Etapa na nuvem
Envie uma gravação — uma reunião, uma entrevista, uma aula, um áudio do WhatsApp — e receba uma transcrição limpa, separada por participante, que você exporta em Word, PDF, texto simples, legendas ou planilha.
Ela foi feita para conversas reais, inclusive as que trocam de idioma no meio da frase, e separa o texto por participante — participantes deduzidos pela conversa, não identificados pela voz — em vez de devolver um bloco único.
Diferente das outras ferramentas deste site, a transcrição usa um servidor: este site não faz reconhecimento de fala no seu aparelho. A página pergunta antes de enviar qualquer coisa. A gravação vai em pedaços de quatro minutos, sem o nome do arquivo, pelo nosso servidor e pelo gateway de IA da Lovable até o modelo de reconhecimento de fala da OpenAI, e o texto vai para o Gemini, do Google, para ser organizado. Nosso servidor não guarda nem um nem outro; esses serviços seguem os próprios termos.
Não serve para: Precisão perfeita em gravações ruins — muito ruído de fundo e pessoas falando ao mesmo tempo ainda causam erros.
Nada é enviado até você concordar na janela que «Transcrever» abre, a não ser que você tenha desmarcado «Perguntar sempre». Aí o seu navegador decodifica a gravação, ou o som de um vídeo, mistura tudo num canal só a 16 kHz e corta em pedaços de quatro minutos, cada um enviado como um arquivo WAV chamado part-1.wav, part-2.wav e assim por diante: o som, sem o nome do seu arquivo.
Cada pedaço vai para a função do nosso servidor na Lovable Cloud, que o repassa pelo gateway de IA da Lovable ao modelo de fala gpt-4o-transcribe, da OpenAI, junto com o seu vocabulário personalizado, o idioma, se você escolheu um, e os últimos 1.200 caracteres já transcritos. O texto de todos os pedaços, com os nomes de participantes e o vocabulário que você digitou, faz o mesmo caminho até o modelo Gemini, do Google, para ser separado por participante e ganhar título, resumo e capítulos; e a transcrição pronta vai mais uma vez, para os pontos principais e as tarefas.
Nossas funções não gravam o áudio nem o texto em armazenamento. Elas registram o seu endereço IP em cada pedido, para o limite por hora, e o apagam quando ele passa de duas horas. O que a Lovable, a OpenAI e o Google guardam é definido pelos termos de cada um. «Salvar na biblioteca» guarda a transcrição neste navegador, ou na sua conta se você estiver conectado; «Link de compartilhamento» envia o arquivo exportado para o nosso armazenamento por 24 horas, como a página avisa ao lado do botão.
Nosso servidor aceita trinta pedaços por hora de um mesmo endereço IP, o que dá duas horas de áudio. Se um pedaço for recusado ou falhar, os pedaços já prontos ficam guardados, e «Repetir as gravações com falha» continua a partir do pedaço que falhou, sem recomeçar do zero.
Os participantes não são reconhecidos pela voz. O Gemini os deduz pelo texto — perguntas, respostas, cumprimentos e nomes ditos em voz alta — e usa como rótulos os nomes de participantes esperados que você digitar. Se essa etapa falhar, você recebe o texto mesmo assim, em blocos de quatro minutos marcados «Participante não identificado».
Deixe o idioma no automático para uma conversa que mistura idiomas, ou escolha o idioma falado para ajudar o modelo de fala numa gravação de um idioma só.
Os tempos só são conhecidos nas bordas de cada pedaço de quatro minutos; as falas dentro de um pedaço são espaçadas por igual e marcadas com ~. Os arquivos SRT, VTT e CSV levam essas estimativas, então servem como índice aproximado da gravação, e não como legendas que acompanham a fala.
Esta página em outros idiomas: English · العربية · Deutsch · Français · Español · Русский · 中文 · हिन्दी · Türkçe · עברית · فارسی · اردو · Bahasa Indonesia · বাংলা