Subtitle Edit Whisper: Configuração, Mecanismos e Modelos

O suporte do Subtitle Edit ao Whisper fica em uma única janela: Vídeo → Fala para texto... (English: Video → Speech to text...), chamada Audio to text nas versões antigas. Abra um vídeo, escolha um mecanismo e um modelo, defina o idioma e clique em Transcrever (English: Transcribe). O Subtitle Edit baixa o que precisar no primeiro uso. A decisão de verdade é qual mecanismo combina com o seu hardware.

Este texto cobre essa escolha para o Windows com placa NVIDIA, o Windows sem ela e o Mac, o único problema do modelo turbo com a tradução, o modo de lote, o relatório de qualidade e o que conferir quando nada sai. Os fatos sobre o Subtitle Edit vêm do repositório no GitHub e da documentação oficial, conferidos em 31 de outubro de 2026.

Como usar o Whisper no Subtitle Edit?

Sete passos, tirados da documentação de fala para texto. O Subtitle Edit é gratuito e de código aberto, sob a licença MIT; a versão estável atual é a 5.3.0, de 14 de outubro de 2026.

1. Abra um arquivo de vídeo no Subtitle Edit.
2. Escolha Vídeo → Fala para texto....
3. Selecione um Mecanismo (English: Engine). Os botões ao lado abrem o site do mecanismo, baixam o mecanismo e abrem as configurações dele. O Whisper CPP e o Crisp ASR também mostram uma lista Back-end (English: Backend).
4. Selecione um Modelo (English: Model). Maior costuma significar mais preciso, mais lento e maior em disco.
5. Selecione o Idioma (English: Language) do áudio, ou a detecção automática onde o mecanismo oferece isso.
6. Se quiser, marque Traduzir para inglês (English: Translate to English) e Pós-processamento (English: Post-processing).
7. Clique em Transcrever.

Os mecanismos e os modelos são baixados automaticamente na primeira vez que você os usa, então a primeira execução inclui uma espera. O resultado é uma legenda comum na lista principal, que você edita como qualquer outro arquivo.

As pessoas ainda pesquisam "subtitle edit audio to text". É a mesma janela com o nome antigo, e uma linha do changelog da série 5 do Subtitle Edit ainda a usa.

Qual mecanismo Whisper escolher no Subtitle Edit?

Depende da sua placa de vídeo, porque a maioria dos mecanismos da lista roda os mesmos modelos Whisper, empacotados de formas diferentes. O conselho da própria documentação: "For NVIDIA GPU users, use the Whisper CPP cuBLAS backend or Purfview Faster Whisper XXL for fastest transcription." (em tradução: para quem usa GPU NVIDIA, use o back-end cuBLAS do Whisper CPP ou o Purfview Faster Whisper XXL para a transcrição mais rápida.)

O Purfview Faster Whisper XXL e o Whisper Const-me não estão disponíveis no macOS. O Whisper OpenAI, a implementação original em Python, está listado para todas as plataformas. A tabela de mecanismos da documentação é onde as plataformas de cada um se mantêm atualizadas.

Outros mecanismos ficam na mesma lista. O Crisp ASR reúne vários modelos que não são Whisper, entre eles Parakeet, Canary e SenseVoice, e consegue detectar falantes, marcando as linhas com (speaker 0). Quatro mecanismos online (OpenAI Compatible Server, OpenRouter, Alibaba Qwen3-ASR e Google Cloud Speech-to-Text) enviam seu áudio para um servidor, o que importa se a gravação for confidencial. Os demais rodam na sua máquina.

Modelos do Subtitle Edit Whisper: qual é o certo?

Escolha o maior modelo que o seu hardware termina em um tempo que você aceite. A lista vai de tiny, o mais rápido e menos preciso, passando por base, small e medium, até large, large-v2 e large-v3, os mais precisos e os mais lentos.

Alguns detalhes da documentação:

• Os modelos .en são só para inglês e melhores para áudio em inglês. Use-os quando toda palavra for em inglês.
• O large-v3-turbo está listado como forte em japonês. Para a maioria dos idiomas, é o padrão sensato quando o seu hardware aguenta.
• Existem ajustes finos por idioma: .sv, .nb e anime.ja, o modelo anime-whisper para o japonês de animes e visual novels.

Espaço em disco e tempo de execução crescem juntos. Se você quer números em vez de regras práticas, a nossa comparação de modelos Whisper lista o tamanho real de download de cada modelo e o que cada um acertou em um clipe de teste. É um clipe, não um benchmark, mas mostra o que cada degrau a mais custa.

Subtitle Edit Whisper com GPU e CUDA: o que realmente ajuda

No Windows, GPU quer dizer NVIDIA em primeiro lugar. Três pontos práticos:

1. Escolha o back-end, não só o mecanismo. No Whisper CPP, a lista Back-end decide se o trabalho roda em cuBLAS (NVIDIA CUDA), Vulkan ou na CPU. Em uma máquina com uma boa GPU, confira se ele não ficou na CPU.
2. Combine as versões do CUDA. O Whisper CTranslate2 exige CUDA 12.x. Se esse mecanismo der problema com o CUDA, o Whisper CPP cuBLAS e o Purfview são as alternativas.
3. Falta de memória? Desça um modelo. A resposta da documentação para "CUDA out of memory" é um modelo menor.

Mais duas configurações ficam nas opções avançadas do mecanismo: parâmetros de linha de comando por mecanismo e o VAD, que melhora a sincronia.

Traduzir para inglês devolve o idioma original: o problema do turbo

Traduzir para inglês converte a fala em outro idioma em texto em inglês na mesma passada. Escolha um modelo turbo, porém, e o texto pode voltar no idioma original.

O motivo está no README do Whisper da OpenAI: o modelo turbo "is not trained for translation tasks" (não foi treinado para tarefas de tradução) e devolve o idioma original mesmo quando a tradução é pedida. O conselho é usar medium ou large. Então, se você marcar a opção com o large-v3-turbo selecionado e não vir inglês, troque o modelo para medium ou large e rode de novo.

Esse caminho só gera inglês. Para outros idiomas de destino, transcreva primeiro e depois use Traduzir → Tradução automática... (English: Translate → Auto-translate...). Os mecanismos dele incluem Google Translate V1 (gratuito), DeepL e ChatGPT (os dois com a sua própria chave de API), LibreTranslate, MyMemory e modelos locais pelo Ollama, LM Studio ou llama.cpp. Nosso guia sobre como traduzir um SRT sem estragar a sincronia cobre o que conferir depois.

Como transcrever vários vídeos de uma vez no Subtitle Edit?

Use o modo de lote (English: Batch mode). Adicione seus arquivos de vídeo, escolha mecanismo, modelo e idioma e clique em Transcrever. O Subtitle Edit grava um arquivo .srt ao lado de cada vídeo. Marque Adicionar código do idioma ao nome do arquivo (English: Add language code to file name) se quiser video.en.srt em vez de video.srt, o que importa assim que vários idiomas dividem uma pasta.

Se os seus arquivos variam muito, como uma entrevista silenciosa ao lado de uma gravação de rua barulhenta, rode os difíceis em um lote separado com um modelo maior.

Pós-processamento e o relatório de qualidade da transcrição

A saída do Whisper é precisa, mas desarrumada, e a opção Pós-processamento arruma isso como parte da transcrição. A documentação lista o que ela pode fazer:

• ajustar os tempos, usando picos da forma de onda
• corrigir durações curtas
• corrigir maiúsculas e minúsculas e acrescentar pontos
• juntar linhas curtas e dividir as longas
• remover linhas sem fala, como "[Music]"
• remover linhas repetidas

O relatório de qualidade da transcrição vem ligado por padrão e é a parte mais útil da janela para flagrar os vícios do Whisper. Ele aponta cinco problemas: curta demais, longa demais, sobreposição, sem fala e repetida. "Longa demais" inclui o que a documentação chama de alucinação típica, duas ou três palavras esticadas por 10 a 30 segundos. "Repetida" quer dizer um mecanismo preso em um loop.

Trate cada legenda sinalizada como um lugar para ouvir, não só para apagar. Os padrões por trás delas e as configurações que os evitam estão em por que o Whisper repete linhas e inventa texto.

Subtitle Edit Whisper não funciona: sem texto, erros, CUDA

Comece pelas causas simples. Siga esta lista, que vem do FAQ e das dicas da documentação:

1. O mecanismo e o modelo foram baixados? O Subtitle Edit pede os dois. Para um mecanismo que você nunca usou, deixe baixar o mecanismo e um modelo antes de começar.
2. Leia o log do console na parte de baixo da janela Fala para texto. Clique com o botão direito na janela e escolha Ver arquivo de registro de ferramentas (English: View tools log file) para o registro completo. Os mecanismos baixáveis têm um item para baixar de novo no mesmo menu.
3. O arquivo do mecanismo sumiu? A causa comum é o antivírus colocando o executável em quarentena. O Subtitle Edit confere quando a transcrição começa, nomeia o arquivo ausente e oferece baixá-lo de novo.
4. CUDA sem memória? Escolha um modelo menor.
5. O Crisp ASR não devolve nada com o VAD ligado? O Silero pode rejeitar um clipe curto como sem fala. O Subtitle Edit tenta uma vez sem o VAD antes de informar um resultado vazio.

Se a transcrição termina, mas o texto está errado em vez de ausente, confira primeiro a configuração de idioma e depois tente um modelo maior.

Quando o Sablate serve melhor que o Subtitle Edit?

Quando o objetivo são legendas prontas para postar, e não um arquivo de legendas para refinar, e você prefere nem escolher entre mecanismos e back-ends.

O Sablate é um aplicativo de computador para Windows 10 ou posterior e macOS 12 ou posterior. Ele roda o faster-whisper com quatro níveis: Fast (tiny), Balanced (small), Accurate (large-v3-turbo) e Best (large-v3). No Windows com uma GPU NVIDIA, o runtime do CUDA é baixado no primeiro uso da GPU; no Mac, ele transcreve na CPU. Não há mecanismo nem back-end para escolher.

O que ele acrescenta é a segunda metade do trabalho. Uma transcrição alimenta várias camadas de tradução, cada uma com seu próprio estilo e sua própria fonte para a escrita. Treze presets de legenda, entre eles Hormozi e Karaoke, e um estilo de varredura de karaoke por palavra dão o acabamento, e a renderização com legendas embutidas cuida de 9:16, 1:1 ou 16:9 por corte ou preenchimento com desfoque. Legendas palavra a palavra e legendas em vários idiomas mostram esses fluxos em detalhe.

O plano gratuito não pede conta e cobre vídeos de até dez minutos, três trabalhos por mês, os modelos Fast e Balanced e uma camada de tradução offline; a renderização com legendas embutidas leva uma pequena marca no canto. O Pro custa $29, pagamento único, ou $5.99 por mês, e a página de preços lista o resto. Outros aplicativos que funcionam assim são comparados em geradores de legendas offline.

Subtitle Edit e Sablate lado a lado

O Subtitle Edit vence em preço, plataformas, escolha de mecanismos, identificação de falantes e cobertura de formatos. Se você edita legendas profissionalmente ou quer controle total do processo, continue com ele. O Sablate é o caminho mais curto para legendas estilizadas em vários idiomas, para quem prefere não ler uma tabela de mecanismos.

Qual caminho seguir?

"Tenho uma placa NVIDIA e edito legendas com frequência." Fique no Subtitle Edit com o Whisper CPP cuBLAS ou o Purfview Faster Whisper XXL, um modelo large-v3-turbo e o relatório de qualidade ligado.

"Tenho um notebook sem GPU NVIDIA." Whisper CPP com o back-end Vulkan, um modelo small ou medium e paciência com arquivos longos.

"Uso um Mac." Whisper CPP primeiro. Teste o WhisperX no Apple Silicon se precisar de tempo palavra a palavra.

"O áudio não está em inglês e quero legendas em inglês." Use medium ou large com Traduzir para inglês, não o turbo.

"Entrevistas com vários falantes." Crisp ASR com detecção de falantes, que o Sablate não oferece.

"Quero legendas verticais com destaque palavra a palavra em três idiomas até a noite." Baixe o Sablate para Windows ou Mac.

Perguntas frequentes

Como uso o Whisper no Subtitle Edit?

Abra um vídeo, escolha Vídeo, depois Fala para texto, selecione um mecanismo e um modelo, defina o idioma falado e clique em Transcrever. O Subtitle Edit baixa o mecanismo e o modelo na primeira vez que você os usa. Ao terminar, as linhas aparecem na lista principal de legendas, onde você as edita como qualquer outra legenda.

Qual mecanismo Whisper é o mais rápido no Subtitle Edit?

Em uma GPU NVIDIA, o Whisper CPP com o back-end cuBLAS ou o Purfview Faster Whisper XXL, que é o que a documentação oficial recomenda. Sem NVIDIA, o Whisper CPP com o back-end Vulkan pode usar outra GPU no Windows. No Mac, o Whisper CPP é o mecanismo que roda em todo lugar, enquanto o WhisperX e o CTranslate2 exigem Apple Silicon.

Qual modelo Whisper devo escolher no Subtitle Edit?

Escolha o large-v3-turbo se o seu computador aguentar, small ou medium se não aguentar, e um modelo .en para áudio só em inglês. Os modelos maiores são mais precisos, mas mais lentos e ocupam mais espaço em disco. O tiny é o mais rápido e o menos preciso, então reserve-o para rascunhos. Evite o turbo ao usar Traduzir para inglês.

Por que Traduzir para inglês devolve o idioma original no Subtitle Edit?

Porque os modelos turbo não foram treinados para tradução. A documentação do Whisper da OpenAI diz que um modelo turbo devolve o idioma original mesmo quando a tradução é pedida, e recomenda medium ou large. Troque o modelo na janela Fala para texto para medium ou large, rode a transcrição de novo, e a tradução para inglês deve aparecer.

Por que o Subtitle Edit Whisper não dá texto ou mostra um erro?

Em geral falta um mecanismo ou um modelo, um arquivo foi removido pelo antivírus ou há pouca memória de GPU. Confira se os dois foram baixados, leia o log do console na parte de baixo da janela e escolha um modelo menor se o CUDA ficar sem memória. O Subtitle Edit também nomeia o arquivo de mecanismo ausente e oferece baixá-lo de novo.

O Subtitle Edit consegue transcrever vários vídeos de uma vez?

Sim. O modo de lote permite adicionar vários arquivos de vídeo e clicar em Transcrever, e ele salva um arquivo SRT ao lado de cada vídeo. A opção de adicionar o código do idioma ao nome do arquivo gera nomes como video.en.srt. Se uma gravação for bem mais difícil que as outras, rode-a em um lote separado com um modelo maior.