Vídeo para Texto Online — Transcrição e Legendas
Solte um MP4, MOV, WebM ou MKV — o Whisper transcreve a fala diretamente no seu navegador. Português, inglês, espanhol e mais de 16 idiomas. Sem cadastro, os arquivos nunca saem do seu dispositivo.
Arraste e solte seu arquivo aqui ou clique para selecionar
Sobre a transcrição de vídeo no navegador
Video to Text é a transcrição automática da fala de um arquivo de vídeo. Solte um MP4, MOV, WebM ou MKV — o navegador extrai a trilha de áudio, e o Whisper (o modelo de licença aberta da OpenAI) a divide em janelas de 30 segundos, localiza a fala, adiciona pontuação e devolve o texto. Depois copie, baixe um .txt, ou clique em 'Traduzir' para abrir o resultado no nosso tradutor.
Por trás dos panos — Whisper, convertido para formato ONNX e executado via transformers.js (Hugging Face) como WebAssembly diretamente no seu navegador. Suporta 99 idiomas; mostramos 16 dos mais comuns na interface — português, inglês, espanhol, russo, alemão, francês, italiano, ucraniano, polonês, checo, turco, holandês, chinês, japonês, coreano, árabe. O modo 'Auto' permite que o Whisper detecte o idioma a partir dos primeiros segundos de áudio.
O vídeo nunca sai do seu dispositivo — a transcrição roda localmente, no navegador. O modelo é baixado uma vez (~75 MB para o Tiny, ~145 MB para o Base) e armazenado em cache. Sem cadastro, sem envio a um servidor. Arquivos longos (>5 min) demoram mais para transcrever — esse é o preço de manter a privacidade.
Onde é útil
Transcrever uma entrevista do YouTube
Baixou uma entrevista ou podcast em vídeo — solte o arquivo e obtenha texto pronto para editar, citar ou transformar em um artigo. O Whisper lida bem com pontuação e funciona com a fala conversacional comum.
Fazer a ata de um webinar
Gravou uma chamada do Zoom ou um webinar — transforme o vídeo em texto para encontrar rapidamente quem disse o quê e enviar um resumo para a equipe. A precisão é melhor com uma gravação limpa e sem muito ruído de fundo.
Extrair legendas de um vídeo
Gravando para o YouTube ou TikTok — transcreva a fala para adicionar legendas ou escrever rapidamente uma descrição. O texto pode ser editado diretamente na página antes de baixar.
Transcrever um tutorial em idioma estrangeiro
Palestra em inglês, tutorial em alemão, filme em espanhol — transcreva primeiro a fala e depois clique em '→ Traduzir' para abrir o texto no nosso tradutor (também funciona localmente).
Perguntas frequentes
Quais formatos de vídeo são suportados?
Qualquer formato que o navegador consiga decodificar: MP4 (H.264 + AAC — o mais comum), MOV (do iPhone), WebM, MKV, M4V, AVI, MPEG. O vídeo em si não é necessário — extraímos apenas a trilha de áudio. Se seu arquivo não abrir, tente convertê-lo primeiro para MP4, por exemplo com nosso conversor de vídeo.
O vídeo é enviado a um servidor?
Não. A transcrição é totalmente do lado do cliente — o modelo Whisper é baixado uma vez para o seu dispositivo e funciona localmente via WebAssembly. O arquivo de vídeo em si nunca é enviado. Você pode desconectar-se da internet depois de carregar o modelo — a transcrição vai continuar funcionando.
Qual é a precisão?
Para voz limpa — normalmente 90–96% (modelo Tiny) ou 94–98% (modelo Base). A precisão cai com música de fundo, vários falantes simultâneos, sotaques fortes e jargão especializado. Se o vídeo tiver música ou efeitos altos, considere extrair primeiro apenas a fala com nossa ferramenta 'Áudio a partir de vídeo' + um editor.
Qual é o tamanho máximo de vídeo?
Até 500 MB. Isso cobre a maioria dos vídeos 720p de até 1–2 horas, ou 1080p de até 30–60 minutos. Se seu arquivo for maior, corte-o em qualquer editor de vídeo ou recodifique-o antes com uma taxa de bits menor. A qualidade do vídeo não importa para a transcrição — apenas o áudio.
Quanto tempo leva para transcrever um vídeo de uma hora?
O Tiny em uma CPU geralmente roda quase em tempo real — 1 hora de vídeo ≈ 1 hora de transcrição. O Base é 1,5–2× mais lento, mas mais preciso. A primeira execução é mais lenta porque o modelo precisa ser baixado (~75 MB para o Tiny, ~145 MB para o Base). Depois, o modelo fica em cache no navegador e é pulado nos arquivos seguintes.
Qual é a diferença em relação às legendas automáticas do YouTube?
O YouTube só transcreve vídeos públicos, exige o envio para um servidor e às vezes produz legendas automáticas de má qualidade. Aqui é privado, sem conta, você pode transcrever qualquer vídeo, seja de trabalho, pessoal ou confidencial. O texto pode ser editado no navegador e é baixado na hora.
Posso traduzir a transcrição na hora?
Sim — após a transcrição, clique em '→ Traduzir'. Nosso tradutor de texto se abre com o texto já preenchido. A tradução também funciona localmente (via Bergamot WASM da Mozilla), sem enviar nada.