Legendas automáticas
Escolha um vídeo (ou um áudio) e toque em Gerar: um modelo de IA de reconhecimento de fala escuta no seu aparelho e escreve cada frase com tempo de início e fim. Baixe o resultado como arquivo SRT, o formato que YouTube, Premiere, DaVinci Resolve, CapCut e VLC aceitam, ou como WebVTT para players web.
O idioma é detectado sozinho, ou você pode escolher. Cada legenda acompanha as pausas naturais da fala.
Antes de publicar
Leia as legendas uma vez: nomes, termos técnicos e trechos com ruído são onde o reconhecimento de fala erra. Um arquivo SRT é texto simples, então qualquer editor de texto corrige uma palavra; editores de vídeo também deixam ajustar os tempos.
Privado por padrão
O vídeo não é enviado: o som é decodificado e transcrito no navegador. Na primeira vez o modelo de IA (cerca de 136 MB) é baixado e fica guardado no navegador. Vídeos de até 90 minutos.
Como funciona
O som do vídeo é convertido para 16.000 amostras por segundo e processado em janelas de 30 segundos pelo Whisper base (OpenAI, licença MIT), que prevê o texto junto com marcas de tempo sempre que a fala começa ou pausa. Cada par de marcas vira uma legenda, escrita no formato de tempo SRT (HH:MM:SS,mmm) ou WebVTT (HH:MM:SS.mmm).
Perguntas frequentes
Minha gravação é enviada?
Não. O reconhecimento de fala roda no navegador, neste aparelho; o arquivo não sai dele.
Quais idiomas funcionam?
Cerca de 100, incluindo português, inglês, espanhol, francês e alemão. O idioma é detectado sozinho, ou você pode escolher.
Qual o tamanho máximo da gravação?
Até 90 minutos por arquivo. Um notebook transcreve cerca de seis minutos de áudio por minuto; na primeira vez o modelo de IA (cerca de 136 MB) também é baixado.
A transcrição é precisa?
Muito boa para fala clara, uma pessoa por vez. Ruído, música, sotaques fortes e pessoas falando ao mesmo tempo reduzem a precisão, então revise o texto antes de usar.
Dá para gravar a legenda dentro do vídeo?
Não nesta página: ela cria o arquivo de legenda. Envie o SRT junto com o vídeo no YouTube ou importe no seu editor de vídeo.
Dá para ser mais rápido?
Sim, com uma conta grátis: escolha Rápido, na nuvem. O Whisper large-v3-turbo transcreve uma hora de áudio em poucos minutos por cerca de 0,5 crédito por minuto (contas grátis ganham 50 créditos por mês). O áudio é enviado em partes de dois minutos e não é guardado. Neste dispositivo continua grátis e privado.
Fontes
- OpenAI Whisper — robust speech recognition via large-scale weak supervision (MIT)
- Radford et al. (2022) — Robust Speech Recognition via Large-Scale Weak Supervision
- ONNX Runtime Web — run ONNX models in the browser (WebGPU and WebAssembly)
- Mediabunny documentation — Converting media files
- W3C — WebVTT: The Web Video Text Tracks Format
- Wikipedia — SubRip
Revisado em 19 de out. de 2026 · vetores de teste fixtures/tools/video/subtitle-generator/