Como transcrever áudio em texto de graça (rápido e preciso)

Você tem uma gravação de 40 minutos parada no celular. Uma entrevista, uma palestra, um memorando de voz em que você divagou durante uma caminhada. E agora precisa dessas palavras no papel, de preferência sem pagar a ninguém nem gastar a tarde inteira nisso.

Boa notícia: dá para transcrever áudio em texto de graça, e as ferramentas ficaram realmente boas. O detalhe que ninguém menciona logo de cara é que esse "bom" depende muito mais da sua gravação do que do seu software. Este guia percorre os métodos gratuitos de verdade, quando cada um se sai melhor e a parte que a maioria dos artigos pula por completo: o que de fato determina se a sua transcrição sai limpa ou vira uma confusão que você precisa corrigir linha por linha.

As ferramentas gratuitas que já estão nos seus dispositivos

Antes de se cadastrar em qualquer coisa, veja o que você já tem. A maioria dos celulares e pacotes de escritório vem com transcrição integrada e, para muitas tarefas, é tudo de que você precisa.

Em um iPhone, o app Voice Memos transcreve gravações no próprio aparelho. Se você tem um iPhone 12 ou mais recente com iOS 18 ou posterior, abra uma gravação, toque no ícone de balão de fala acima dos controles de reprodução, e o texto aparece com destaque palavra por palavra ao vivo enquanto toca. Tudo funciona totalmente off-line, em cerca de dez idiomas, então nada é enviado para lugar nenhum. Para qualquer conteúdo sensível, isso é uma vantagem real de privacidade.

Em um Google Pixel, o app Recorder faz algo que a Apple ainda não faz: transcreve em tempo real enquanto você grava, totalmente no aparelho e off-line. Sem internet, sem conta, sem custo. A contrapartida é que ele é exclusivo do Pixel, então, se você tem outro celular Android, vai precisar de outro caminho.

Google Docs Voice Typing (digitação por voz) é o cavalo de batalha gratuito de muita gente. Abra um documento, vá em Ferramentas > Digitação por voz (ou pressione Ctrl+Shift+S no Windows, Cmd+Shift+S no Mac) e fale. É gratuito, sem limite de minutos, e funciona surpreendentemente bem para um ditado limpo e constante. As limitações, para ser franco: ele mal adiciona pontuação e foi feito para fala ao vivo, não para arquivos. Para transcrever uma gravação que você já tem, as pessoas reproduzem o áudio em voz alta em um aparelho enquanto o Docs escuta em outro, o que funciona, mas degrada a qualidade.

A ferramenta Transcribe do Microsoft Word é mais capaz, mas não é gratuita. Ela exige uma assinatura paga do Microsoft 365 e conexão com a internet. Em troca você recebe: envie um arquivo (.mp3, .wav, .m4a ou .mp4), e o Word separa os falantes, adiciona marcações de tempo e cobre mais de 80 idiomas, com até 300 minutos de áudio enviado por mês. Se você já paga pelo Microsoft 365, é uma das melhores opções escondidas à vista de todos. Se não, deixe para lá. Já o recurso Dictate integrado ao Word é gratuito e dá conta da conversão de fala em texto ao vivo.

Dica: Combine a ferramenta com a fonte. Os apps de gravação no aparelho (iPhone Voice Memos, Pixel Recorder) são os melhores para o áudio que você está captando agora mesmo. As ferramentas baseadas em envio de arquivos são as melhores para os arquivos que você já tem. Tentar forçar uma ferramenta de ditado ao vivo a transcrever um arquivo salvo é onde a maioria das pessoas perde uma hora.

Transcritores web gratuitos e ferramentas de IA

Quando as opções integradas não servem, um transcritor no navegador geralmente serve. Você envia um arquivo, espera alguns minutos e baixa o texto. São essas ferramentas que tornaram a transcrição gratuita realmente utilizável nos últimos anos, porque a maioria agora funciona com modelos modernos de reconhecimento de fala em vez dos motores desajeitados de uma década atrás.

Os planos gratuitos variam, então vale a pena conhecer o formato deles antes de escolher um:

• Notta — 120 minutos grátis por mês, bom para gravações mais longas ocasionais.
• Otter.ai — 300 minutos grátis por mês, forte em reuniões e captura em tempo real.
• TurboScribe — três arquivos por dia, de até 30 minutos cada, sem limite mensal.
• OpenAI's Whisper — gratuito e de código aberto, sem limite de minutos se você não se importar em executá-lo por conta própria, o que é o detalhe complicado para usuários não técnicos.

A maioria aceita os formatos que você esperaria (MP3, WAV, M4A, FLAC), com limites de tamanho de arquivo que costumam ficar em torno de 500 MB. Alguns aceitam envios de até 1 GB. O número em que as pessoas tropeçam é o limite de duração por arquivo, que é separado do total mensal. Uma ferramenta pode lhe dar 120 minutos por mês e ainda assim engasgar em um único arquivo de 90 minutos. Verifique o limite por arquivo antes de enviar uma gravação longa, não depois que ela falhar.

O caminho gratuito mais fácil, passo a passo

Se você só quer uma transcrição limpa de uma gravação com o mínimo de atrito, esta é a rota que eu indicaria a quase qualquer pessoa. É aqui que um assistente de reuniões com IA como o Laxis mostra seu valor em um caso específico, e já vou chegar lá, mas para um arquivo de áudio avulso, um transcritor web gratuito é a melhor jogada.

1. Deixe seu arquivo pronto. Certifique-se de que ele esteja em um formato comum (MP3, WAV ou M4A). Se o seu gravador salvou algo exótico, a maioria das ferramentas converte no envio, mas MP3 é a aposta segura.
2. Escolha um transcritor gratuito que se ajuste à duração do seu arquivo. Para qualquer coisa com menos de 30 minutos, o plano gratuito do TurboScribe é rápido. Para um único arquivo mais longo, os 120 minutos grátis mensais do Notta dão mais margem.
3. Envie e defina o idioma. Esse único passo importa mais do que as pessoas imaginam. Informar à ferramenta o idioma falado correto logo de início melhora a precisão de forma mensurável, sobretudo em áudio que não esteja em inglês.
4. Espere e depois revise. A transcrição costuma levar uma fração da duração do áudio. Quando terminar, leia o primeiro minuto comparando com o áudio para pegar erros sistemáticos: nomes ouvidos errado, jargão, uma palavra errada recorrente.
5. Ajuste e exporte. Corrija o punhado de erros, adicione a identificação de falantes à mão se a ferramenta gratuita não fez isso, e exporte para texto, Word ou SRT.

É só isso. Para áudio limpo, com um único falante, você vai gastar mais tempo lendo esta lista do que de fato executando-a.

O que realmente determina a precisão

Esta é a parte que separa uma transcrição utilizável de uma bagunça, e ela quase nada tem a ver com a ferramenta que você escolheu. Todo transcritor moderno usa, por baixo dos panos, uma tecnologia de reconhecimento de fala mais ou menos parecida. O que varia enormemente é o áudio que você fornece a ele.

Em áudio limpo, com um único falante, gravado com um microfone decente, espere algo em torno de 85 a 95 por cento de precisão. Os melhores motores chegam a 95 a 98 por cento em gravações com qualidade de estúdio. Mas em áudio do mundo real, os números despencam, muitas vezes caindo abaixo de 80 por cento. Essa taxa de erro de 20 por cento pode estar de bom tamanho para uma nota de voz pessoal e ser um desastre para qualquer coisa que você vá citar ou publicar.

Quatro coisas causam a maior parte do estrago:

Ruído de fundo

O maior assassino da precisão. O zumbido do ar-condicionado, o trânsito, uma cafeteria, o vento no microfone do celular. Assim que o ruído fica alto em relação à fala, o motor começa a adivinhar.

Distância e qualidade do microfone

Um microfone a seis ou doze polegadas do falante capta a voz por inteiro. O microfone de um notebook do outro lado da sala capta uma versão fina e com eco com que o motor tem dificuldade.

Sobreposição de fala e falantes simultâneos

Quando duas pessoas falam ao mesmo tempo, o modelo só consegue realmente acompanhar uma. Áudio com vários falantes é drasticamente mais difícil do que uma única voz.

Sotaques e jargão

Sotaques fortes, termos técnicos e nomes próprios são onde até boas ferramentas escorregam. Definir o idioma e o dialeto certos ajuda, mas conte com corrigir nomes à mão.

Repare que três desses quatro fatores são coisas que você controla antes mesmo de apertar o botão de gravar. O que nos leva à melhoria com melhor custo-benefício que você pode fazer.

A dica que vence qualquer software: Um microfone USB de 30 dólares vai melhorar a precisão da sua transcrição mais do que trocar por qualquer ferramenta de transcrição premium. O motor só consegue trabalhar com o áudio que recebe, e um sinal limpo de um microfone próximo e decente faz mais do que qualquer dose de esperteza de IA aplicada a uma gravação embolada de notebook.

Vice-campeã, de graça: aproxime o microfone e elimine o ruído. Chegue a menos de um pé de distância do falante, feche a janela, desligue o ventilador. Dez segundos de preparo poupam vinte minutos de correções.

Identificação de falantes, arquivos longos e o teto das ferramentas gratuitas

Duas limitações aparecem o tempo todo na transcrição gratuita, e vale a pena conhecer ambas antes de se comprometer com um fluxo de trabalho.

A primeira é a identificação de falantes, tecnicamente chamada de diarização, ou seja, descobrir quem disse o quê. É o primeiro recurso que os planos gratuitos costumam tirar. Muitos transcritores gratuitos entregam a você um paredão de texto sem interrupções, sem nenhuma indicação de quem são os falantes. Mesmo quando a diarização está incluída, ela roda em torno de 80 a 95 por cento de precisão e tropeça em falas sobrepostas e vozes de timbre parecido. Se você está transcrevendo uma entrevista com duas pessoas e precisa separar claramente "Entrevistador" e "Convidado", confirme que a ferramenta realmente faz isso no plano gratuito antes de depender dela.

A segunda é a duração. Os planos gratuitos adoram limitar a duração por arquivo. Uma gravação de três horas talvez precise ser dividida em partes, ou pode simplesmente exceder o que um plano gratuito permite em um mês. Não há vergonha nenhuma em dividir um arquivo longo, mas planeje isso.

São exatamente esses tetos que fazem das reuniões e das ligações de vendas um bicho totalmente diferente de um arquivo de áudio avulso. Se você transcreve conversas que tem com regularidade, um fluxo de envio posterior cansa rápido. É aqui que um assistente de reuniões com IA como o Laxis, feito sob medida, muda o formato do problema: ele entra na sua chamada do Zoom, do Google Meet ou do Teams, transcreve em tempo real, identifica cada falante conforme ele fala e lhe entrega um resumo com itens de ação e decisões quando a chamada termina. Você não fica com um paredão de texto para limpar. Você fica com anotações que dá para realmente usar, e que sincronizam direto com o HubSpot ou o Salesforce. Para um arquivo de áudio qualquer, um transcritor gratuito é o certo. Para as chamadas que você faz toda semana, a captura em tempo real com identificação de falantes embutida é outro nível de utilidade.

Conclusão

A virada interessante é que a transcrição deixou de ser a parte difícil. Os motores são bons o suficiente para que o gargalo tenha se deslocado para cima, para os dez segundos de reflexão antes de gravar. Aproxime o microfone, silencie a sala, indique o idioma, e qualquer ferramenta gratuita lhe entrega algo limpo. Pule tudo isso, e nenhum software premium salvará a gravação. Trate a captação com um pouco de cuidado e você raramente terá de pensar na transcrição.

Perguntas frequentes

Qual é a melhor forma gratuita de transcrever áudio em texto?

Para uma gravação que você já tem, enviá-la a um transcritor de IA gratuito como o Notta (120 minutos grátis por mês) ou o TurboScribe (três arquivos por dia, de até 30 minutos cada) costuma ser o caminho mais rápido e dá conta da maioria dos formatos de áudio. Se você já está no ecossistema do Google, o Google Docs Voice Typing é genuinamente gratuito, sem limite de minutos. Em um iPhone 12 ou mais recente com iOS 18 ou posterior, o app Voice Memos transcreve no próprio aparelho de graça, sem precisar enviar nada.

O recurso Transcribe do Microsoft Word é gratuito?

Não. A ferramenta Transcribe do Word exige uma assinatura paga do Microsoft 365 e conexão com a internet. Ela limita o áudio enviado a 300 minutos por mês, suporta arquivos .mp3, .wav, .m4a e .mp4, e cobre mais de 80 idiomas. É uma opção forte se você já paga pelo Microsoft 365, mas não está disponível nas versões gratuitas na web nem nas versões somente de desktop do Word.

Quão precisa é a transcrição de áudio gratuita?

Em áudio limpo, com um único falante, gravado com um microfone decente, espere aproximadamente 85 a 95 por cento de precisão, e os melhores motores podem chegar a 95 a 98 por cento em gravações com qualidade de estúdio. Em áudio bagunçado do mundo real, com ruído de fundo, sobreposição de fala ou sotaques fortes, a precisão muitas vezes cai abaixo de 80 por cento. A qualidade do áudio importa mais do que a ferramenta que você escolhe.

As ferramentas de transcrição gratuitas conseguem identificar quem disse o quê?

Às vezes, mas é o primeiro recurso a ficar atrás de um paywall. A identificação de falantes, chamada de diarização, roda em torno de 80 a 95 por cento de precisão e tem dificuldade com falas sobrepostas e vozes de timbre parecido. Muitos planos gratuitos devolvem um bloco de texto sem interrupções, sem nenhuma identificação de falantes, então, se saber quem disse o quê for importante, verifique se a ferramenta suporta diarização antes de depender dela.

Que formatos de áudio e durações de arquivo os transcritores gratuitos aceitam?

A maioria dos transcritores gratuitos aceita MP3, WAV, M4A e FLAC, com limites de tamanho de arquivo que costumam ficar em torno de 500 MB. Os limites de duração variam bastante: alguns planos gratuitos param em 15 minutos por arquivo, o TurboScribe permite 30 minutos por arquivo três vezes ao dia, e algumas ferramentas deixam você enviar arquivos de até 1 GB. Para uma gravação longa, verifique o limite por arquivo antes de começar, e não depois.