Transcrever áudio em texto acontece aqui dentro do próprio navegador: você solta um MP3, um WAV ou um M4A e recebe o texto, com a opção de baixar um SRT em que cada frase carrega o minuto em que foi dita. Sem conta, sem limite de minutos, e a gravação não sai do seu aparelho.
Solte a gravação, receba o texto com os tempos. O arquivo não sobe para servidor nenhum.
Grátis Sem marca d'águaFunciona no seu navegador
Arraste o seu áudio aqui, ou clique para escolher
Escolher um áudioO reconhecimento acontece no seu computador e a gravação não sai dele
Texto corrido para ler, ou com os tempos de cada fala
Português está na lista, ao lado de inglês, espanhol e mais sete
Um MP3, WAV ou M4A do seu disco. O arquivo é lido pelo navegador, não existe upload nem fila.
Da primeira vez o modelo é baixado; depois já fica guardado. O idioma pode ficar no automático se o áudio for limpo.
O TXT é para ler, editar e buscar. O SRT traz os tempos de cada frase, e serve como legenda.
Uma gravação de quarenta minutos vira umas seis mil palavras. Ninguém lê isso de cima a baixo: abre o TXT, procura o nome do cliente, o número que foi combinado, a parte em que alguém disse que ia resolver. É aí que a transcrição paga o tempo que ela custou.
Numa reunião gravada existem outras pessoas falando, e elas não escolheram subir para lugar nenhum. Esse é o argumento que uma gravação tem e uma foto não: o arquivo fica onde está, o reconhecimento roda no seu computador, e não sobra cópia nossa para apagar.
O TXT é texto corrido, para ler, colar e editar. O SRT é o mesmo texto com o minuto de entrada e saída de cada frase: serve de legenda, e serve para achar o trecho exato na gravação original sem ficar arrastando a barra.
São onze escolhas contando a detecção automática. Ela acerta quase sempre num áudio limpo e hesita quando alguém troca de idioma no meio da frase, o que numa entrevista acontece mais do que parece.
Nenhum cadastro, nenhum teto de minutos por mês e nenhuma marca d’água. Quem faz a conta é o seu aparelho, então não existe preço por minuto para repassar.
A transcrição raramente é o que alguém queria de verdade. O que se quer é o que vem depois dela: a ata de uma reunião, a citação exata de uma entrevista, o roteiro de um episódio que já foi gravado, ou simplesmente saber em que minuto alguém falou de um assunto.
Por isso saem dois arquivos e não um. O TXT entra em qualquer editor de texto e é onde você procura. O SRT carrega os tempos, então quando você acha a frase no texto, sabe exatamente onde ela está na gravação. Essa é a diferença entre ter a transcrição e conseguir usá-la.
O reconhecimento acerta bem a fala corrida e tropeça sempre nos mesmos lugares: nomes próprios, marcas, siglas e números falados por extenso. Duas pessoas falando ao mesmo tempo também derrubam a precisão, porque o modelo transcreve uma linha de fala, não uma mesa de reunião.
Na prática o conserto é rápido, porque o TXT é um arquivo comum: abra, procure o nome que você já sabe que vai aparecer errado, troque todas as ocorrências de uma vez. Dois minutos resolvem quase tudo, e é bom saber disso antes do primeiro teste em vez de depois.
Se a gravação é um vídeo e o que você quer é legenda, o caminho é a página irmã, colocar legenda em vídeo, que faz a mesma transcrição e depois manda o SRT para o editor, onde a legenda é desenhada por cima da imagem.
E se for o caminho contrário, texto que precisa virar voz, existe o texto para voz, que também roda no navegador e não envia nada. As três ferramentas são gratuitas e nenhuma delas sobe o seu arquivo.
Quase todos cobram por minuto de áudio, e o motivo é técnico: a conta é feita no servidor deles. É por isso que a gravação precisa subir antes de qualquer coisa acontecer.
Última revisão: Setembro de 2026. Os recursos e os preços de outras ferramentas mudam com frequência, então confira os termos atuais.
É. Sem conta, sem teto de minutos por mês e sem marca d’água. Quem faz a conta é o seu aparelho, então não existe custo por minuto para repassar.
Não existe upload. O navegador abre o arquivo direto do disco e faz o reconhecimento na sua máquina; de internet só vem o modelo, uma única vez.
MP3, WAV e M4A funcionam. Outros formatos comuns costumam abrir também, porque quem lê o arquivo é o próprio navegador; se o seu não abrir, converter para MP3 resolve.
O texto corrido em TXT e um arquivo SRT com o minuto de entrada e saída de cada frase. O TXT é para ler e buscar, o SRT serve de legenda e para achar o trecho na gravação.
Não: a lista traz uma única entrada de Português e ela serve para os dois. O que vale ajustar é outra coisa: com sotaque carregado ou barulho atrás, fixar o idioma na mão em vez de deixar no automático costuma render mais.
Depende do seu aparelho, porque é ele que calcula. Num computador atual sai bem mais rápido que o tempo real; num aparelho antigo, dá para sentir.
Aí a precisão cai, e vale dizer isso antes: o modelo transcreve fala, não separa quem está falando. Em reunião com muita sobreposição, espere revisar mais.
Solte um MP3 e veja o texto sair. Sem cadastro, e sem que a gravação saia do seu aparelho.
A edição e a exportação acontecem no seu navegador, na sua máquina, não num servidor de renderização.
