Transcrever Audio e Video para Texto com Whisper Local

Transcricao local com Whisper, sem upload

Esta ferramenta usa um modelo Whisper multilingue rodando inteiramente no seu navegador, atraves de WebGPU quando disponivel (com fallback automatico para processamento por CPU). O arquivo de audio ou video nunca e enviado para o nosso servidor: a extracao de audio, a normalizacao e a inferencia acontecem localmente no seu dispositivo.

Apenas os arquivos do modelo de IA (pesos do Whisper) sao baixados do Hugging Face na primeira vez que voce usa a ferramenta. Depois disso, o navegador guarda esses arquivos em cache e as proximas transcricoes nao exigem um novo download.

Audio ou video, com extracao automatica da faixa de audio

Voce pode enviar arquivos de audio (MP3, WAV, M4A, AAC, OGG, OPUS, FLAC) ou de video (MP4, MOV, WEBM, MKV e outros). Quando o arquivo e um video, apenas a faixa de audio e extraida e processada; os frames de video nao sao usados na transcricao.

A ferramenta tenta primeiro decodificar o audio usando APIs nativas do navegador. Se o formato ou codec nao for suportado diretamente, ela recorre a um conversor local (FFmpeg compilado para WebAssembly) para extrair o audio antes de transcrever, sem depender de upload.

• Selecionar o nivel de qualidade (Rapido, Equilibrado ou Alta qualidade).
• Escolher o idioma manualmente ou deixar o Whisper detectar automaticamente.
• Transcrever no idioma original ou traduzir para ingles.
• Acompanhar progresso real de download do modelo e de transcricao por trecho.
• Cancelar a qualquer momento sem travar a pagina.

Timestamps, player sincronizado e exportacao

O resultado inclui timestamps por trecho, exibidos tanto no texto continuo quanto na lista de segmentos. Clique em qualquer timestamp para mover o player de audio/video exatamente para aquele ponto.

Voce pode copiar o texto puro, copiar com timestamps, ou exportar em TXT, TXT com timestamps, SRT (legenda), WebVTT ou JSON estruturado com os segmentos, idioma e duracao.

Desempenho, limites e privacidade

Em dispositivos com suporte a WebGPU, a transcricao roda acelerada por GPU. Sem WebGPU, a ferramenta usa processamento por CPU (WebAssembly), que funciona em praticamente qualquer navegador mas e mais lento, especialmente em celulares.

Arquivos muito longos exigem mais memoria do navegador; ha um limite pratico de duracao para evitar que a aba trave. Nenhum audio, video ou texto transcrito e salvo em nossos servidores ou enviado para analytics.