Suas gravações ficam no seu computador

Não existe etapa de envio. O arquivo é lido e transcrito dentro da aba do navegador, e o texto vai direto para o editor. Entrevistas, anotações de consulta e ligações com clientes não saem do dispositivo.

O que você grava com o botão Gravar fica só na memória e some quando a aba é fechada. O texto da transcrição é guardado no navegador, então recarregar a página não o apaga.

Corrija o texto enquanto ouve

Cada linha começa com uma pequena marca de tempo. Clique e o áudio original toca a partir daquela frase, então conferir um nome ou um número leva um clique. Enquanto o áudio toca, a linha falada fica marcada no editor.

Edite o texto como qualquer documento. Os tempos continuam presos às suas linhas, e os arquivos SRT e VTT baixados depois levam suas correções com a sincronia original.

Rápido ou Preciso

Rápido é o padrão. Para inglês ele usa um mecanismo feito só para inglês, que trabalha com a duração real de cada pedaço em vez de completar cada um até 30 segundos, por isso gravações curtas voltam logo. Os outros idiomas usam um mecanismo multilíngue compacto.

Preciso usa um mecanismo multilíngue maior e um download inicial maior. Nos nossos testes num notebook, só com o processador, uma gravação em inglês de 22 segundos levou cerca de 1 segundo no Rápido e 13 segundos no Preciso, e os dois acertaram os nomes, as datas e o valor em dólares. Quando um nome ou um sotaque sai errado várias vezes no Rápido, tente o Preciso antes de corrigir à mão.

Silêncio não vira palavras

Mecanismos de voz costumam inventar texto onde ninguém fala. Nos nossos testes, um trecho de 32 segundos de vento e trânsito virou "Thank you.". Por isso silêncios longos nunca são enviados ao mecanismo, e frases curtas como "Thank you" ou "Thanks for watching" só são removidas quando o áudio por baixo não parece fala. Um "obrigado" real no fim de uma palestra fica.

O que dá para baixar

TXT traz parágrafos simples: as frases são juntadas e um novo parágrafo começa em pausas de 1,5 segundo ou mais. SRT e VTT são legendas com no máximo duas linhas de 42 caracteres, prontas para YouTube, Premiere, DaVinci Resolve ou CapCut. Word (DOCX) abre no Word, no Pages e no Google Docs.

Para ouvir o texto em voz alta, use Ler em voz alta no menu de download. Ele abre o TextToSpeech.tools com a transcrição já preenchida.

Limites

Um arquivo pode ter até 3 horas. Em mono a 16 kHz, uma hora de áudio ocupa cerca de 115 MB de memória, então arquivos muito longos no celular podem ficar sem memória antes do fim. Se isso acontecer, divida o arquivo e transcreva em partes.

Arquivos de vídeo funcionam quando o navegador consegue decodificar a faixa de som. Os mais comuns são MP4 com áudio AAC, MOV, e WebM ou MKV com Opus. Um arquivo sem faixa de som recebe uma mensagem clara em vez de uma transcrição vazia.