Cansado de mensagens de voz de sete minutos da família ou colegas? Solte o arquivo em um aplicativo gratuito para Windows e leia a transcrição em segundos. Suporta 96 idiomas, o áudio nunca é enviado.
Sem cadastro, sem upload, sem taxa por minuto.
Se você só usa o WhatsApp no telefone, baixe o cliente desktop em whatsapp.com ou na Microsoft Store. Abra-o, escaneie o código QR com o seu telefone e todo o seu histórico de conversas será sincronizado. O WhatsApp Desktop oferece um menu confiável de Salvar como com clique direito nas mensagens de voz, o que o WhatsApp Web em um navegador muitas vezes não oferece.
Encontre a mensagem de voz na sua conversa. Clique com o botão direito nela e escolha Salvar como. O WhatsApp Desktop sugerirá um nome de arquivo e salvará o áudio na sua pasta de Downloads como .opus ou .ogg. Ambos são arquivos com codec Opus padrão e o StarWhisper os processa nativamente. Você não precisa converter nada.
Baixe o StarWhisper na página inicial. O instalador é pequeno e a configuração o guiará por um download único de modelo para que o aplicativo possa funcionar offline depois. A camada gratuita cobre 500 palavras por dia e 3.500 por semana, o suficiente para uso pessoal típico sem um plano Pro.
Abra o StarWhisper e arraste o arquivo .ogg ou .opus do Explorador de Arquivos para a janela. O aplicativo detecta o idioma automaticamente e começa a transcrever. Uma mensagem de voz típica de 30 segundos é concluída em dois a cinco segundos em uma CPU moderna. Com uma GPU NVIDIA, é praticamente instantâneo.
O texto aparece na janela do StarWhisper. Copie-o para a área de transferência, cole-o em uma conversa ou documento, ou salve-o em um arquivo .txt. A mensagem de voz agora é um texto pesquisável, fácil de ler e citável. Você nunca teve que ouvir tudo.
Razões específicas, não benefícios vagos.
O Modo Local padrão executa o OpenAI Whisper na sua própria máquina. Sem upload, sem armazenamento de terceiros, sem servidores olhando o chat do seu grupo familiar.
Seja a mensagem de voz em espanhol, hindi, árabe, mandarim, polonês ou qualquer um dos 96 idiomas suportados, o StarWhisper detecta o idioma automaticamente.
Os arquivos .opus e .ogg do WhatsApp carregam diretamente. Sem conversor de terceiros, sem ripador de MP3 online, sem comandos colados de ffmpeg na linha de comando.
Download único do modelo, depois operação total offline. Útil para voos, gravações confidenciais ou qualquer lugar onde você não confie na rede.
Cerca de 5 a 10 mensagens de voz típicas por dia, sem barreira de cadastro, sem cartão de crédito, sem contagem regressiva de teste. Detalhes da camada gratuita aqui.
Proprietários de GPU NVIDIA obtêm transcrição praticamente instantânea via CUDA. Detalhes do suporte a GPU.
As mensagens de voz do WhatsApp têm um problema específico. Elas são convenientes para quem as envia, que pode falar enquanto caminha, mas são ineficientes para quem as recebe, que precisa encontrar fones de ouvido, colocá-los e ouvir em velocidade real para extrair talvez vinte segundos de informação real. Uma mensagem de voz de seis minutos de um parente geralmente contém uma data, uma pergunta e muito contexto. Ler a transcrição em quinze segundos é uma experiência estritamente melhor.
A outra razão: pesquisabilidade. Depois que uma mensagem de voz é transcrita, você pode pesquisar o histórico de suas conversas pelas palavras dentro dela. A própria pesquisa do WhatsApp indexa apenas mensagens de texto, então meses de mensagens de voz se tornam uma caixa preta opaca. Salvar transcrições em um aplicativo de notas ou documento significa que as informações das suas mensagens de voz podem ser recuperadas mais tarde. Pessoas que recebem muitas mensagens de voz de um contato específico (um pai, um gerente, um líder de projeto) relatam que convertê-las em texto muda a relação com a própria conversa.
Existem serviços de transcrição na nuvem, mas a maioria cobra por minuto, pede para você enviar áudio pessoal e confidencial para os servidores deles e exige um cadastro com cartão de crédito. A matemática fica ruim rapidamente: a 10 centavos de dólar por minuto e dez mensagens de voz por semana com média de dois minutos cada, são 8 dólares por mês pelo que é genuinamente uma pequena tarefa. A abordagem do StarWhisper é uma instalação local gratuita que lida com transcrição ilimitada na camada gratuita até o limite de palavras diário. Para a maioria dos usuários casuais do WhatsApp, esse limite nunca é atingido.
O caminho mais rápido é o WhatsApp Desktop no mesmo PC Windows onde está o StarWhisper. Uma vez vinculado, todas as mensagens de voz em qualquer conversa podem ser salvas com um clique direito. Esta é a configuração recomendada para qualquer pessoa que planeja transcrever mensagens de voz mais do que ocasionalmente.
Já abordado nas etapas acima. Clique direito, Salvar como, arraste para o StarWhisper. Dois cliques de atrito. Isso funciona para qualquer mensagem de voz em qualquer conversa, individual ou em grupo, desde que você tenha o aplicativo desktop vinculado.
No Android, pressione e segure a mensagem de voz, toque no menu de três pontos, escolha Compartilhar e envie para o seu próprio endereço de e-mail como anexo. No iPhone, pressione e segure a mensagem de voz, toque em Encaminhar, depois no ícone de seta de compartilhamento e escolha Mail. Abra o Gmail ou Outlook no Windows, baixe o anexo e arraste o arquivo resultante para o StarWhisper. O arquivo geralmente chega como .opus no Android ou .m4a no iPhone. O StarWhisper lida com ambos.
Para transcrição em lote de meses de mensagens de voz, abra a conversa no seu telefone, vá às configurações do chat, escolha Exportar Conversa e selecione a opção para incluir mídia. O WhatsApp produz um arquivo zip com todos os anexos de áudio como .opus. Transfira o zip para o seu PC, extraia-o e solte a pasta no StarWhisper. O aplicativo processará cada mensagem de voz em sequência e rotulará cada transcrição pelo nome do arquivo. É isso que as pessoas usam ao migrar anos de áudio de conversas familiares para texto pesquisável.
O plano gratuito do StarWhisper oferece 500 palavras por dia, limitado a 3.500 palavras por semana. Uma mensagem de voz típica de 60 segundos do WhatsApp transcreve cerca de 150 palavras de texto. Essa matemática resulta em aproximadamente 3 a 5 mensagens de voz por dia na camada gratuita, ou 20 a 25 por semana. Para a maioria do uso pessoal do WhatsApp, isso é suficiente.
Se você administra uma pequena empresa através do WhatsApp Business, recebe um alto volume de mensagens de voz de clientes ou faz transcrição histórica em massa, os limites começarão a apertar. O plano Pro custa 10 dólares por mês ou 80 dólares por ano e remove o limite de palavras inteiramente. Os detalhes e preços do plano Pro estão na página dedicada. Há também um teste gratuito de 7 dias que desbloqueia acesso ilimitado, se você quiser verificar se funciona para a sua carga de trabalho antes de pagar.
O Modo Local Gratuito e o Modo Local Pro produzem transcrições idênticas. O plano Pro não oferece um modelo diferente ou mais inteligente. Ele apenas remove o limite de palavras e adiciona alguns recursos de fluxo de trabalho (atalhos personalizados, vocabulário, prioridade de fallback na nuvem, se você optar por usar). Para qualquer pessoa que só quer ler a ocasional mensagem de voz longa de um pai, a camada gratuita é genuinamente suficiente.
Mensagens de voz de amigos e familiares são alguns dos dados de áudio mais pessoais no seu telefone. Elas contêm queixas médicas, dramas de relacionamento, opiniões sobre colegas de trabalho, segredos de família e comentários casuais que as pessoas não gostariam que fossem preservados em um servidor em algum lugar. Enviar esse áudio para um serviço de transcrição na nuvem significa que um terceiro recebe uma cópia.
O StarWhisper é executado em Modo Local por padrão. O arquivo de áudio que você arrasta é decodificado em sua CPU ou GPU, o modelo Whisper no seu disco rígido faz a transcrição e o texto resultante aparece na tela. Nada é enviado. Nada é registrado em um servidor remoto. Nada é revisado por humanos para garantia de qualidade. Você mesmo pode verificar isso desconectando sua conexão de rede antes de processar um arquivo; a transcrição ainda funcionará.
O Modo Nuvem existe como uma alternância opcional nas Configurações, se você quiser especificamente usar a API OpenAI Whisper para uma pequena melhoria de precisão em casos extremos. Ele está claramente rotulado, desativado por padrão e nunca é ativado silenciosamente. Para mensagens de voz pessoais e confidenciais, basta deixar as configurações padrão como estão. Para a história mais profunda sobre privacidade, consulte a página de arquitetura offline e privacidade.
A velocidade de transcrição depende do seu hardware e da duração da mensagem de voz. Números aproximados do modelo Whisper médio em máquinas comuns:
| Hardware | Mensagem de 30 seg | Mensagem de 2 min | Mensagem de 10 min |
|---|---|---|---|
| CPU de laptop moderno (i7 ou Ryzen 7) | 2 a 5 seg | 10 a 20 seg | 1 a 2 min |
| NVIDIA RTX 3060 (CUDA) | menos de 1 seg | 2 a 4 seg | 10 a 20 seg |
| NVIDIA RTX 4090 (CUDA) | menos de 1 seg | menos de 1 seg | 5 a 8 seg |
| CPU mais antiga (5+ anos) | 5 a 10 seg | 30 a 60 seg | 3 a 6 min |
O tamanho do modelo Whisper também é importante. O StarWhisper usa uma escolha equilibrada por padrão (médio), mas você pode mudar para os modelos menor (mais rápido, um pouco menos preciso) ou maior (mais lento, mais preciso) nas Configurações. Para mensagens de voz, o padrão quase sempre é suficiente. A grande diferença de qualidade está entre a ditagem embutida do Windows e o Whisper, e não entre os tamanhos do modelo Whisper.
Confissão honesta de onde funciona menos bem. Primeiro, áudio com muito ruído. Mensagens de voz gravadas ao ar livre em trânsito pesado ou vento terão a precisão reduzida de mais de 95% para talvez 80%. A transcrição ainda será legível, mas você pode ver algumas palavras erradas. Segundo, muita alternância de idiomas no meio da frase. Se uma mensagem de voz alterna entre dois idiomas a cada palavra, o Whisper às vezes escolhe um e translitera o outro. Terceiro, dialetos regionais muito fortes em certos idiomas. O espanhol padrão da Espanha, México e Argentina funciona bem; dialetos rurais muito densos podem confundir o modelo.
Para todos esses casos, a solução é a mesma: tente a transcrição e aceite que o resultado será um primeiro rascunho útil em vez de um registro perfeito. Para a maioria das mensagens de voz pessoais, a precisão é muito além de boa o suficiente.
Também não há diarização de falante integrada para mensagens de voz de conversas em grupo que tenham várias vozes em uma gravação (raro, mas acontece). O StarWhisper transcreve tudo como um único bloco de texto. Você pode dividir manualmente depois, se precisar disso.
Se você achou isso útil, o mesmo fluxo funciona para outros tipos de áudio. Muitas pessoas instalam o StarWhisper para lidar com mensagens de voz do WhatsApp e depois descobrem que também o querem para transcrição de entrevistas, transcrição de podcasts ou transcrição de reuniões. O fluxo de arrastar e soltar arquivos é o mesmo; apenas a fonte de áudio muda. Há também um modo de ditado em tempo real para digitar em qualquer aplicativo por voz, que é um caso de uso separado, mas na mesma instalação.
Use o mesmo fluxo de trabalho local do Whisper para arquivos de áudio salvos no Windows.
Passe arquivos .m4a do seu iPhone para uma ferramenta gratuita de transcrição no Windows.
O mesmo fluxo de trabalho para Voice Memos do iPhone, podcasts e chamadas gravadas.