Gerador de transcrição de vídeo: crie TXT e SRT

Um gerador de transcrição de vídeo converte a fala de uma gravação em texto editável. Com Transcription da Pipe2.ai, carregue um vídeo ou áudio e receba um TXT e um SRT com marcas de tempo; também pode detetar o idioma, identificar falantes e corrigir palavras que sejam repetidamente mal reconhecidas.

Escolher o fluxo para entrevistas, podcasts ou legendas

Para uma entrevista ou um podcast, comece pelo TXT se pretende guardar um registo escrito ou preparar uma citação. Ative a deteção de falantes numa conversa e confirme cada etiqueta na gravação antes de atribuir uma frase. Numa locução com uma só voz, deixe a deteção desativada, salvo se precisar dela.

Para gerar legendas automaticamente, comece pelo SRT. Reveja o texto e os tempos e anexe o SRT e o vídeo original a Captions para criar legendas visíveis. Transcription gera o ficheiro de legendas; Captions incorpora-o no vídeo.

Transcrever um vídeo ou uma gravação de voz exportada

Para transcrever um vídeo, carregue o próprio vídeo: não precisa de extrair primeiro um MP3. A pipeline utiliza a faixa de áudio. Uma entrevista gravada pode assim produzir, numa só execução, um TXT para confirmar citações e um SRT para preparar legendas.

Se usou um gravador de voz, exporte primeiro o ficheiro de áudio e carregue-o em Transcription. Este processo parte de um ficheiro existente; não grava conversas em direto. Ative a deteção de falantes para uma entrevista ou deixe-a desativada para uma nota de voz com uma só pessoa.

Antes de executar, decida se precisa de texto escrito ou de legendas no ecrã. Para um registo escrito, compare o TXT com a gravação. Para legendas, reveja o texto e os tempos do SRT e depois use o ficheiro revisto com o vídeo original em Captions.

Gerar uma transcrição de vídeo em cinco passos

1. Escolha um vídeo com uma faixa de áudio clara. Transcription precisa de fala audível. Um vídeo silencioso não pode produzir uma transcrição.
2. Carregue o ficheiro. Abra Transcription e anexe o vídeo ou áudio que pretende converter.
3. Defina o idioma e os falantes. Mantenha Idioma em Auto quando não tiver a certeza. Em entrevistas ou painéis, ative a Deteção de falantes e indique opcionalmente o número esperado.
4. Adicione correções recorrentes. Se um nome, uma sigla ou um produto for sempre reconhecido da mesma forma errada, associe essa grafia à forma correta. As correções distinguem maiúsculas e minúsculas e correspondem a palavras inteiras.
5. Execute e reveja os dois ficheiros. Use TXT para ler e editar. Use SRT quando o tempo for importante ou quando o texto se destinar a legendas.

A pipeline atual usa ElevenLabs Scribe v2. O formulário público aceita um único recurso de vídeo ou áudio carregado, Auto e dez idiomas nomeados, deteção opcional de falantes, uma indicação opcional entre 0 e 20 falantes e correções de palavras. As saídas são recursos SRT e TXT separados.

Escolher TXT ou SRT para o trabalho seguinte

Os dois formatos contêm o mesmo discurso, mas organizam-no de maneira diferente.

Saída	O que contém	Melhor utilização
TXT	Texto contínuo e legível, sem blocos temporizados	Notas, citações, pesquisa, resumos, rascunhos e revisão editorial
SRT	Blocos numerados com tempos de início e fim	Legendas, cortes orientados por frases e fluxos que têm de permanecer alinhados com o vídeo

Guarde ambos. TXT é mais rápido de ler; SRT conserva os tempos necessários à produção. Se o passo seguinte for criar legendas visíveis, reveja o SRT e siga o guia para adicionar legendas a um vídeo.

Obter melhores resultados de voz para texto

A qualidade começa na gravação. Aproxime o microfone, reduza a música de fundo e o eco e evite que várias pessoas falem ao mesmo tempo. Aumentar o volume mais tarde não recupera palavras que nunca foram captadas com clareza.

Escolha o idioma quando o conhecer; caso contrário, Auto é um ponto de partida prático. A deteção de falantes ajuda quando importa saber quem disse cada frase, mas as etiquetas continuam a exigir revisão humana. Vozes parecidas, interrupções e fontes de gravação diferentes podem confundir o modelo.

Use Correções para erros consistentes e previsíveis, não para reescrever o conteúdo. Se uma marca aparecer sempre como uma palavra comum semelhante, uma correção de palavra inteira pode reparar a grafia nas duas saídas. Não reconstrói frases pouco claras nem decide o que a pessoa pretendia dizer.

Rever a transcrição antes de publicar

Uma transcrição de IA é um documento de trabalho, não uma garantia de que todas as palavras estão certas. Leia-a enquanto ouve a fonte e preste especial atenção a:

• Nomes, organizações, termos técnicos e siglas
• Números, preços, datas e medidas
• Mudanças de falante em entrevistas e conversas de grupo
• Nomes próprios que um corretor ortográfico possa alterar por engano
• Trechos com ruído, música, sotaques ou fala sobreposta
• Blocos SRT que começam cedo, terminam tarde ou contêm texto a mais

Se pretende citar alguém, confirme a citação na gravação. Se pretende criar legendas, corrija o texto e os tempos antes de os incorporar no vídeo final.

Transformar a transcrição em legendas ou clips

Transcription não grava texto na imagem. Cria ficheiros reutilizáveis para que os possa verificar antes de produzir outro recurso.

Para legendas visíveis, anexe o SRT revisto e o vídeo original a Captions. Para editar formatos curtos, uma transcrição pode sustentar todo o processo: encontrar momentos úteis, cortar nos limites das frases e legendar os clips. O guia para transformar um vídeo longo em shorts explica a sequência; o artigo sobre cortes orientados pela transcrição detalha os pontos de corte limpos.

Esta separação é útil. Pode corrigir um SRT, reutilizá-lo com vários estilos de legendas e manter o TXT para descrições, notas ou uma edição em papel sem voltar a transcrever a fonte.

O que o gerador não faz

Um gerador de transcrição converte fala em texto; não resume automaticamente a gravação, escolhe destaques, traduz a transcrição nem cria um vídeo já legendado. Essas são etapas editoriais ou de produção separadas.

Também é necessária uma faixa de áudio. Texto apresentado no ecrã sem ser pronunciado não é fala e não fará parte da transcrição. Se houver diapositivos, rótulos ou texto de interface importantes, reveja-os separadamente e acrescente-os às notas.

Comece com uma gravação representativa, não com todo o arquivo. Veja como o sistema lida com as suas vozes, o seu vocabulário e as condições de áudio, adicione correções recorrentes e use a mesma lista de revisão no resto do lote.