Converter vídeo em texto
Transforme qualquer vídeo em texto preciso e com marcações de tempo em segundos — pronto para ler, pesquisar ou exportar como legenda.
0:26[Exemplo]Palestra de congresso, gravação de tela em 1080p
00:00:03A pergunta que todo mundo faz primeiro é: para onde o tempo vai de verdade?
00:00:11Nós medimos. Cerca de quarenta por cento vai para um trabalho que ninguém chega a ver.
00:00:19E é justamente essa parte que dá para automatizar antes de contratar mais alguém.
Por que tirar o texto de dentro do vídeo faz diferença
O vídeo é onde está a informação — e onde ela fica presa
Um workshop gravado, uma entrevista com cliente, uma reunião de estratégia de duas horas. As ideias mais valiosas do seu time acontecem cada vez mais diante de uma câmera e cada vez menos no papel.
Mas um arquivo de vídeo é opaco. Você não consegue pesquisar dentro dele, citar, passar o olho nem colar uma linha em um documento. Tudo o que foi dito fica trancado atrás da reprodução, e a reprodução roda em uma velocidade só: a real.
Três custos de deixar o vídeo sem transcrição
São custos fáceis de ignorar porque nenhum deles aparece como uma linha de despesa. Eles aparecem como trabalho que, silenciosamente, nunca é feito.
Tráfego de busca perdido
Buscadores indexam palavras, não formas de onda. Um vídeo de uma hora sem transcrição é uma hora de conteúdo especializado que ninguém consegue achar pesquisando.
Acessibilidade perdida
Quem é surdo ou tem perda auditiva, quem assiste sem som e quem está em um segundo idioma precisa de texto. Sem ele, essas pessoas simplesmente saem.
Reaproveitamento perdido
Uma única sessão gravada contém um artigo, uma newsletter e uma dúzia de cortes para redes sociais. Nada disso é feito se extrair as palavras for um trabalho manual.
A transcrição humana profissional começa em US$ 2,00 por minuto — são US$ 240 para digitar uma única gravação de duas horas. Nesse preço a decisão se toma sozinha, e a maioria das gravações nunca é transcrita. A transcrição com IA muda essa conta para alguns centavos por minuto, e é isso que torna realista transcrever tudo.
O que é um conversor de vídeo para texto?
Um conversor de vídeo para texto é uma ferramenta que extrai a trilha de áudio de um arquivo de vídeo e usa reconhecimento de fala para transformar as palavras faladas em texto escrito, normalmente com marcações de tempo que ligam cada linha ao momento exato do vídeo.
Como a transcrição de vídeo com IA funciona de verdade
Entre o arquivo que você solta e a transcrição que recebe acontecem três coisas. Conhecê-las explica boa parte do que determina a qualidade do resultado.
Etapa 1 — Extração do áudio
Um arquivo de vídeo é, na verdade, dois fluxos empacotados juntos: imagem e som. Aqui só o som importa, então a trilha de vídeo é descartada primeiro. É por isso que converter vídeo em texto custa o mesmo que converter áudio: os quadros são descartados antes de qualquer transcrição começar.
Etapa 2 — Reconhecimento de fala
O áudio passa por um modelo que associa som e palavras. Os modelos atuais lidam com sotaques, falas sobrepostas e mistura de idiomas muito melhor que os ditados de uma década atrás, embora um áudio de origem limpo continue ganhando sempre.
Etapa 3 — Pontuação, marcações de tempo e turnos de fala
A saída bruta do reconhecimento é uma sequência contínua de palavras. A última passada acrescenta os limites das frases, as maiúsculas e os códigos de tempo que fazem cada linha apontar para o momento em que foi dita.
Transcrição, legendas e legendas descritivas não são a mesma coisa
Esses três termos são usados como sinônimos e não deveriam ser. Qual deles você precisa é o que define o formato de exportação ideal.
Transcrição
O texto completo do que foi dito, formatado para ser lido como documento. Ideal para busca, citação, anotações e para virar conteúdo escrito.
Legendas
As mesmas palavras, cortadas em linhas curtas sincronizadas que aparecem na tela. Entregues em SRT ou VTT e partem do princípio de que quem assiste consegue ouvir.
Legendas descritivas
Legendas mais a informação não falada: risadas, música, uma porta batendo. Necessárias para acessibilidade de verdade em muitos contextos.
Como converter vídeo em texto em 3 etapas
Todo o fluxo roda no navegador. Não há nada para instalar e você não precisa extrair o áudio antes.
Etapa 1 — Envie seu arquivo de vídeo
Arraste o arquivo para o campo de envio ou escolha no disco. Ele vai direto para o armazenamento a partir do seu navegador, então uma gravação grande não esbarra em nenhum limite intermediário de tamanho, e você acompanha uma barra de progresso durante o envio.
Formatos suportados
MP4, MOV, AVI, MKV e WebM cobrem praticamente tudo que uma câmera, um celular ou um gravador de tela produz. Não é preciso converter o vídeo em texto em duas etapas exportando um MP3 antes: a trilha de áudio é extraída automaticamente.
Limites de tamanho e duração
Até 120 minutos por arquivo e até 2 GB por vídeo nos planos pagos. Para referência, 2 GB são aproximadamente meia hora de material em 1080p ou duas horas completas em 480p. Contas gratuitas aceitam arquivos de até 10 minutos.
Etapa 2 — Deixe a IA transcrever
O processamento começa assim que o envio termina. Um vídeo de dez minutos costuma voltar em menos de um minuto; gravações longas são divididas internamente e recompostas depois, então um arquivo de duas horas se comporta igual a um de dois minutos.
Escolher o idioma certo
O idioma falado é detectado automaticamente entre mais de 100 idiomas, então raramente você precisa configurar algo. Se a gravação muda de idioma no meio, cada trecho é transcrito no idioma em que foi realmente falado.
Como obter uma transcrição mais precisa
A qualidade do reconhecimento é decidida pela gravação, não pelo conversor de vídeo para texto. Quatro fatores explicam quase toda a diferença entre uma transcrição publicável e outra que precisa ser reescrita.
Grave a voz, não a sala
Um microfone de lapela ou headset perto de quem fala ganha de um microfone caro colocado do outro lado da mesa. É a distância que deixa entrar o eco da sala e o ruído de fundo, e depois nenhum modelo os separa tão bem quanto nunca tê-los captado.
Evite falas sobrepostas
Duas pessoas falando ao mesmo tempo é a causa mais comum de resultado embolado. Em uma entrevista ou mesa-redonda gravada, uma pausa curta antes de cada resposta não custa nada e melhora o resultado de forma perceptível.
Tire a música de fundo primeiro
Música por baixo do diálogo confunde o reconhecimento muito mais que um ruído constante como o ar-condicionado. Se seu material tem trilha sonora, tire antes de transcrever, não depois.
Conte com corrigir nomes e jargões
Nomes de produto, nomes de empresa e termos técnicos são onde até uma transcrição de 97% mostra as costuras. Uma passada de localizar e substituir no texto exportado resolve isso em menos de um minuto, e vale fazer antes de virar legenda.
Etapa 3 — Revise e exporte
A transcrição chega dividida em segmentos com marcação de tempo que você pode ler e corrigir. Todas as exportações saem do mesmo resultado, então dá para levar mais de um formato de uma única transcrição.
TXT para documentos
Texto simples, com ou sem códigos de tempo. É o que você quer para anotações, busca, citações ou para levar o conteúdo para um rascunho.
SRT e VTT para legendas
Arquivos de legenda sincronizados que entram direto no YouTube, Premiere, Final Cut ou qualquer player. Envie o SRT junto com o vídeo e as legendas aparecem sem edição adicional.
O que fazer depois de converter vídeo em texto
A transcrição quase nunca é o objetivo final. É a etapa que barateia outras quatro coisas, e é aí que aparece a maior parte do valor.
Transforme um vídeo em cinco peças
Quando as palavras existem como texto, a gravação deixa de ser uma entrega e passa a ser matéria-prima.
Um artigo a partir de um webinar
A transcrição de um webinar de 45 minutos é um rascunho de 3.000 palavras. Editar um ganha de escrever um artigo novo a partir da página em branco.
Notas do episódio
Tire as marcações de tempo, os links citados e as três melhores frases. Vinte minutos de trabalho em vez de ouvir tudo de novo.
Cortes para redes a partir de conteúdo longo
Passe o olho no texto procurando os momentos que valem corte e use os códigos de tempo para achá-los na edição na hora.
Legende seu vídeo para públicos internacionais
Exporte o SRT e seu vídeo passa a ser assistível sem som — que é justamente como boa parte do vídeo em redes sociais é consumida. Também torna o conteúdo localizável nas plataformas que indexam arquivos de legenda.
Duble seu vídeo em 16 idiomas
Legendas deixam a pessoa ler seu vídeo em outro idioma. A dublagem deixa ela ouvir, preservando as vozes de quem fala no original. Como tudo funciona com um único saldo de créditos, a transcrição que você acabou de pagar não precisa ser paga duas vezes.
Limpe antes o áudio com ruído
Se sua gravação tem trânsito, ar-condicionado ou música de fundo por baixo da fala, a precisão já sai prejudicada antes mesmo de a transcrição começar. Tirar o ruído antes costuma ser o maior ganho de qualidade disponível.
Preço para converter vídeo em texto — quanto custa de verdade
A transcrição é cobrada por minuto de mídia a partir de um único saldo de créditos. Não há cobrança por usuário, nem assinatura separada de transcrição, nem custo extra para exportar a mesma transcrição em mais de um formato.
Quanto custa um minuto de transcrição de vídeo
Cada minuto custa 500 créditos, independentemente da resolução ou do tamanho do arquivo — a cobrança é pela duração da gravação, não pelo peso dela. Uma gravação de tela em 4K e um clipe de celular com a mesma duração custam exatamente o mesmo.
| Plano | Preço | Créditos | Transcrição de vídeo | Por minuto |
|---|---|---|---|---|
| Grátis | US$ 0 | 5.000 únicos | ~10 minutos | Grátis |
| Basic | US$ 9,99/mês | 50.000 | ~1,6 hora | US$ 0,100 |
| Standard | US$ 19,90/mês | 100.000 | ~3,3 horas | US$ 0,100 |
| Professional | US$ 49,90/mês | 350.000 | ~11,6 horas | US$ 0,071 |
| Premium | US$ 99,00/mês | 800.000 | ~26,6 horas | US$ 0,062 |
| Max | US$ 199,00/mês | 2.000.000 | ~66,6 horas | US$ 0,050 |
A transcrição custa 500 créditos por minuto em todos os planos; o preço efetivo cai porque os planos maiores incluem proporcionalmente mais créditos. A cobrança anual dá mais 20% de desconto.
Os mesmos créditos valem para todas as ferramentas
Os créditos não são reservados por recurso. O mesmo saldo que paga uma transcrição também paga dublar aquele vídeo para outro idioma, narrar um roteiro, limpar um áudio com ruído ou gerar um episódio de podcast. Um mês pesado em transcrição e leve em dublagem custa exatamente o mesmo que o contrário — nada expira sem uso dentro de uma cota que você não consegue alcançar.
| O que você pode fazer | Tarifa | O que 50.000 créditos rendem |
|---|---|---|
| Transcrição de vídeo e áudio | 500 créditos / min | cerca de 1,6 hora de material |
| Dublagem com IA em 16 idiomas | 12.000 créditos / min | cerca de 4 minutos de vídeo dublado |
| Isolamento e limpeza de voz | por tarefa | use antes para aumentar a precisão |
| Narração com texto para voz | por caractere | transforme o texto editado de volta em áudio |
Comece com 10 minutos grátis
Contas novas incluem 5.000 créditos, cerca de dez minutos de transcrição — o suficiente para rodar um arquivo real e julgar o resultado com o seu próprio material, e não com um clipe de demonstração. Não é preciso cartão de crédito, e esses mesmos créditos funcionam em todas as outras ferramentas do site.
Conversor de vídeo para texto x transcrição manual
Digitar uma gravação na mão continua sendo uma opção e, para um conjunto restrito de casos, continua sendo a certa. Vale ser específico sobre quais.
Transcrição com IA
Minutos de espera, entre US$ 0,05 e US$ 0,10 por minuto e precisão acima de 95% em áudio limpo com um único falante. Escala para uma fila de cem gravações sem planejamento extra.
Transcrição humana
De horas a dias de espera, cerca de US$ 2,00 por minuto e precisão quase perfeita mesmo em áudio difícil. É cobrada por arquivo, então uma fila de trabalho custa proporcionalmente mais.
Velocidade
Uma pessoa treinada leva cerca de quatro horas por hora de áudio. O mesmo arquivo volta de um conversor de vídeo para texto em minutos, e é essa a diferença entre transcrever uma gravação e concluir que não vale o esforço.
Custo
A US$ 2,00 por minuto contra US$ 0,05–0,10, a transcrição humana custa de vinte a quarenta vezes mais. Em uma entrevista isolada essa diferença cabe no orçamento. Em uma temporada inteira de episódios ela decide se o trabalho acontece.
Quando a transcrição humana ainda ganha
As exigências de precisão não são iguais em todos os casos, e fingir o contrário não ajuda ninguém. Há material que realmente precisa de uma pessoa.
Atas judiciais, ditado médico, sotaques regionais fortes e gravações em que várias pessoas falam por cima umas das outras são casos em que um transcritor humano ainda supera qualquer modelo. Um meio-termo prático: rode a IA primeiro e peça a alguém para corrigir o resultado. Editar um rascunho de 95% é muito mais rápido que digitar do zero.
Perguntas frequentes
Ferramentas relacionadas
Tudo abaixo funciona com o mesmo saldo de créditos das suas transcrições.
Converta seu primeiro vídeo em texto de graça
Toda conta nova inclui cerca de dez minutos de transcrição — o suficiente para rodar uma gravação real e ver o resultado com o seu próprio material.
Transcrever um vídeo