A transcrição integrada do Zoom exige o plano Business a 199 dólares por usuário por ano. Ignore isso. Grave localmente, arraste o .m4a para um aplicativo gratuito do Windows e obtenha a transcrição completa em minutos.
Funciona com qualquer nível do Zoom, incluindo o plano gratuito.
Abra o Zoom, vá para Configurações, Gravação e ative a Gravação Local. Escolha uma pasta que você consiga encontrar depois (o padrão é Documentos, Zoom). A gravação local está disponível para usuários gratuitos do Zoom, desde que você seja o anfitrião da reunião. Se você não for o anfitrião, peça a ele que grave a reunião ou conceda permissão de gravação a você.
Durante a chamada, clique em Gravar na barra de ferramentas do Zoom (ou pressione Alt+R) e escolha Gravar Neste Computador se tiver as opções local e na nuvem. O Zoom exibirá um pequeno indicador de Gravação no canto para que todos saibam. Quando a chamada terminar, saia da reunião normalmente. O Zoom leva um ou dois minutos para converter a gravação nos arquivos finais.
Abra o Explorador de Arquivos e navegue até Documentos, Zoom. Lá dentro, você verá uma subpasta com a data de cada gravação. Abra a mais recente. Você encontrará o audio_only.m4a (o áudio da chamada, arquivo menor) e o zoom_0.mp4 (o vídeo do compartilhamento de tela). Para a transcrição, você só precisa do arquivo de áudio. O arquivo de vídeo também funciona, se você preferir; o StarWhisper extrai o áudio de .mp4 automaticamente.
Instale o StarWhisper se ainda não o fez. Abra-o e arraste o audio_only.m4a do Explorador de Arquivos para a janela. O aplicativo detecta o idioma e começa a transcrever. Uma chamada de uma hora normalmente é processada em 5 a 15 minutos em uma CPU moderna, ou 1 a 3 minutos em uma GPU NVIDIA. O progresso é exibido em tempo real. Você pode deixá-lo rodando em segundo plano.
A transcrição aparece na janela do StarWhisper. Leia, copie todo o texto para a área de transferência ou salve-o em um arquivo .txt. Cole no Notion, OneNote, Google Docs ou seu sistema de notas de reunião. A transcrição é em texto sem formatação e sem rótulos de falante, o que mantém o arquivo portável e fácil de limpar. Custo total zero. Sem upload, sem upgrade do Zoom Business, sem taxas por minuto.
Um fluxo de trabalho gratuito que faz o que o plano de 199 dólares faz.
O Zoom Business custa cerca de 199 dólares por usuário por ano. Este fluxo de trabalho permanece no nível gratuito do Zoom e usa a transcrição local gratuita do StarWhisper. A economia anual se acumula rapidamente para usuários individuais ou pequenas equipes.
Tanto a gravação local do Zoom quanto a transcrição do StarWhisper ficam no seu disco rígido. Sem upload para os servidores do Zoom para transcrição, sem robô de reunião de terceiros entrando na chamada.
O mesmo fluxo de trabalho atende Microsoft Teams, Google Meet, Webex, Slack Huddles ou qualquer outra chamada gravada localmente. O arquivo de áudio é a única coisa que importa.
Trabalha com uma equipe entre Berlim, Tóquio e São Paulo? O Whisper detecta automaticamente o idioma de cada gravação. Detalhes sobre suporte a múltiplos idiomas.
A mesma instalação também permite que você dicte por voz diretamente no chat do Zoom (ou em qualquer outro campo de texto). Veja o guia de voz para texto no Zoom para o fluxo de trabalho de pressionar e segurar.
Proprietários de GPU NVIDIA processam uma reunião de uma hora em 1 a 3 minutos via CUDA. Sem uma GPU, você ainda obtém velocidade utilizável em CPUs modernas. Detalhes da GPU.
O Zoom inclui transcrição automática de reuniões, mas apenas no plano Business e superiores. No momento da escrita, o plano Business custa aproximadamente 199 dólares por usuário por ano (149 a 195 dependendo da duração do contrato e número de licenças). Para um freelancer ou uma pequena equipe onde a maioria das chamadas não precisa de transcrição em tempo real, é muito dinheiro para um recurso que você usaria ocasionalmente.
A transcrição oficial do Zoom também tem limitações que surpreendem as pessoas na primeira vez. O áudio é processado na nuvem do Zoom, então ele deixa sua rede. As gravações são armazenadas nos servidores do Zoom, sujeitas às políticas de retenção do Zoom. E é restrito a chamadas do Zoom especificamente: não pode transcrever uma chamada gravada do Microsoft Teams ou uma entrevista de podcast que você fez em outro lugar.
Este guia descreve a alternativa que a maioria das pessoas acaba usando. Mantenha o nível gratuito do Zoom, use a Gravação Local integrada (que é gratuita) e processe o arquivo resultante com o StarWhisper no seu PC Windows. Custo total: zero. Economiza anual total vs. Zoom Business: 199 dólares por licença.
Quando você grava uma reunião do Zoom localmente como anfitrião, o Zoom captura o áudio mixado de todos os participantes (seu microfone mais as transmissões de microfone de todos os outros). Isso é salvo como audio_only.m4a. Ele também grava a grade de vídeo e o compartilhamento de tela em zoom_0.mp4. Para a transcrição, você só precisa do .m4a.
O que você NÃO obtém imediatamente é o áudio por falante. A gravação é uma única faixa mixada. Isso significa que o StarWhisper produzirá uma transcrição contínua sem rótulos de falante. Para a maioria dos casos de uso de itens de ação e decisões, isso é suficiente: é rápido de ler e reconstruir quem disse o quê quando você se lembra da discussão. Se a diarização do falante for crítica para o seu fluxo de trabalho, você precisaria de um serviço de transcrição em nuvem pago ou de uma configuração local mais avançada. Aviso honesto.
O Zoom também grava o texto do compartilhamento de tela. A transcrição cobre apenas o áudio falado, não o texto na tela. Se alguém compartilhou um documento com informações críticas, salve esse documento separadamente.
Configuração única no Zoom que torna o restante deste fluxo de trabalho mais fácil:
É isso. Reuniões futuras serão gravadas localmente nessa pasta. Você só precisa configurar isso uma vez por máquina.
Transcrever uma reunião gravada é mais rápido do que em tempo real, às vezes muito mais rápido. A velocidade exata depende do seu hardware e de qual modelo do Whisper você usa. Números aproximados para o modelo médio padrão em máquinas representativas:
| Hardware | Reunião de 30 min | Reunião de 60 min | Reunião de 2 horas |
|---|---|---|---|
| CPU de laptop moderno (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 reunião de uma hora seja transcrita em 6 a 12 minutos. Isso é mais rápido do que ouvir a reunião novamente em velocidade 2x. Se você faz muita transcrição de reuniões e tem uma GPU NVIDIA disponível, ativar o pacote CUDA reduz o tempo em uma ordem de magnitude.
Caso de uso separado que vale a pena mencionar. Além de transcrever reuniões gravadas, o principal recurso do StarWhisper é o ditado por voz ao pressionar e segurar em qualquer campo de texto. Durante uma chamada no Zoom, você pode usá-lo para digitar no chat do Zoom por voz sem tirar os olhos da sua câmera.
O fluxo de trabalho: clique na entrada do chat do Zoom, segure a tecla de atalho do StarWhisper (o padrão é Alt Direito), fale a mensagem, solte. Sua fala se torna texto digitado. Isso é útil para enviar mensagens detalhadas aos participantes durante o compartilhamento de tela, capturar anotações rápidas durante uma chamada sem usar Alt+Tab para um aplicativo de notas ou manter um thread de chat aberto ao lado da conversa verbal.
Para o fluxo de trabalho completo de ditado em tempo real com o Zoom, veja o guia dedicado de voz para texto no Zoom. O motor de transcrição é o mesmo; apenas o gatilho é diferente.
Este fluxo de trabalho mantém o áudio da reunião e a transcrição no seu dispositivo. A gravação local do Zoom é salva no seu disco rígido. O Modo Local do StarWhisper o processa localmente. A transcrição resultante é um arquivo .txt 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 com as alternativas. O Otter.ai entra na sua reunião como um robô e envia o áudio para os servidores do Otter. O Notta faz o mesmo. Até a transcrição do próprio Zoom processa o áudio na nuvem do Zoom. Para chamadas confidenciais (discussões de M&A, avaliações de desempenho, entrevistas com clientes sob NDA), o fluxo de trabalho exclusivamente local é uma melhoria significativa. A página de arquitetura de privacidade e offline cobre a análise completa do fluxo de dados.
Se você está em um setor regulamentado (saúde, jurídico, serviços financeiros), a mesma arquitetura apoia sua postura de conformidade. O FAQ de conformidade com o HIPAA explica o que o processamento local significa para informações de saúde protegidas especificamente.
Representantes de vendas fazendo chamadas de descoberta, recrutadores fazendo triagens e gerentes de conta fazendo renovações se beneficiam de transcrições de chamadas gravadas. O fluxo de trabalho aqui é o mesmo: grave localmente, transcreva depois. Se quiser uma análise mais profunda de como as equipes de vendas e as funções de RH estão usando a transcrição local, veja as páginas específicas por função. O guia de voz para texto para gerentes de RH cobre os fluxos de trabalho de triagem de candidatos. A página de voz para texto para criadores de conteúdo cobre fluxos de trabalho de podcasts e entrevistas que se sobrepõem muito à transcrição de chamadas de vendas.
Dite por voz diretamente no chat do Zoom durante uma chamada ao vivo.
O mesmo fluxo de trabalho de gravação local para chamadas e transcrições do Teams.
Converta gravações do Drive de sessões do Google Meet em texto pesquisável.