Escolha um áudio ou vídeo e o Whisper, da OpenAI, transforma a fala em texto aqui mesmo, nesta aba do navegador. O arquivo não é enviado para lugar nenhum. É grátis, não pede cadastro e não tem limite de minutos.
Verificando o que o seu navegador suporta...
Prefere falar em vez de digitar? O StarWhisper leva o mesmo Whisper para qualquer campo de texto do seu PC ou Mac. Aperte um atalho, fale, e as palavras aparecem no e-mail, no documento ou no chat. Grátis até 2.000 palavras por semana, sem cadastro.
Testar grátisOs áudios do WhatsApp são arquivos Opus, e esta página lê esse formato. Primeiro salve o áudio como arquivo:
Depois é só escolher o arquivo lá em cima. Os nomes dos menus mudam um pouco entre as versões do WhatsApp. Se o navegador do celular não abrir o arquivo, tente pelo computador.
A maioria dos sites gratuitos de transcrição envia a sua gravação para os servidores deles antes de começar. Esta página não faz isso. O navegador decodifica o áudio e entrega para o Whisper, que roda na mesma aba. Você pode conferir: abra as ferramentas de desenvolvedor do navegador, vá na aba Rede (Network) e transcreva alguma coisa. Na primeira vez aparecem os arquivos do modelo chegando de huggingface.co, e nenhum envio saindo.
Por isso é uma opção sensata para entrevistas, reuniões com clientes, anotações médicas ou jurídicas e qualquer outro áudio que você prefere não entregar a terceiros.
Duas coisas saem da página, e nenhuma contém o seu arquivo nem as suas palavras. Se você aceitar os cookies, as análises normais do site carregam, como em qualquer outra página. E a página manda ao nosso servidor algumas contagens anônimas, sem cookie: quando você escolhe um arquivo (o tamanho aproximado e como a página o lê), quando uma transcrição termina (o modelo, CPU ou GPU, uma duração aproximada, como "1 a 5 minutos", e a velocidade) e quando algo falha (a etapa que falhou). É assim que sabemos se alguém usa a ferramenta e onde ela falha. O código aberto está no GitHub, então você pode ler exatamente o que ele faz.
| Modelo | Tamanho do download (CPU / GPU) | Indicado para |
|---|---|---|
| Tiny | 41 MB / 120 MB | Rascunhos rápidos de fala bem clara (melhor em inglês), computadores e celulares mais antigos |
| Base | 77 MB / 206 MB | A maioria das gravações com uma ou duas pessoas falando com clareza |
| Small | 249 MB / 586 MB | Sotaques, ambientes barulhentos, quando a precisão importa mais que a velocidade |
As versões para GPU são maiores porque guardam os pesos em um formato que as placas de vídeo executam bem. Os três modelos são multilíngues e cobrem os 99 idiomas em que o Whisper foi treinado. Para português, comece pelo Base. Se o resultado vier com muitos erros, tente o modelo maior antes de qualquer outra coisa.
Funciona com áudio em MP3, WAV, M4A, AAC, OGG, Opus, FLAC e WEBM, e com a faixa de áudio de vídeos MP4, MOV, MKV e WEBM. Chrome e Edge leem o maior número de formatos. Se um arquivo não abrir, converta para MP3 ou WAV antes.
Não há limite de minutos, mas quem faz o trabalho é o seu computador, então é ele que dita o ritmo. Uma placa de vídeo pelo WebGPU é muito mais rápida que só o processador, e no processador uma gravação longa pode levar mais tempo que a própria duração dela. Deixe a aba aberta até terminar. No Chrome e no Edge, arquivos grandes são lidos aos poucos, então um vídeo de vários GB funciona no computador. Navegadores sem esse recurso param em 1 GB no computador e em 200 MB no celular.
Esta página serve para arquivos que você já tem. Para ditar, o aplicativo StarWhisper é o mesmo Whisper rodando como programa nativo no Windows e em Macs com Apple Silicon. Você aperta um atalho, fala, e o texto aparece no programa em que está digitando: e-mail, Word, Slack, editor de código. Usa CUDA, Vulkan ou Metal para ganhar velocidade e funciona offline depois de configurado. O plano grátis cobre 2.000 palavras de ditado por semana e não pede conta. O Pro adiciona transcrição de arquivos dentro do aplicativo, sem os limites de memória do navegador, e os modelos Medium e Large.
Baixe o StarWhisper ou veja como ele se compara a rodar o whisper.cpp por conta própria.
É. Quem faz o trabalho é o seu computador, então não temos custo por minuto nem motivo para limitar. Não pede conta e não coloca marca d'água no texto.
Não. O arquivo é lido e transcrito dentro do navegador. As únicas coisas baixadas são a página, as bibliotecas de transcrição do jsDelivr e os arquivos do modelo do Hugging Face.
Dá. Salve o áudio como arquivo, como explicado acima, e escolha aqui. Ele é processado no seu aparelho, então a conversa não vai para servidor nenhum.
Sim, é o padrão. O Whisper ouve os primeiros 30 segundos e escolhe o idioma mais provável. Se a gravação começa com música ou silêncio, é melhor escolher o idioma na mão.
O Whisper traduz a fala de outros idiomas para texto em inglês. Marque "Traduzir o resultado para inglês" antes de escolher o arquivo. Ele não traduz para outros idiomas.
Não. O Whisper escreve o que foi dito, não quem disse.
Normalmente porque o navegador não tem WebGPU e o Whisper roda no processador. O aviso embaixo da caixa de arquivo mostra qual dos dois você está usando. Chrome ou Edge em um computador recente é o mais rápido, e o modelo Tiny é o mais rápido dos três.
Pode funcionar, em celulares recentes com o navegador atualizado, mas eles têm bem menos memória, então a página só oferece Tiny e Base. Gravações curtas funcionam melhor.