Para transcrever áudio em texto, envie o arquivo (MP3, M4A, WAV ou o OGG de um áudio do WhatsApp) ou cole um link. O português é detectado sozinho e o texto fica pronto em cerca de 2 minutos por hora de áudio. Toda gravação começa com uma prévia grátis dos minutos iniciais; a transcrição completa sai a partir de US$ 4 por 300 minutos, e os créditos nunca expiram.
A caixa de envio já está em português; as páginas da conta e do pagamento ainda estão em inglês. A transcrição sai no idioma da gravação.
Em português: Áudio · Vídeo · MP3 · YouTube · Legendas SRT · Preços
Passo a passo
O resultado
Você recebe texto corrido em português, com pontuação e parágrafos, e cada palavra marcada no tempo do áudio. Na tela, clicar numa linha toca exatamente aquele momento, o que torna a revisão bem mais rápida do que ficar voltando o player.
Junto com o texto vem um resumo:
Os participantes são identificados e nomeados no resumo, nas citações e nos capítulos. A transcrição em si é texto contínuo: não há rótulo de quem fala em cada linha, nem nos downloads. Se precisar do texto em outra língua, a transcrição liberada pode ser traduzida para 99 idiomas mantendo as marcações de tempo, sem custo além dos minutos já usados (tradução automática, não juramentada).
Do celular ao TCC
Áudios do WhatsApp. O próprio WhatsApp pode mostrar a transcrição de uma mensagem de voz no celular. Quando você precisa do texto fora do app, de um áudio longo ou de vários de uma vez, segure o áudio na conversa, toque em compartilhar e salve o arquivo: ele sai como .opus ou .ogg e entra aqui direto, sem converter.
Entrevistas de pesquisa e TCC. Uma entrevista de uma hora vira texto revisável com marcação de tempo, pronto para colar no Word (DOCX) e citar trechos com o minuto exato.
Aulas e palestras. Grave pelo celular e envie depois; o resumo com capítulos ajuda a achar o assunto de cada parte.
Gravador de voz do iPhone ou do Android. Arquivos M4A, MP3 ou WAV entram como estão. Arquivos de até 10 horas ou 5 GB.
Para gravações em MP3, veja também converter MP3 em texto; para gravações em vídeo, transcrever vídeo em texto.
Em português
Sotaques do Brasil. Fala clara de qualquer região, do carioca ao nordestino, do mineiro ao gaúcho, costuma sair bem. O que derruba a qualidade não é o sotaque, é gravação longe do microfone, eco e duas pessoas falando ao mesmo tempo.
Português de Portugal. O idioma é detectado sozinho e a ortografia segue o que foi dito, mas a fala europeia rápida, com vogais engolidas, costuma dar mais trabalho que a brasileira pausada. Revise com mais atenção.
Gírias e oralidade. “Tipo”, “né”, “mano”, “bué” e expressões regionais podem sair com grafia diferente ou ser limpas da frase. Se a fala exata importa, como em pesquisa qualitativa, confira os trechos marcados.
Números, datas e valores. Podem aparecer como algarismos ou por extenso; confira valores em reais, CPF, telefones e datas antes de usar.
Palavras em inglês. Termos como feedback, deadline, call e nomes de marcas costumam ficar na grafia original, mas nomes próprios pouco conhecidos merecem uma revisão.
Áudio de WhatsApp. Barulho de rua, música ao fundo e áudio cortado no começo pioram o resultado. Conversa que mistura português e inglês: mantenha num arquivo só e revise os trechos na segunda língua (mais sobre áudio bilíngue). Nossa medição em fala lida está em /benchmark.
Sem mensalidade
Aqui não existe mensalidade nem teste grátis que vira cobrança recorrente. Você compra um pacote de minutos uma vez: US$ 4 por 300 minutos, US$ 18 por 3.000 ou US$ 32 por 6.000. Os créditos nunca expiram e não há taxa por usuário.
Na prática: uma gravação de uma hora usa 60 minutos do pacote. O pacote de US$ 4 cobre 5 h de áudio, o que dá US$ 0,80 por hora de áudio; nos pacotes maiores, a hora sai por US$ 0,36 ou US$ 0,32.
Quem transcreve todo dia ou trabalha em equipe pode preferir o Workspace, a US$ 19 por mês, ilimitado com limite de uso justo de 300 horas por período. Os preços são em dólares; o checkout mostra o total antes de você pagar. Detalhes em preço da transcrição de áudio.
Medido, não prometido
No conjunto de teste público FLEURS, de fala lida, nosso motor de produção ficou com taxa de erro de palavras (WER) mediana de 4,5% em português: 5 arquivos, 26,3 minutos de áudio, velocidade de 30,6 o tempo real, medição de 25/09/2026. Gravação de verdade, com ruído, gente falando junto, nomes próprios e jargão, erra mais do que isso; use o número como referência, não como promessa. Método e todos os idiomas.
Quanto custa
Toda gravação começa com uma prévia grátis dos minutos iniciais. Para o resto, você compra um pacote de minutos uma única vez: uma gravação de uma hora usa 60 minutos do pacote.
| Opção | Preço | Áudio | Indicado para |
|---|---|---|---|
| Pacote US$ 4 | 300 min | 5 h | Gravações avulsas; os créditos nunca expiram |
| Pacote US$ 18 | 3.000 min | 50 h | Gravações avulsas; os créditos nunca expiram |
| Pacote US$ 32 | 6.000 min | 100 h | Gravações avulsas; os créditos nunca expiram |
| Workspace | US$ 19 por mês | Ilimitado, com limite de uso justo de 300 h | Gravações todos os dias ou uma equipe inteira |
Preços em dólares americanos, cobrados em dólares. Seu banco ou cartão converte para reais ou euros e pode cobrar IOF ou tarifa de câmbio; o checkout mostra o total antes de você pagar. Pacotes são pagamento único: sem assinatura, sem renovação automática, sem taxa por usuário. Todos os preços.
Perguntas frequentes
Toda gravação começa com uma prévia grátis dos minutos iniciais, então você vê a qualidade antes de pagar. A transcrição completa e os downloads não são grátis: pedem um pacote a partir de US$ 4 por 300 minutos, pagamento único, com créditos que nunca expiram.
Na conversa, segure o áudio, toque em compartilhar e salve o arquivo no celular ou no computador. Depois envie esse arquivo (.opus ou .ogg) para a caixa da página. Não precisa converter: o formato é aceito como está e o português é detectado sozinho.
Cerca de 2 minutos por hora de áudio. Uma mensagem de voz curta fica pronta quase na hora; uma entrevista longa leva poucos minutos. Você pode deixar a página aberta e acompanhar.
Os participantes são identificados e nomeados no resumo, nas citações importantes e nos capítulos. A transcrição em si é texto contínuo, sem o nome de quem fala em cada linha, e os arquivos baixados também não trazem esses rótulos.
Sim. O idioma é detectado automaticamente e a transcrição segue o que foi dito. A fala europeia muito rápida costuma exigir uma revisão mais cuidadosa que a brasileira pausada; clicar numa linha toca o trecho para conferir.
Sim. Os áudios são transcritos nos nossos próprios servidores, nunca são enviados a um serviço de IA de terceiros e nunca são usados para treinar nenhum modelo. Você pode apagar a gravação e a transcrição quando quiser.
Sim. Depois de liberar a transcrição, você baixa em DOCX para abrir no Word ou no Google Docs, ou em TXT, SRT, VTT e JSON.
Também em português
A prévia é grátis; se o texto servir, um pacote único transcreve o resto.