeo sem som.
Se o Google Meet gravou a chamada para você, o arquivo é salvo em My Drive, Meet Recordings como um MP4. Abra o Drive, encontre o arquivo e baixe-o. Se você usou um gravador de tela, o arquivo já está no seu disco, no local onde você o configurou para salvar. De qualquer forma, você deve terminar com um único arquivo .mp4. O tamanho dos arquivos normalmente varia de 50 a 300 MB por hora, dependendo da resolução e do conteúdo compartilhado na tela.
Baixe o StarWhisper na página inicial. O instalador tem cerca de 200 MB na primeira execução porque inclui o modelo Whisper. Não há necessidade de criar conta, cartão de crédito ou componente de nuvem. Após a instalação, inicie o aplicativo uma vez e conclua a configuração de 30 segundos (escolha seu microfone padrão, uma tecla de atalho, aceite os padrões para todo o resto). Agora você está pronto para transcrever.
Abra o Explorador de Arquivos até onde você salvou a gravação. Solte o .mp4 na janela do StarWhisper. O aplicativo extrai a faixa de áudio automaticamente, detecta o idioma falado e inicia a transcrição. Uma chamada de 60 minutos normalmente leva de 5 a 15 minutos em uma CPU de laptop recente, ou de 1 a 3 minutos em uma GPU NVIDIA usando o pacote de aceleração CUDA. O progresso é exibido em tempo real. Você pode minimizar a janela e continuar trabalhando.
Quando a execução terminar, a transcrição aparecerá na janela do StarWhisper. Leia-a na tela, copie todo o texto para a área de transferência ou salve-o em um arquivo .txt. Cole no Google Docs, Notion, Confluence, OneNote ou no sistema de notas da sua equipe. A transcrição é em texto simples sem rótulos de falantes, o que mantém o arquivo portátil. Custo total decorrido: zero. Sem atualização do Workspace, sem assinatura do Otter, sem taxa de transcrição por minuto.
Um fluxo de trabalho gratuito que faz o que o plano de 14 dólares por usuário faz.
O Workspace Business Standard custa cerca de 14 dólares por usuário por mês, ou 168 por ano por licença. Para uma equipe de cinco pessoas, são 840 por ano apenas para ativar a transcrição. Este fluxo de trabalho permanece gratuito para transcritores ocasionais, ou custa 10 dólares por mês por pessoa no plano Pro se você transcrever reuniões longas todos os dias.
O MP4 fica no seu disco rígido. O StarWhisper executa a transcrição localmente na sua CPU ou GPU. Nada é enviado para o Google, OpenAI ou qualquer terceiro durante a transcrição em si. Detalhes sobre a arquitetura de privacidade e offline.
O mesmo fluxo de trabalho atende Zoom, Microsoft Teams, Webex, Slack Huddles e qualquer outra coisa que você consiga gravar. O motor de transcrição trata cada gravação apenas como um arquivo de áudio. Veja os guias relacionados sobre transcrever chamadas do Zoom para as etapas de gravação específicas da plataforma.
Equipes distribuídas que fazem chamadas no Meet em inglês, espanhol, alemão, francês, japonês e mandarim se beneficiam. O Whisper detecta automaticamente o idioma falado. Página de suporte a múltiplos idiomas.
A mesma instalação também permite que você dite no Google Docs, Chat ou em qualquer campo de texto do Windows segurando uma tecla de atalho. Veja o guia de voz para texto no Google Docs para o fluxo de trabalho de pressionar e segurar.
Proprietários de GPUs NVIDIA processam uma chamada de uma hora em 1 a 3 minutos via CUDA 11 ou 12. Sem uma GPU, CPUs modernas lidam com a mesma carga de trabalho em 5 a 15 minutos. Qualquer um dos caminhos é mais rápido do que ouvir a reunião novamente.
O Google Meet tem legendas ao vivo gratuitamente, mas a exportação oficial da transcrição está bloqueada no Workspace Business Standard ou superior. O Business Standard custa cerca de 14 dólares por usuário por mês, cobrados anualmente. Para um freelancer autônomo ou uma pequena equipe onde apenas algumas chamadas por mês realmente precisam de transcrição, esse é um item de despesa pesado. Muitas equipes mantêm o nível gratuito ou um plano do Workspace mais barato e acabam pegando notas à mão ou pagando por um serviço externo como Otter ou Fireflies além do Workspace.
Os serviços externos mais baratos têm suas próprias desvantagens. Eles entram na reunião como um bot, o que se anuncia na lista de participantes e incomoda as pessoas em chamadas confidenciais. Eles enviam o áudio da reunião para seus servidores, o que é um problema para discussões jurídicas, médicas, de RH ou de M&A. E adicionam outra assinatura mensal além do Workspace, o que as pessoas estavam tentando evitar ao não fazer upgrade para o Business Standard em primeiro lugar.
Este guia descreve o fluxo de trabalho com o qual a maioria dos transcritores independentes e equipes preocupadas com a privacidade se conforma. Capture a chamada do Meet (seja com a gravação do Workspace, com um gravador de tela gratuito ou com uma compartilhada por um colega) e, em seguida, transcreva o MP4 resultante com o StarWhisper no seu PC Windows. Grátis, local, sem bot na reunião, sem taxa por minuto.
O truque de todo esse fluxo de trabalho é ter uma gravação em primeiro lugar. Três maneiras comuns de obter uma:
Dentro da reunião, clique no menu de três pontos, escolha Gravar reunião e confirme o aviso que pede para você notificar os participantes. Quando a chamada termina, a gravação é processada e colocada em My Drive, Meet Recordings, geralmente dentro de alguns minutos. Você recebe um MP4 com o áudio misturado de todos, além do vídeo do orador ativo e de qualquer compartilhamento de tela.
Antes de entrar na chamada, inicie o OBS Studio, a Xbox Game Bar integrada (Win+G no Windows 10/11), ShareX ou qualquer outro gravador de tela. A configuração crítica é "Capturar áudio da área de trabalho" ou "Gravar som do sistema", que grava o que o seu computador está reproduzindo nos alto-falantes. Sem isso, você obtém apenas vídeo. Escolha MP4 como formato de saída se o seu gravador oferecer essa opção. Comece a gravar logo antes de entrar na chamada e pare depois que todos saírem.
Se o anfitrião ou outro participante gravou a chamada e enviou um link do Drive para você, clique no link, baixe o MP4 e pule para o passo três.
Sempre avise aos outros participantes que você está gravando. A maioria das jurisdições exige o consentimento de pelo menos uma das partes, mas a prática profissional e ética é informar. Alguns ambientes de trabalho e contratos proíbem explicitamente a captura local de reuniões internas, então verifique antes de confiar nisso para chamadas sensíveis.
Uma gravação do Google Meet (seja do Workspace ou de um gravador de tela) é um único MP4 com uma faixa de áudio misturada contendo cada voz, além de uma única faixa de vídeo de quem estava na tela no momento. O áudio é o que importa para a transcrição. Não há canais separados por falante, então nem o StarWhisper nem qualquer outro transcritor de faixa única pode rotular automaticamente quem disse o quê.
O StarWhisper produzirá uma transcrição contínua e limpa, com quebras de frase e pontuação natural. Para reuniões típicas de decisões e itens de ação, isso é suficiente: leia a transcrição, atribua mentalmente as falas a quem você se lembra de ter falado, retire as quatro ou cinco decisões e itens de ação e compartilhe com a equipe. Se você precisar de transcrições verbatim formais com rótulos de falantes (audiências judiciais, depoimentos, entrevistas de pesquisa acadêmica), precisará de um serviço pago de diarização em nuvem ou de uma configuração de microfones múltiplos onde cada falante tenha sua própria faixa.
Transcrever uma reunião gravada é mais rápido do que o tempo real, às vezes muito mais. Tempos de execução aproximados para o modelo Whisper medium padrão em hardwares comuns:
| Hardware | Reunião de 30 min | Reunião de 60 min | Reunião de 2 h |
|---|---|---|---|
| CPU de laptop moderna (i7 ou Ryzen 7) | 3 a 6 min | 6 a 12 min | 12 a 25 min |
| NVIDIA RTX 3060 (CUDA) | 30 a 60 seg | 1 a 2 min | 2 a 5 min |
| NVIDIA RTX 4090 (CUDA) | 10 a 20 seg | 20 a 40 seg | 1 a 2 min |
| CPU mais antiga (5+ anos) | 10 a 20 min | 25 a 45 min | 50 a 90 min |
Para a maioria dos laptops de escritório comprados nos últimos três anos, espere que uma gravação de uma hora do Meet termine de transcrever em 6 a 12 minutos. Se você faz isso regularmente e tem uma GPU NVIDIA na máquina, o pacote CUDA reduz o tempo em aproximadamente uma ordem de magnitude.
Equipes distribuídas que fazem chamadas no Meet entre Berlim, Tóquio e São Paulo são um dos principais casos de uso deste fluxo de trabalho. O Whisper suporta 96 idiomas com forte precisão em inglês, alemão, espanhol, francês, italiano, português, holandês, polonês, japonês, chinês, coreano, hindi, russo, árabe e turco, entre outros. O modelo detecta automaticamente o idioma falado no início do arquivo.
Para reuniões onde os falantes alternam idiomas durante a chamada (um padrão europeu comum), o Whisper lida bem com pequenas mudanças de código, embora ele se comprometa com um idioma principal. Se você tiver uma reunião metade em espanhol metade em inglês, pode obter melhores resultados dividindo a gravação em dois clipes e transcrevendo cada um no idioma declarado. A página do recurso de múltiplos idiomas aborda a precisão por idioma com mais detalhes.
A tradução também é possível. O StarWhisper pode pegar uma gravação que não seja em inglês e transcrevê-la diretamente para texto em inglês usando o modo de tradução do Whisper. Isso é útil para equipes internas nos EUA ou no Reino Unido que tentam acompanhar uma reunião de parceiros em outro idioma sem pagar um tradutor. A qualidade é geralmente boa para os principais idiomas e diminui para os menos comuns.
Este fluxo de trabalho mantém o áudio e a transcrição da reunião no seu dispositivo. As gravações do Workspace ficam no seu próprio Google Drive; você controla o compartilhamento. As gravações do gravador de tela são salvas no seu disco rígido. O Modo Local do StarWhisper processa o arquivo localmente na CPU ou GPU. A saída da transcrição é um arquivo .txt simples no seu PC. Nada disso sai da sua rede a menos que você escolha compartilhar (colar em um documento na nuvem, enviar por e-mail, fazer upload).
Compare isso com os serviços de transcrição em nuvem. Otter, Fireflies, Notta e ferramentas semelhantes entram na chamada como um bot e enviam o áudio para seus servidores. Até a própria transcrição do Google processa o áudio na nuvem do Google. Para chamadas confidenciais (discussões de M&A, avaliações de desempenho, entrevistas de clientes sob NDA, estratégia jurídica, revisões de casos médicos), o fluxo de trabalho exclusivamente local é uma melhoria significativa no controle de dados.
Se você está em um setor regulamentado, a mesma arquitetura apoia sua postura de conformidade. O FAQ de conformidade com o HIPAA aborda o que o processamento local significa para informações de saúde protegidas especificamente.
Recrutadores que fazem triagens de candidatos, representantes de vendas em chamadas de descoberta e líderes de CS fazendo renovações querem transcrições, mas raramente justificam uma despesa separada de transcrição. O fluxo de trabalho aqui é o mesmo de qualquer outra reunião: grave localmente, transcreva depois. Para equipes de vendas que fazem trabalho em volume, o guia de voz para texto para representantes de vendas aborda a integração com CRMs. Para fluxos de trabalho de RH e recrutamento, a página de voz para texto para gerentes de RH cobre transcrições de triagem de candidatos e os requisitos de confidencialidade que os acompanham. Para uma integração mais profunda com o Teams em vez do Meet, o guia de voz para texto no Teams é o equivalente direto.
O mesmo fluxo de trabalho de gravação local sem o plano de 199 dólares do Zoom Business.
Capture chamadas do Teams e transforme a gravação do OneDrive em texto pesquisável.
Dite por voz diretamente no chat do Teams durante uma reunião ao vivo.