Como Transcrever Vídeo em Texto Grátis, Sem Enviar o Arquivo para a Internet

Para transcrever um vídeo em texto grátis, rode o Whisper da OpenAI no seu próprio computador. Ele lê o arquivo de vídeo diretamente, entende cerca de 100 idiomas, não tem limite de minutos e exporta texto simples ou arquivos de legenda. Você pode usá-lo pela linha de comando, por um programa gratuito como o Buzz ou o Subtitle Edit, ou por um programa de computador como o Sablate.

Os sites online de “vídeo para texto grátis” também funcionam, mas racionam o serviço: três arquivos por dia, trinta minutos cada, uma conta, um upload de cada vez. Abaixo estão as três formas locais de fazer isso, o que cada uma custa em instalação e como obter uma transcrição que não exija uma hora de limpeza.

Por que os transcritores online gratuitos têm limite

Cada minuto de reconhecimento de fala custa tempo de GPU para alguém. Quando você envia um vídeo para um site de transcrição, esse alguém é o site, e por isso o plano gratuito é uma amostra com contador.

Os contadores são parecidos em toda a categoria. O TurboScribe, um dos mais generosos, dá aos usuários gratuitos três transcrições por dia, até 30 minutos por arquivo, um upload de cada vez; arquivos mais longos e uso ilimitado ficam atrás do plano Unlimited, cerca de $10 por mês com cobrança anual. Outros serviços limitam o plano gratuito a poucos minutos de áudio, colocam marca d'água na exportação ou seguram o SRT e o DOCX até você pagar. Nada disso é injusto. É a aritmética de alugar GPUs.

Rode o mesmo modelo na sua máquina e a aritmética se inverte. Seu computador paga o processamento, então ninguém precisa medir o uso. A contrapartida é que o hardware e a paciência ficam por sua conta: um notebook sem GPU dedicada transcreve devagar, e a primeira execução baixa um modelo que vai de cerca de 78 MB a 3 GB.

O motor muitas vezes é o mesmo. O TurboScribe diz que se baseia no Whisper, assim como muitos concorrentes. Uma transcrição local gratuita e uma transcrição paga na nuvem podem sair do mesmo modelo, e a diferença de verdade está em quem é dono da GPU e para onde vai o arquivo.

As três formas locais de transcrever vídeo em texto grátis

1. O Whisper na linha de comando. Grátis, sem limites, todos os modelos. Exige Python e FFmpeg, e entrega arquivos, não um editor.
2. Um programa Whisper gratuito: Buzz ou Subtitle Edit. Grátis, sem limites, uma janela em vez de um terminal. Pouco para edição.
3. Sablate. Um programa de computador pensado para corrigir a transcrição e transformá-la em legendas em vários idiomas. Grátis com limites, $29 em pagamento único pela versão completa.

Os três mantêm o vídeo no seu disco.

Método 1: o Whisper na linha de comando

A implementação de referência é o pacote openai-whisper, da OpenAI. Ele exige Python 3 e FFmpeg, que o Whisper usa para extrair o áudio do arquivo de vídeo.

Instale primeiro o FFmpeg. No Windows:

winget install Gyan.FFmpeg

No macOS, com o Homebrew:

brew install ffmpeg

Depois instale o Whisper e transcreva:

pip install -U openai-whisper
whisper "interview.mp4" --model turbo --language en --output_format txt

Isso grava interview.txt na pasta onde você executou o comando. Troque txt por srt ou vtt para manter os tempos, ou use all para gerar todos os formatos de uma vez. --model turbo é o large-v3-turbo; em uma máquina sem GPU, --model small termina em uma fração do tempo.

As limitações são reais:

• No Windows, o pip instala uma versão do PyTorch só para CPU. Usar uma GPU NVIDIA exige reinstalar o PyTorch a partir do índice CUDA em pytorch.org, e é aí que costuma ir a primeira noite de muita gente.
• Não há editor. Você recebe um arquivo de texto. Para corrigir, precisa abri-lo em um editor de texto e ouvir o vídeo em outra janela.
• Silêncio e música podem gerar texto inventado. Às vezes o Whisper repete uma linha ou escreve “Thanks for watching” sobre um trecho silencioso. Nosso guia sobre as alucinações do Whisper explica por quê e quais configurações reduzem o problema.

Se você se sente à vontade em um terminal, essa é a opção gratuita mais flexível que existe, e ela escala para uma pasta cheia de arquivos com um loop de uma linha.

Método 2: um programa Whisper gratuito (Buzz ou Subtitle Edit)

Se você prefere clicar a digitar, dois programas gratuitos embrulham os mesmos modelos em uma janela.

O Buzz é um programa de transcrição de código aberto (MIT) para Windows, macOS e Linux. Importe um vídeo, escolha um modelo e um idioma, clique em Run e exporte TXT, SRT ou VTT. Ele aceita vários motores, incluindo faster-whisper e whisper.cpp, suporta aceleração por GPU e consegue identificar falantes. O instalador do Windows não é assinado digitalmente, então o Windows mostra um aviso do SmartScreen que você precisa superar com um clique.

O Subtitle Edit é o editor de legendas gratuito de longa data para Windows, com uma versão para macOS em beta. O menu Video tem uma opção Audio to text (Whisper) que baixa o motor e o modelo para você, transcreve e abre o resultado em um editor de tempos completo. Ele lê e grava mais formatos de legenda do que qualquer outra ferramenta e pode salvar o resultado como texto simples quando você só quer as palavras.

Os dois são excelentes, gratuitos e sem limites. O custo está sobretudo na segunda metade do trabalho: o Buzz oferece um visualizador de transcrição com reprodução e busca, mas pouco para temporizar legendas, e o Subtitle Edit oferece um editor poderoso que parte do princípio de que você já sabe o que é uma legenda, uma taxa de quadros e um formato de legenda.

Método 3: um programa de computador como o Sablate

O Sablate roda o faster-whisper localmente em Windows e Mac e foi pensado para o que acontece depois da transcrição: corrigi-la e transformá-la em legendas.

1. Solte o arquivo de vídeo no programa e escolha o idioma falado e um nível de modelo: Fast, Balanced, Accurate (large-v3-turbo) ou Best (large-v3).
2. A transcrição abre em um editor em que cada linha está associada ao seu momento no vídeo. Clique em uma linha para ouvi-la e corrija-a diretamente.
3. Adicione nomes e termos de produtos ao glossário antes de transcrever e use localizar e substituir (Ctrl+H) para corrigir de uma vez uma palavra ouvida errado em todos os lugares.
4. Exporte .txt ou copie o texto, ou exporte .srt e .vtt. Se o vídeo precisar de legendas em outros idiomas, adicione camadas de tradução à mesma transcrição em vez de transcrever de novo.

O plano gratuito é permanente e não exige conta, mas é o mais limitado das opções locais apresentadas aqui: vídeos de até 10 minutos, três trabalhos por mês e os modelos Fast e Balanced. Seu primeiro vídeo mais longo que isso roda uma vez com a duração completa. Se você só precisa de uma transcrição longa, o Buzz ou a linha de comando fazem de graça, e essa é a recomendação honesta.

Onde o Sablate justifica o preço Pro de $29, pagamento único, é no volume e no editor: duração ilimitada, todos os modelos Whisper, transcrição em lote e exportação com um clique de todos os idiomas que um vídeo tem.

Ferramentas gratuitas de transcrição de vídeo comparadas

Preços e limites conforme publicados em outubro de 2026. O padrão se mantém em toda a categoria: as ferramentas locais gratuitas não têm contador, as ferramentas online não exigem instalação, e essa conveniência é o que você paga em minutos.

O Whisper gratuito é tão preciso quanto a transcrição paga?

Em fala clara, a precisão de uma transcrição local gratuita é a do modelo que você escolher, não a do preço que pagou. Um serviço pago que rode o large-v3 e seu notebook rodando o large-v3 produzem texto quase idêntico a partir do mesmo áudio.

A escolha do modelo pesa muito mais que a ferramenta. O large-v3-turbo é o large-v3 com o decodificador reduzido de 32 camadas para 4: cerca de oito vezes mais rápido, com uma diferença na transcrição final que é pequena em gravações normais. O tiny e o small são rápidos, mas perdem palavras com sotaques, falas sobrepostas e fala rápida. Nossa comparação de modelos Whisper traz os tamanhos, as velocidades e um caso documentado em que o modelo maior pulou uma fala que um menor captou.

Três coisas que nenhum motor corrige sozinho, gratuito ou pago:

1. Nomes próprios e jargões. O Whisper escreve um sobrenome desconhecido de forma fonética, e de um jeito diferente a cada vez. Um glossário ajuda principalmente no início de um arquivo, onde o modelo o lê como contexto; uma passada de localizar e substituir pega o resto.
2. Silêncio e música. Os longos trechos silenciosos são onde surgem as linhas alucinadas. Corte o tempo morto ou verifique esses pontos primeiro.
3. Falantes sobrepostos. O Whisper escreve um único fluxo de texto e não indica quem disse o quê. O Buzz acrescenta uma etapa de identificação de falantes e os serviços pagos oferecem rótulos de falante; o Sablate e a linha de comando do Whisper não.

Os serviços pagos ainda ganham em duas coisas: funcionam no celular e alguns acrescentam rótulos de falante e resumos por cima. Se você não precisa de nenhuma das duas, pagar é opcional.

Qual método você deve usar?

“Preciso de uma transcrição, uma única vez, e me sinto à vontade em um terminal.” Use a linha de comando do Whisper com --model turbo se tiver GPU e --model small se não tiver.

“Quero um programa gratuito e nunca vou encostar em um terminal.” Instale o Buzz. É gratuito, sem limites, e exporta os formatos de que você precisa.

“Preciso mesmo de legendas, e os tempos precisam estar certos.” Use o Subtitle Edit se você já sabe editar legendas, ou o Sablate se quer a transcrição, as correções e as legendas em um só lugar. Nosso guia para criar um arquivo SRT explica as regras do formato nos dois casos.

“Estou no celular, ou o vídeo é curto e não é sensível.” O plano gratuito de uma ferramenta online é o caminho mais rápido. Três arquivos por dia dão e sobram para uso ocasional.

“O vídeo já está no YouTube e só preciso ler.” O próprio painel Mostrar transcrição do YouTube é gratuito e instantâneo nos vídeos com legendas. Não precisa de nenhuma ferramenta.

“Transcrevo toda semana, ou o vídeo depois precisa de legendas em outros idiomas.” É o caso para o qual o Sablate foi criado: duração ilimitada no Pro, um editor de verdade e camadas de tradução sobre a mesma transcrição.

Como obter uma transcrição mais limpa de primeira

A maior parte da limpeza vem de quatro erros evitáveis.

Defina o idioma explicitamente. A detecção automática ouve os primeiros 30 segundos. Um vídeo que começa com música ou com uma saudação em outro idioma é transcrito no idioma errado, ou sai parcialmente traduzido para inglês, uma peculiaridade conhecida do Whisper.

Use o maior modelo que sua máquina executa com folga. Passar do small para o large-v3-turbo elimina mais erros do que qualquer quantidade de pós-edição e, em uma GPU, custa pouco tempo.

Corrija os nomes antes de tudo. Corrija a transcrição antes de exportar legendas ou traduzi-la. Um nome corrigido uma vez na origem fica corrigido em todos os arquivos que você criar a partir dela.

Não confunda TXT com SRT. O TXT serve para ler; o SRT serve para os tempos. Se você puder precisar de legendas mais tarde, exporte o SRT também agora, já que reconstruir os tempos a partir de um arquivo de texto simples é a tarefa mais lenta de todo esse fluxo de trabalho.

Comece com um vídeo e com a ferramenta que melhor se encaixa na sua situação acima. Se você quer a transcrição, as correções e as legendas em uma só janela, baixe o Sablate para Windows ou Mac; o plano gratuito não exige conta.

Perguntas frequentes

Posso transcrever um vídeo em texto totalmente grátis?

Sim. O Whisper da OpenAI é gratuito, de código aberto e roda em um computador comum com Windows ou Mac, então não há cobrança por minuto nem limite diário. Os serviços online gratuitos costumam racionar o uso: o plano gratuito do TurboScribe, por exemplo, permite três arquivos por dia, de até 30 minutos cada. Localmente, o único limite é o tempo que você está disposto a esperar.

O Whisper gratuito é preciso o bastante para substituir a transcrição paga?

Em fala clara, normalmente sim. Vários serviços de transcrição pagos rodam o próprio Whisper, então o preço raramente muda o motor. O que muda a precisão é o tamanho do modelo: o large-v3-turbo e o large-v3 são muito melhores que o tiny ou o small com sotaques, ruído e fala rápida. Nomes e jargões exigem correção com qualquer motor, gratuito ou pago.

Preciso de uma GPU para transcrever vídeo com o Whisper?

Não. O Whisper roda na CPU, só que mais devagar. Uma GPU NVIDIA costuma ser de cinco a dez vezes mais rápida que a mesma máquina só com CPU, e é isso que torna os modelos grandes práticos em gravações longas. Sem GPU, o modelo small é a escolha realista para o dia a dia, e o turbo é algo que você deixa rodando.

Posso transcrever um vídeo sem enviá-lo para lugar nenhum?

Sim. Uma ferramenta Whisper local lê o arquivo de vídeo do seu próprio disco, extrai o áudio e o transcreve na sua máquina, então o arquivo nunca sai dela. O modelo é baixado uma única vez e, depois disso, não é preciso conexão com a internet. Os serviços de transcrição online, por definição, precisam que o arquivo seja enviado primeiro para os servidores deles.

Devo exportar a transcrição em TXT ou em SRT?

Exporte TXT se você quer ler, citar ou editar as palavras, e SRT ou VTT se precisa dos tempos, para legendas ou para achar um momento no vídeo. Os dois vêm da mesma transcrição, então você não precisa escolher de antemão. A maioria das ferramentas Whisper exporta os dois formatos em uma única execução.

O Sablate é gratuito para transcrição?

Sim, de forma permanente e sem conta, mas com limites. O plano gratuito cobre vídeos de até dez minutos, três trabalhos por mês, os modelos Whisper Fast e Balanced e a exportação em TXT, SRT e VTT. Seu primeiro vídeo mais longo roda com qualquer duração. O Pro custa $29, pagamento único, elimina os limites de duração e de trabalhos e acrescenta os modelos Accurate e Best.