O que é uma transcrição? Tipos, formatos e exemplos

Alguém pede que você mande a transcrição e você diz claro, porque obviamente sabe o que é isso. Aí o arquivo chega e tem marcação de tempo a cada poucos segundos, nomes em letras maiúsculas e uma linha que diz apenas [vozes sobrepostas]. De repente, deixa de ser tão óbvio.

Primeiro, uma bifurcação. Em inglês, transcript também significa o registro oficial das disciplinas que você cursou e das notas que tirou na escola — o documento que a secretaria acadêmica emite. Se é isso que você precisa, o lugar certo é o setor de registros da sua instituição. Este guia trata do outro sentido: o registro escrito de algo falado em voz alta, produzido a partir de uma gravação.

Uma transcrição é um documento, não uma atividade

Uma transcrição é um documento de texto que capta o que foi dito em uma gravação, na ordem em que foi dito, atribuído a quem disse. Essa é a definição inteira. Todo o resto — marcações de tempo, notas entre colchetes, o bloco de cabeçalho, a extensão do arquivo — é convenção sobreposta para tornar o documento utilizável.

A palavra é usada de forma frouxa tanto para o trabalho quanto para o resultado, e é daí que vem a confusão. Produzir o documento — o custo, a velocidade, a questão máquina ou humano — é assunto à parte, e cobrimos o processo de transcrição em si em um guia complementar. Esta página é sobre o artefato.

Duas propriedades separam uma transcrição de anotações. Ela é linear: acompanha a gravação do início ao fim em vez de pular para as partes interessantes. E é completa dentro do estilo que declara. Um resumo escolhe o que fica; uma transcrição não tem esse direito. Pule os cinco minutos chatos em que ninguém achava o slide certo e o que você tem são anotações — chamá-las de transcrição vai acabar causando discussão.

Os quatro estilos de transcrição e o que cada um descarta

Toda transcrição decide quanto da bagunça da fala real será mantido. Quatro estilos ficam nesse espectro, e escolher o errado é a forma mais comum de um pedido de transcrição dar errado.

Verbatim completo (também chamado de transcrição literal)

Tudo. Cada "hã", cada gagueira e cada frase abandonada, além de sons não verbais como risos, pausas longas e ruído de fundo, todos marcados. O verbatim completo capta não só o que foi dito, mas como foi dito. É lento de produzir e desagradável de ler, o que é exatamente o ponto em que ele é exigido: processos judiciais, oitivas policiais e pesquisas em que a hesitação é o próprio dado.

Verbatim limpo

As palavras como foram ditas, menos o ruído. O verbatim limpo tira palavras de preenchimento, vícios de linguagem e gagueiras, mas não parafraseia — as frases continuam sendo de quem falou. A maioria das casas mantém frases abandonadas e autocorreções que têm significado, já que sinalizam incerteza real, e corta o "sabe como é" reflexo que aparece quarenta vezes por hora. É o padrão para reuniões, sessões de congresso, grupos focais e gravação de aulas.

Verbatim inteligente

Um passo a mais rumo à legibilidade. Além de remover as hesitações, quem transcreve conserta levemente a gramática, junta repetições e descarta apartes sem significado ("desculpa, meu cachorro está enlouquecendo"). A voz de quem fala continua intacta; a aspereza, não. Pesquisadores costumam preferir esse estilo para entrevistas que vão citar. Para complicar, alguns fornecedores usam "verbatim inteligente" e "verbatim limpo" como sinônimos.

Transcrição editada

A versão mais trabalhada. Um editor reordena orações, aperta frases, corrige a gramática e molda o texto para um leitor que nunca esteve na sala. Entrevistas publicadas, textos de discurso e notas de episódio de podcast vivem aqui. O custo é real: uma transcrição editada é a mais agradável de ler e a menos defensável como registro.

Dica: defina o estilo antes de alguém começar a trabalhar. Esses termos não são padronizados — o "verbatim limpo" de um fornecedor é o "verbatim inteligente" de outro. Não confie no rótulo. Mande, em vez disso, uma especificação de duas linhas: "manter frases abandonadas, remover palavras de preenchimento, marcar o tempo dos trechos inaudíveis". Essa frase evita o retrabalho mais caro que existe, que é refazer quarenta horas de áudio porque as hesitações deveriam ter ficado.

Como uma transcrição realmente é

Descrições só levam até certo ponto. Aqui está uma transcrição em verbatim limpo de uma reunião de trabalho curta, formatada do jeito que a maioria das profissionais é.

Transcrição de exemplo — verbatim limpo

TRANSCRIÇÃO — Revisão de preços T3 Gravado em: 5 de agosto de 2026 | Duração: 00:42:11 | Falantes: 3 Estilo: verbatim limpo

[00:00:04] MAYA CHEN: Certo, estamos gravando. Dan, você tinha os números de margem revisados?

[00:00:09] DAN OKAFOR: Tenho. Enterprise está em sessenta e um por cento de margem bruta, quatro pontos acima do T2. Feio mesmo é no mid-market.

[00:00:21] MAYA CHEN: Feio como?

[00:00:23] DAN OKAFOR: Carga de suporte. Mesmo preço, mais ou menos o triplo de tickets. Acho que é [inaudível 00:00:27] o onboarding.

[00:00:31] PRIYA RAO: Faz sentido. Lançamos o onboarding self-service em junho e a adoção está abaixo de trinta por cento.

[00:00:38] MAYA CHEN: Então o que precisa mudar não é — [vozes sobrepostas] —

[00:00:39] DAN OKAFOR: — o que precisa mudar é o onboarding, não o preço.

[00:00:44] MAYA CHEN: Então fica como ação. Priya, você consegue puxar a adoção por coorte antes de quinta?

[00:00:51] PRIYA RAO: Consigo. Quarta.

[00:00:53] [Gravação pausada]

Quatro convenções quase universais estão operando ali:

• Um bloco de cabeçalho. Título, data, duração, número de falantes, estilo. É isso que transforma uma parede de texto em um documento citável seis meses depois.
• Rótulos de falante. Nomes completos em maiúsculas, ou rótulos de papel como ENTREVISTADOR e ENTREVISTADO quando o anonimato importa. Seja consistente — meia transcrição rotulada "DAN" e metade "D. OKAFOR" quebra qualquer busca feita nela.
• Marcações de tempo. A cada troca de falante, como acima, ou em intervalos fixos de 30 segundos a dois minutos. Mais granular vira ruído; menos torna os momentos difíceis de achar.
• Colchetes para tudo o que não é fala. [inaudível], [vozes sobrepostas], [risos], [gravação pausada]. Transcrições sérias colocam marcação de tempo na etiqueta de inaudível para que alguém possa ir ouvir e preencher a lacuna.

Acertar as quatro à mão é tedioso, e é por isso que hoje a maior parte disso é gerada. Ferramentas de reunião produzem o cabeçalho, os rótulos e as marcações de tempo automaticamente — o Laxis, por exemplo, transcreve chamadas de Zoom, Google Meet e Microsoft Teams em um documento rotulado e com marcação de tempo, e extrai os itens de ação junto, de modo que a tarefa que a Priya acabou de assumir não depende de alguém lembrar de anotá-la. Venha de onde vier a sua, as convenções acima são o padrão pelo qual ela é medida; nosso passo a passo sobre como transcrever áudio para texto cobre a mecânica.

Transcrição, closed caption, legenda e ata: quatro documentos diferentes

Esses quatro são usados como sinônimos o tempo todo e não são intercambiáveis. Tudo se resume a duas perguntas: o texto está sincronizado com uma linha do tempo, e ele é completo ou seletivo?

Uma transcrição é completa e autônoma — dá para ler com o vídeo fechado. Um closed caption é completo mas sincronizado no tempo, picado em blocos que aparecem enquanto o áudio corre, e carrega informação não verbal porque é feito para quem não ouve. Uma legenda é sincronizada no tempo mas seletiva, só diálogo, porque parte do princípio de que você ouve a trilha e apenas não fala o idioma. Uma ata não é nem uma coisa nem outra: é um resumo estruturado de decisões, responsáveis e prazos.

Esses documentos fluem em um sentido só. Você pode picar e cronometrar uma transcrição para virar caption, ou resumi-la em uma ata. Não dá para voltar de forma confiável: os captions foram cortados em quebras de linha arbitrárias e perderam a estrutura de parágrafos, e a ata jogou fora 95% das palavras de propósito. Guarde a transcrição.

Closed caption contra legenda, já que todo mundo erra nisso

Pergunte a dez pessoas o que são legendas e nove vão descrever closed captions. A diferença não é cosmética e, em contextos regulados, ela separa o que está em conformidade do que não está.

Legendas partem do princípio de que você ouve. Elas resolvem um problema de idioma, então carregam diálogo e nada mais. Uma porta batendo fora de quadro não precisa de legenda — você ouviu.

Closed captions partem do princípio de que você não ouve. Eles resolvem um problema de acessibilidade, então carregam tudo o que a trilha carrega: quem está falando, o que foi dito e o áudio não verbal que afeta o sentido — [música sombria cresce], [vidro se quebra], [suspira]. É por isso que os captions parecem mais poluídos.

Dois termos completam o conjunto. SDH — legendas para surdos e pessoas com perda auditiva — é o híbrido: apresentação em estilo de legenda carregando conteúdo em estilo de caption, que é o que as plataformas de streaming normalmente entregam. E "closed" significa apenas ativável; open captions são queimados no vídeo e não podem ser desligados, e por isso dominam os feeds que tocam sozinhos e sem som. Os formatos diferem até mecanicamente: closed captions de broadcast tradicionalmente têm limite perto de 32 caracteres por linha, enquanto arquivos SDH permitem até 42, e é por isso que a mesma fala quebra de jeitos diferentes em dois players mostrando o mesmo filme.

Dica: verifique qual dos dois a sua política de acessibilidade realmente exige. Times publicam legendas traduzidas, marcam a caixinha de acessibilidade e depois descobrem que nunca cumpriram o requisito. Acesso para pessoas surdas e com perda auditiva precisa de captions ou SDH — texto que identifique falantes e descreva sons com significado. Um público internacional precisa de legendas traduzidas. A maioria das videotecas precisa dos dois, como arquivos separados e com custos separados.

Os formatos de arquivo em que uma transcrição chega

A extensão diz para que a transcrição foi construída, e são uns seis com que você vai se deparar.

.txt é o menor denominador comum: sem formatação, sem metadados, abre em qualquer lugar, entra limpo em scripts e buscas. .docx serve para quando uma pessoa vai ler, comentar ou tarjar — ele guarda estilos, recuos deslocados, controle de alterações. .pdf é a versão que é assinada, certificada ou arquivada, com o layout congelado. .json é o mais rico: marcações de tempo por palavra, escores de confiança por palavra, IDs de falante como campos estruturados. Se você vai construir busca ou análise em cima das suas transcrições, peça JSON.

Depois vêm os dois formatos de caption que as pessoas tratam erradamente como formatos de transcrição. .srt (SubRip) é o formato universal de upload — blocos numerados com hora de início e fim, aceitos por quase todo editor, player e plataforma, separador de milissegundos com vírgula: 00:00:01,500. .vtt (WebVTT) é nativo da web, feito para o elemento <track> do HTML5. Ele exige uma linha WEBVTT no topo, usa ponto em vez de vírgula (00:00:01.500), torna a numeração de blocos opcional e carrega coisas que o SRT não consegue: estilo CSS, posicionamento na tela, marcadores de capítulo, trilhas de metadados e um tratamento melhor de idiomas da direita para a esquerda, como árabe e hebraico.

Nenhum dos dois é um bom lugar para guardar uma transcrição. Ambos descartam a estrutura de parágrafos por definição, e reconstruir prosa legível a partir de blocos cronometrados é um trabalho genuinamente chato. Guarde um mestre em texto ou JSON; exporte SRT ou VTT quando um vídeo precisar.

Quem realmente vive dentro das transcrições

Transcrições parecem um artefato de nicho até você contar as profissões construídas sobre elas.

• Jurídico. Os usuários mais rigorosos de longe — depoimentos e julgamentos exigem registros em verbatim completo, em geral com linhas numeradas para que um advogado possa citar "página 43, linha 12". Uma transcrição certificada traz uma declaração assinada de exatidão e funciona como prova.
• Saúde. Profissionais clínicos ditam evoluções, descrições cirúrgicas e sumários de alta que entram no prontuário. Os padrões de exatidão não perdoam, o vocabulário é denso e as regras de retenção se contam em anos.
• Pesquisa. O trabalho qualitativo roda sobre entrevistas e grupos focais transcritos. Pesquisadores codificam transcrições linha a linha em busca de temas, então a escolha do estilo — se as hesitações sobrevivem — molda os achados.
• Mídia. Jornalistas transcrevem entrevistas para citar com precisão e depois defender a citação. Quem faz podcast publica transcrições porque essa é a única forma de conteúdo falado virar pesquisável — e foi assim que a transcrição virou, discretamente, um ativo de SEO.
• Negócios. A categoria maior e mais bagunçada: ligações de vendas, reuniões de conselho, all-hands, gravações de compliance. Ninguém lê essas coisas do começo ao fim; elas existem para serem buscadas, citadas e garimpadas em busca de decisões. É por isso que uma transcrição do Laxis, por exemplo, sincroniza o resumo e os próximos passos para o HubSpot ou o Salesforce — para que as notas da chamada caiam onde o negócio vive, e não em um documento que ninguém abre.

E então todo o resto: memos de voz, aulas, entrevistas de história familiar, vídeos do YouTube que você preferiria ler a assistir. É aqui que a transcrição encosta no ditado, embora sejam atos diferentes — ditar é compor texto falando de propósito, e se é isso que você quer, nossa seleção dos melhores apps de ditado com IA é um começo melhor.

Tenha uma transcrição limpa e com falantes identificados de cada reunião

O Laxis grava, transcreve e resume Zoom, Google Meet e Microsoft Teams em mais de 100 idiomas — com rótulos de falante, marcações de tempo e itens de ação incluídos. O plano gratuito cobre 300 minutos de transcrição por mês.

Experimente o Laxis grátis

Conclusão

Transcrições envelhecem na direção oposta de todo o resto que você produz. Um resumo é útil na semana em que você o escreve e não vale nada um ano depois, porque ele preservou o que importava para quem o escreveu naquela terça. Uma transcrição é quase inútil na semana em que você a faz — ninguém lê 9.000 palavras de uma reunião de que participou — e fica mais valiosa a cada mês seguinte, porque guardou aquilo que ninguém sabia que ia importar. É justamente por isso que os detalhes chatos de formatação merecem atenção. Nada disso é para você. É para quem tiver que achar uma frase ali dentro daqui a dezoito meses.

Perguntas Frequentes

O que é uma transcrição?

Uma transcrição é um documento de texto que registra o que foi dito em uma gravação de áudio ou vídeo, na ordem em que foi dito. Ela identifica cada falante e normalmente traz marcações de tempo, de modo que qualquer linha remete a um momento do arquivo de origem.

Como é uma transcrição?

Uma transcrição abre com um cabeçalho curto informando título, data, duração e participantes, e depois corre como uma sequência de turnos de fala. Cada turno começa com uma marcação de tempo e um rótulo de falante em maiúsculas. Tudo o que não fica claro aparece entre colchetes, como [inaudível] ou [vozes sobrepostas].

Quais são os principais tipos de transcrição?

Quatro estilos são comuns. O verbatim completo mantém cada som, inclusive gagueiras e palavras de preenchimento. O verbatim limpo mantém as palavras mas tira preenchimentos e vícios de linguagem. O verbatim inteligente ainda arruma a gramática e corta repetições. Uma transcrição editada é reescrita para publicação. Fornecedores rotulam isso de forma inconsistente, então confirme o que o seu quer dizer.

Qual é a diferença entre uma transcrição e legendas?

Uma transcrição é um documento autônomo que você lê por conta própria, sem vídeo nenhum. Legendas são linhas curtas de diálogo cortadas em blocos cronometrados e exibidas sobre um vídeo, em geral traduzidas para espectadores que ouvem o áudio mas não falam o idioma.

Uma transcrição é a mesma coisa que uma ata de reunião?

Não. Uma transcrição registra tudo o que foi dito, palavra por palavra, em sequência. Uma ata é um resumo curto e estruturado do que foi decidido: presentes, decisões, responsáveis e prazos. Uma hora de reunião pode render uma transcrição de 9.000 palavras e uma ata de uma página, e ambas estarem corretas.

Em que formato de arquivo uma transcrição deve estar?

Use .docx ou .pdf quando uma pessoa for ler, marcar ou arquivar o documento. Use .txt ou .json quando um software for processá-lo. Use .srt ou .vtt só quando o texto precisar sincronizar com vídeo como caption. Guarde um mestre em texto puro e exporte o resto.

A palavra transcript também significa histórico escolar?

Sim. Na educação, um academic transcript é o registro oficial das disciplinas que um estudante cursou e das notas que obteve, emitido pela secretaria de uma escola ou universidade. Ele compartilha a palavra em inglês com o sentido de áudio, e nada mais. Solicite o seu na secretaria.