Pular para o conteúdo
Transcrição

Como transcrever áudio em texto: passo a passo, do MP3 ao texto com falantes e minutagem

Atualizado em 12 min de leitura

Resposta curta

Para transcrever áudio em texto, envie o arquivo ao FilmScribe como ele está: MP3, WAV, M4A, OGG ou OPUS, sem converter. Em minutos, você recebe o texto palavra por palavra, com os falantes separados e a minutagem. Revise ouvindo, corrija nomes e termos e exporte em TXT, PDF ou SRT. O teste de 3 dias pede cartão ou Pix.

Passo a passo

  1. 01 Envie o arquivo de áudio No FilmScribe, escolha a gravação em MP3, WAV, M4A, OGG, OPUS ou outro formato aceito, do jeito que ela saiu do gravador ou do celular.
  2. 02 Diga o tipo de conteúdo e marque o trecho Escolha o tipo, como podcast, entrevista ou reunião. Se só uma parte importa, marque o intervalo: só ele é processado e conta nas horas.
  3. 03 Receba a transcrição Nós transcrevemos palavra por palavra, com o tempo de cada palavra, os falantes separados e o idioma detectado sozinho.
  4. 04 Revise ouvindo Clique na frase para ouvir o trecho e corrija nomes próprios, siglas e termos técnicos no próprio texto.
  5. 05 Exporte no formato certo TXT para documento, PDF para leitura, SRT para legenda e MP3 do trecho que você marcou.
Neste guia
  1. Em resumo
  2. Como transcrever áudio em texto no FilmScribe
  3. O que muda quando o arquivo é só de áudio?
  4. Quais formatos de áudio dá para transcrever? MP3, WAV, M4A, OGG e OPUS
  5. Como saber quem falou e em que minuto?
  6. Em qual formato exportar a transcrição: TXT, PDF ou SRT?
  7. O que a qualidade do áudio muda no texto?
  8. Como transcrever áudio longo, de mais de uma hora?
  9. Como transcrever áudio no celular?
  10. Áudio em outro idioma: transcrever ou traduzir?
  11. Transcrever áudio é o mesmo que digitar por voz?
  12. Dá para transcrever áudio em texto grátis? Os caminhos e os limites de cada um
  13. Erros comuns ao transcrever áudio
  14. Perguntas frequentes
  15. Fontes

Transcrever áudio em texto é passar para a tela tudo o que foi dito numa gravação: a entrevista que ficou no gravador, o episódio do podcast, a reunião, a aula, a mensagem de voz. O arquivo pode ser MP3, WAV, M4A, OGG ou OPUS. O trabalho é sempre o mesmo: ouvir cada palavra, saber quem falou e marcar quando.

No FilmScribe, você envia o arquivo como ele está, e nós devolvemos a transcrição palavra por palavra, com o tempo de cada palavra e os falantes separados. Este guia mostra o passo a passo, o que muda quando o arquivo é só de áudio, o que saber sobre cada formato, como exportar e o que a qualidade da gravação faz com o texto. Se você só quer enviar o arquivo agora, comece pela página de transcrever áudio em texto grátis: ela leva ao teste de 3 dias, com cartão ou Pix.

Em resumo

  • Envie o áudio como está: MP3, WAV, M4A, AAC, OGG, OPUS ou WEBM, de até 10 GB, sem converter antes.
  • Nós transcrevemos palavra por palavra, com minutagem, falantes separados e o idioma detectado sozinho, entre mais de 90 idiomas.
  • Arquivo de áudio tem transcrição, capítulos e emoções em todos os planos, e ganchos e roteiros no Studio e no Agency. Não tem a página Cortes nem legenda queimada, que precisam de vídeo.
  • A qualidade da gravação pesa mais do que o formato do arquivo. Revise ouvindo antes de publicar.
  • Exporte no formato do destino: TXT para documento, PDF para leitura, SRT para legenda.

Como transcrever áudio em texto no FilmScribe

1. Envie o arquivo de áudio

Na área de envio, escolha a gravação. Entram MP3, WAV, M4A, AAC, OGG, OPUS e WEBM, do jeito que saíram do gravador, do celular ou do aplicativo de mensagens. Cada arquivo vai até 10 GB e não há limite de duração: o que conta são as horas do plano. Veja os formatos aceitos.

2. Diga o tipo de conteúdo e marque o trecho

Escolha o tipo de conteúdo, como podcast, entrevista, reunião, aula ou narração. Ele orienta o que procuramos na gravação. Se só uma parte importa, marque o início e o fim antes de processar: só esse trecho é transcrito e só ele conta nas horas.

3. Receba a transcrição palavra por palavra

Nós transcrevemos com o tempo de cada palavra e separamos as falas por pessoa, em todos os planos. O idioma é detectado sozinho. Quando o envio termina, dá para fechar a página: avisamos por e-mail quando o arquivo fica pronto. Veja em transcrição e falantes.

4. Revise ouvindo

O player toca o áudio enquanto a palavra falada fica em destaque. Clique em qualquer frase e o áudio vai direto para ela. Nome próprio, sigla, termo técnico: se algo saiu diferente do que foi dito, corrija ali mesmo. A correção vale para o texto na tela e para todas as exportações, e dá para voltar ao original. Busque qualquer palavra no arquivo, filtre por pessoa e marque as falas favoritas.

5. Exporte

TXT e PDF para ler, SRT para legenda, com predefinições de TV, Netflix e YouTube, e MP3 do arquivo inteiro ou só do trecho que você marcou (baixar trechos). A exportação deixa escolher se o nome do falante e o tempo entram no texto.

O que muda quando o arquivo é só de áudio?

A transcrição é a mesma de um vídeo. O que muda é o que vem junto com ela:

O que você procuraEm arquivo de áudioEm arquivo de vídeo
Transcrição com minutagem e falantesSim, em todos os planosSim, em todos os planos
Capítulos e emoçõesSim, em todos os planosSim, em todos os planos
Aba GanchosSim, no Studio e no AgencyNão: os cortes automáticos fazem esse papel
RoteirosSim, no Studio e no AgencySim, no Studio e no Agency
Página Cortes, com cortes verticaisNãoSim
Legenda queimada na imagemNão, porque não há imagemSim, nos cortes
Legenda em SRTSimSim
Download de um trechoMP3MP3 ou MP4
Timeline cortada para o editorSim, no Studio e no AgencySim, no Studio e no Agency

Três pontos merecem atenção:

  • A aba Ganchos só existe em áudio. No Studio e no Agency, ela mostra as frases que prendem, com nota de 0 a 100, tipo, motivo e minutagem. É o caminho para achar o trecho forte de um podcast sem ouvir tudo de novo. Veja em ganchos narrativos.
  • As emoções saem do que foi dito. Nós lemos o texto transcrito, não o tom de voz. Um trecho sem fala não recebe emoção.
  • Corte vertical precisa de imagem. Se a gravação existe em vídeo, envie o vídeo: a transcrição é a mesma e você ganha a página Cortes. O guia como transcrever vídeo em texto mostra esse fluxo.

Quais formatos de áudio dá para transcrever? MP3, WAV, M4A, OGG e OPUS

Todos os formatos comuns entram sem conversão. O que muda de um para o outro é a origem e o tamanho do arquivo:

FormatoDe onde costuma virO que saber
MP3Podcast, gravador digital, arquivo baixadoComprimido e leve: uma hora em 128 kbps tem cerca de 58 MB
WAVGravador profissional, mesa de som, estúdioSem compressão: uma hora em estéreo, na qualidade de CD, passa de 600 MB
M4AGravador do celular, gravação de reuniãoComprimido, com boa qualidade em pouco espaço
OGGMensagem de voz, alguns gravadoresComprimido; nem todo reprodutor abre, mas nós abrimos
OPUSMensagem de voz de aplicativos de mensagensCriado para voz e música pela internet, a partir de 6 kbit/s (RFC 6716)
AAC, WEBMGravadores online, alguns aplicativosAceitos como estão

Cada formato tem a própria página de envio, se você já chegou procurando por ele: converter MP3 em texto, converter WAV em texto, converter M4A em texto e converter OGG em texto. Para mensagem de voz, o guia como transcrever áudio do WhatsApp mostra como tirar o arquivo do celular.

Três regras práticas sobre formato:

  1. Não converta antes de enviar. Passar um MP3 para WAV só aumenta o arquivo. O que a compressão tirou não volta.
  2. FLAC não está na lista. Converta com a ferramenta grátis de converter FLAC para MP3 e envie o MP3.
  3. Se o som está dentro de um vídeo, envie o vídeo. Nós transcrevemos o som dele do mesmo jeito. Só vale extrair o áudio do vídeo antes quando o vídeo é pesado demais para a sua internet, sabendo que um arquivo de áudio não tem cortes.

Como saber quem falou e em que minuto?

São duas marcações diferentes, e as duas vêm prontas.

Falantes. Cada fala chega marcada com quem falou: Pessoa 1, Pessoa 2 e assim por diante, em todos os planos. Você filtra a transcrição por pessoa para ler só as respostas do entrevistado, por exemplo. No Studio e no Agency, dá para dar nome e cor a cada pessoa, ou pedir que a gente identifique quem é quem: nós achamos os momentos em que cada um se apresenta ou é chamado pelo nome e sugerimos o nome, com o trecho que comprova. O nome escolhido aparece na transcrição, nos filtros e nas exportações. Um limite honesto: não dá para dividir um falante em dois.

Minutagem. O tempo é marcado em cada palavra, não só em cada frase. Clicar no tempo de qualquer fala leva o player até ali. É isso que permite citar com precisão (“aos 14 minutos e 32 segundos”) e baixar em MP3 só a resposta que interessa.

Uma transcrição de áudio com falantes e minutagem fica assim:

[00:14:32] Apresentadora: Qual foi o erro mais caro do primeiro ano?
[00:14:36] Rui: Contratar antes de ter processo. Eu trouxe três pessoas
e nenhuma sabia o que fazer na segunda-feira.
[00:14:45] Apresentadora: E como você consertou?

Para entrevista de pesquisa, com as regras de citação, veja como transcrever entrevista.

Em qual formato exportar a transcrição: TXT, PDF ou SRT?

Escolha pelo destino do texto:

FormatoPara que serveGuarda o tempo?
TXTColar num documento, abrir no Word, editar livrementePode incluir minutagem no texto
PDFEnviar para alguém ler, imprimir ou arquivarPode incluir minutagem no texto
SRTLegenda de um vídeo feito com esse áudioSim, entrada e saída de cada frase
MP3O áudio inteiro ou só o trecho marcadoNão se aplica

Na exportação, você decide se o nome do falante e o tempo entram, a largura da linha da legenda (TV, Netflix, YouTube ou personalizada) e os quadros por segundo.

O que não existe, para você não procurar: exportação em DOCX, VTT, JSON ou CSV, e áudio em WAV. O áudio sai sempre em MP3. Os atalhos:

O mesmo trecho do exemplo acima, em SRT:

41
00:14:36,100 --> 00:14:39,400
Contratar antes de ter processo.

42
00:14:39,550 --> 00:14:44,800
Eu trouxe três pessoas e nenhuma sabia
o que fazer na segunda-feira.

O que a qualidade do áudio muda no texto?

Muda quase tudo. A precisão da transcrição automática depende mais da gravação do que do formato do arquivo:

Problema na gravaçãoO que acontece no textoComo resolver
Celular no meio da mesa, longe de quem falaPalavras trocadas, falas baixas somemAproxime o gravador ou use um microfone de lapela
Sala com ecoSílabas somem ou se repetemGrave num cômodo menor, com cortina, tapete ou sofá
Música, TV ou rua ao fundoTrechos inteiros ignoradosDesligue a fonte do ruído ou mude de lugar
Duas pessoas falando ao mesmo tempoFalas misturadas, falante erradoRevise esses trechos ouvindo de novo
Ligação ou viva-vozVoz abafada, mais palavras erradasGrave direto no aparelho de quem fala, quando der
Volume estouradoPalavras distorcidasAfaste o microfone ou baixe o ganho
Nomes próprios, siglas e termos técnicosGrafia errada ou palavra parecidaCorrija no texto; a correção vale para o resto

Um teste rápido: ouça um minuto da gravação com fone de ouvido. Se você entende tudo sem voltar, a transcrição vai pedir poucas correções. Se precisa repetir uma frase para entender, é nesse trecho que a revisão vai se concentrar.

Antes de uma gravação importante, grave dez segundos e ouça. O teste de microfone grátis mostra o nível, o pico e o ruído de fundo. Para o caminho inteiro, da gravação ao texto, veja como gravar e transcrever áudio.

Mesmo com áudio bom, revise. O guia do W3C sobre transcrição recomenda reservar tempo para corrigir o texto gerado automaticamente, porque uma única palavra que falta, como um “não”, pode inverter o sentido da frase.

Transcrição literal ou limpa?

A transcrição literal registra tudo: “é…”, “tipo assim”, repetições, risadas. Segundo o W3C, é o que se pede em depoimentos jurídicos. A transcrição limpa tira os vícios de fala e mantém o sentido, e é a mais usada para ler, citar e publicar. Decida antes de revisar. Se o destino é um texto corrido, a ferramenta grátis de limpar transcrição tira tempos e nomes de falantes e junta as linhas em parágrafos.

Como transcrever áudio longo, de mais de uma hora?

Envie como está. Não há limite de duração: o limite é de tamanho, 10 GB por arquivo, e o que conta são as horas do plano, de 10 a 35 por mês.

  • Só uma parte importa? Marque o trecho antes de processar. Só ele é transcrito e só ele conta nas horas.
  • Está no teste? O teste tem 1 hora de material. Um áudio maior é transcrito até completar a hora, e o resto fica guardado para ser transcrito depois da assinatura, sem enviar de novo.
  • A gravação veio em vários arquivos? No Agency, você envia até 20 áudios de uma vez e escolhe entre uma transcrição para cada um ou tudo junto numa só. Nos outros planos, envie um por vez e guarde todos num projeto, ou una as partes antes com a ferramenta grátis de juntar áudios.
  • Não precisa ficar esperando. Quando o envio termina, feche a página. Avisamos por e-mail.

Num texto de duas horas, ninguém lê do começo ao fim. Use a busca para pular ao assunto, os capítulos para ver a gravação dividida por tema e o filtro por pessoa para ler só um dos lados da conversa.

Como transcrever áudio no celular?

Pelo navegador do celular, abra o FilmScribe e escolha o arquivo salvo no aparelho. O processo é o mesmo do computador.

Dois cuidados no envio pelo celular. Deixe a página aberta até o envio terminar: trocar de aplicativo ou bloquear a tela pausa o envio, que continua de onde parou quando você volta. E prefira o Wi-Fi para arquivos grandes, como um WAV de uma hora.

Revisar um texto longo é mais confortável numa tela maior. Uma rotina que funciona: enviar pelo celular logo depois de gravar e revisar depois no computador.

Áudio em outro idioma: transcrever ou traduzir?

Transcreva primeiro, no idioma em que a pessoa falou. O idioma é detectado sozinho, entre mais de 90 idiomas, e a transcrição sai nesse idioma. Com o texto original revisado, a tradução fica mais fiel: traduzir direto do som junta o erro de ouvir com o erro de traduzir.

No Studio e no Agency, nós traduzimos a transcrição para 9 idiomas, com a mesma minutagem da original. Gravações que misturam idiomas pedem atenção redobrada nos pontos de troca. O guia como traduzir áudio para outro idioma mostra o caminho completo.

Transcrever áudio é o mesmo que digitar por voz?

Não, e a diferença decide qual caminho usar.

Transcrever parte de uma gravação que já existe. Você envia o arquivo e recebe o texto inteiro, com quem falou e quando. Serve para entrevista, reunião, aula, podcast e qualquer conversa com mais de uma pessoa.

Digitar por voz é ditar: você fala ao microfone e o texto aparece na hora, sem arquivo, sem falantes e sem minutagem. Serve para escrever uma mensagem, uma anotação ou o rascunho de um texto. A nossa ferramenta grátis de digitar por voz faz isso, e o guia como digitar por voz é sobre esse caminho.

O que não funciona bem é misturar os dois: tocar a gravação em voz alta perto do microfone para o ditado “ouvir”. O ambiente entra no texto, as vozes se misturam e a pontuação se perde.

Dá para transcrever áudio em texto grátis? Os caminhos e os limites de cada um

O FilmScribe não tem plano grátis. O que existe é o teste, e há caminhos de fora que resolvem casos simples. Cada um com o seu limite:

CaminhoO que entregaLimite
Teste do FilmScribeO seu arquivo transcrito, com falantes, minutagem e exportação3 dias ou 1 hora de material; pede cartão ou Pix
Gravador do iPhoneA transcrição das gravações feitas no próprio app, para ver e copiariPhone 12 ou posterior, em alguns idiomas (português entre eles), e não em todos os países
Digitação por voz do Google DocsO que você fala ao microfone, escrito no documentoUsa o microfone do computador, não um arquivo; Chrome, Edge e Safari atualizados
Transcrever, no WordArquivo enviado, com falantes separadosAssinatura do Microsoft 365; 300 minutos de áudio enviado por mês; só .wav, .mp4, .m4a e .mp3
Digitar à mãoQualquer gravação, com o cuidado que você quiserLeva várias vezes a duração do áudio

No teste do FilmScribe, se você cancelar pelo app antes do fim dos 3 dias, nada é cobrado. Se não cancelar, a assinatura do plano escolhido começa. A página de transcrever áudio em texto grátis mostra o que o teste entrega e leva ao envio.

Para uma anotação de dois minutos, o gravador do celular resolve. Para uma entrevista de uma hora, uma reunião com quatro vozes ou uma mensagem de voz em OPUS, formato que o Word hoje não aceita, o que pesa é o tempo de revisão: um texto com falantes separados e tempo em cada palavra se revisa muito mais rápido do que um bloco corrido.

Erros comuns ao transcrever áudio

  1. Não revisar. Nenhuma transcrição automática deve ir direto para publicação. Uma leitura ouvindo o áudio resolve a maior parte dos erros.
  2. Converter o arquivo antes de enviar. Trocar de formato não melhora a gravação e ainda toma tempo. Envie o original.
  3. Enviar o áudio quando existe o vídeo. O texto é o mesmo, mas só o vídeo tem cortes verticais e legenda queimada.
  4. Gravar com o celular longe. Um metro a menos entre a boca e o microfone vale mais do que qualquer ajuste depois.
  5. Exportar sem minutagem e sem falantes. O texto parece suficiente até você precisar achar a fala na gravação ou saber quem disse.
  6. Tocar a gravação para o ditado ouvir. Ditado é para a sua voz, ao vivo. Gravação pronta se transcreve pelo arquivo.

Perguntas frequentes

Dá para transcrever áudio em texto grátis?

O FilmScribe não tem plano grátis. O teste de 3 dias com 1 hora de material, com cartão ou Pix, transcreve o seu áudio de verdade, com falantes, minutagem e exportação em TXT, PDF e SRT; cancelando antes do fim, nada é cobrado. Sem pagar nada, o gravador de alguns celulares transcreve as próprias gravações, em texto corrido.

Como transcrever áudio longo, de mais de uma hora?

Envie o arquivo inteiro: não há limite de duração, só de tamanho (10 GB por arquivo), e o que conta são as horas do plano. Se só uma parte importa, marque o trecho antes de processar. No teste, um áudio maior que 1 hora é transcrito até completar a hora, e o resto fica guardado para depois da assinatura.

Quais formatos de áudio posso transcrever?

MP3, WAV, M4A, AAC, OGG, OPUS e WEBM entram como estão, sem conversão. Isso cobre o gravador do celular, o gravador digital, a mesa de som e as mensagens de voz. FLAC não está na lista: converta para MP3 antes. Converter um MP3 para WAV não melhora o texto, porque o que a compressão tirou não volta.

Dá para transcrever áudio com minutagem e saber quem falou?

Sim. Nós marcamos o tempo de cada palavra e separamos as falas por pessoa em todos os planos, como Pessoa 1 e Pessoa 2. Clicar numa frase leva o player ao ponto exato da gravação. Dar nome a cada falante e pedir que a gente identifique quem é quem é do Studio e do Agency.

Qual a diferença entre transcrever áudio e digitar por voz?

Transcrever é enviar uma gravação pronta e receber o texto inteiro, com falantes e minutagem. Digitar por voz é ditar ao microfone e ver o texto aparecer na hora, sem arquivo, sem falantes e sem tempo. Para entrevista, reunião ou podcast já gravados, transcreva o arquivo. Para escrever uma mensagem ou uma anotação falando, dite.

Em qual formato exportar a transcrição do áudio?

TXT para colar num documento ou abrir no Word, PDF para enviar a quem só vai ler e SRT quando o texto vira legenda de um vídeo feito com esse áudio. O SRT tem predefinições de TV, Netflix e YouTube. Não exportamos em DOCX nem em VTT: abra o TXT no Word ou converta o SRT.

Dá para fazer cortes ou legenda a partir de um arquivo de áudio?

Cortes verticais e legenda queimada precisam de imagem, então não existem em arquivo de áudio. O que o áudio tem é transcrição, capítulos, emoções e download de trechos em MP3; no Studio e no Agency, também a aba Ganchos e os roteiros. A legenda em SRT sai normalmente. Se a gravação existe em vídeo, envie o vídeo.

Fontes

A documentação oficial que confirma os números e as regras deste guia.

  1. 01Transcrever áudio em texto (em inglês)(abre em nova aba) · W3C WAI
  2. 02Transcrever suas gravações(abre em nova aba) · Microsoft
  3. 03Digitar e editar com sua voz(abre em nova aba) · Ajuda do Google Docs
  4. 04Visualize uma transcrição do Gravador do iPhone(abre em nova aba) · Apple
  5. 05RFC 6716: definição do codec de áudio Opus (em inglês)(abre em nova aba) · IETF

Faça no seu material. O resultado aparece antes do cartão.

Envie um arquivo ou cole um link do YouTube. Transcrição, capítulos, cortes e legendas ficam prontos em minutos.