5 modelos de IA
Escolha entre Rápido, Preciso, Equilibrado, Aprimorado e Padrão. Cada um mostra o preço por minuto e o limite de arquivo antes de começar.
Converta áudio e vídeo em texto preciso, resumos de IA, notas e chat.
Envie um ou vários arquivos (até 100 de uma vez), grave pelo microfone ou cole um link.
Para converter áudio em texto, escolha um modelo mais rápido ou mais preciso. Indique o idioma ou deixe o modelo detectar. O preço em créditos aparece antes de começar.
Ouça e acompanhe a leitura, gere resumos de IA ou notas de reunião em um clique, faça perguntas no chat de IA e baixe TXT, DOCX, PDF, SRT ou VTT.
Transcrever áudio em texto com cada fala separada por falante e marcada no tempo.
Converta áudio e vídeo em texto preciso, resumos, notas e insights práticos. Escolha entre 5 modelos, converse com suas gravações no chat e exporte em qualquer formato. Dá para transformar áudio em texto a partir de MP3, WAV, M4A, OGG, OPUS ou FLAC e de vídeos (MP4, MOV, MKV, AVI, WEBM) de até 3 horas e 1 GB. Você também pode gravar a voz ou colar um link do YouTube, do Google Drive ou de um arquivo. Funciona no navegador, no computador ou no celular — sem instalar nada.
Uma gravação com dois falantes exportada em quatro formatos: texto simples, documento e dois arquivos de legenda. O seu arquivo sai com a mesma estrutura.
[00:01] Falante 1: [00:05] Falante 2:
Falante 2 00:05
1 00:00:01,200 --> 00:00:04,500 2 00:00:05,100 --> 00:00:08,300
WEBVTT 00:00:01.200 --> 00:00:04.500 <v Falante 1> 00:00:05.100 --> 00:00:08.300 <v Falante 2>
Por padrão, as linhas da legenda têm 42 caracteres. Dá para mudar antes de baixar.
Vá além da transcrição bruta. Gere relatórios estruturados em um clique ou faça perguntas no chat de IA integrado — cada resposta é baseada na sua gravação e traz marcas de tempo clicáveis.
Tema principal, decisões, números, datas e pessoas em 3–5 frases.
Notas estruturadas por tema: contexto, discussão, posições, decisões e questões em aberto.
Tarefas confirmadas com responsáveis, prazos e citações, mais os pontos que precisam de esclarecimento.
Factos sustentados por citações literais, com referências a elas: o que foi discutido, o que foi decidido e as divergências.
As ideias principais de uma aula, podcast, entrevista ou vídeo, cada uma com a respetiva marca temporal.
Capítulos do vídeo com marcas temporais, prontos a colar na descrição do YouTube.
Chat de IA com a gravação: use as perguntas rápidas ("De que se trata?", "Ideias-chave", "Resumo rápido", "O que é preciso fazer?") ou faça sua própria pergunta em qualquer idioma. Clique em qualquer marca [MM:SS] para ouvir o trecho exato e baixe o relatório em PDF, DOCX ou TXT.
Escolha entre Rápido, Preciso, Equilibrado, Aprimorado e Padrão. Cada um mostra o preço por minuto e o limite de arquivo antes de começar.
Cada falante recebe um rótulo. Renomeie uma vez e o nome muda na transcrição inteira. Passe um trecho para outro falante.
Clique numa palavra para ouvir o áudio a partir dali. A palavra atual fica destacada durante a reprodução.
Com variantes regionais de português, inglês, espanhol, árabe e outros idiomas. A maioria dos modelos detecta o idioma sozinha.
Grave no navegador, pause e continue, depois envie a gravação pronta. Para anotações faladas, use voz em texto no navegador.
Envie um arquivo de vídeo ou cole um link do YouTube ou do Google Drive. O áudio é extraído automaticamente.
Em arquivos com mais de 30 minutos, transcreva só o primeiro minuto para conferir a qualidade. Depois, o arquivo inteiro.
Não gostou do resultado? Rode de novo com outro modelo ou idioma. O preço aparece antes de confirmar.
Em lote: até 100 arquivos por envio e até 20 por exportação — o bastante para uma série de entrevistas ou um semestre de aulas.
Cada modelo tem pontos fortes e preço próprios. Na dúvida, comece pelo Rápido ou transcreva o primeiro minuto com dois modelos e compare.
| Modelo | Indicado para | Precisão | Velocidade | Idiomas | Detecta o idioma | Limite do arquivo | Preço |
|---|---|---|---|---|---|---|---|
| RápidoMicrosoft Fast | O resultado mais rápido e a maior lista de idiomas. Custa o dobro por minuto. | 76 | Sim | 3 h / 1 GB | 278 créditos/min | ||
| PrecisoMAI-Transcribe-2 | Alta precisão para entrevistas, aulas e reuniões. Limite de arquivo menor. | 57 | Sim | 2 h / 300 MB | 139 créditos/min | ||
| EquilibradoGrok Voice Transcribe 2.0 | Alta precisão com velocidade média. Bom para gravações longas, de até 3 horas. | 25 | Sim | 3 h / 1 GB | 139 créditos/min | ||
| AprimoradoMicrosoft LLM Speech | Reconhecimento de fala com modelo de linguagem embutido, para os idiomas mais comuns. | — | 24 | Sim | 3 h / 1 GB | 139 créditos/min | |
| PadrãoWhisper (Microsoft Azure) | Funciona com a lista completa de idiomas. Você escolhe o idioma. Mais lento que os outros. | 76 | Manual | 3 h / 1 GB | 139 créditos/min |
Os preços são em créditos do seu saldo SpeechGen. O valor exato para o seu arquivo aparece antes de começar.
70+ idiomas · 130+ variantes regionais · detecção automática do idioma
Português, inglês, espanhol, francês, alemão, italiano, japonês, coreano, hindi, árabe, turco e mais de 60 outros. Escolha o idioma da gravação ou deixe o modelo detectar — de áudio para texto em espanhol, alemão ou árabe, tudo funciona do mesmo jeito. A lista depende do modelo: Rápido e Padrão têm mais idiomas.
Citações de entrevistas com o falante e o momento exato.
Aulas viram anotações em que dá para buscar.
Resumo do episódio e legendas a partir de um só envio.
Registro escrito de chamadas e reuniões — degravação de áudio sem digitar.
Baixe SRT ou VTT e ajuste o tamanho da linha. Tem um arquivo de vídeo? Use a transcrição de vídeo.
Comece de um texto-fonte fiel no idioma original.
A transcrição é paga com créditos do seu saldo SpeechGen — o mesmo saldo que você usa para gerar locuções. A maioria dos modelos custa 139 créditos por minuto de áudio; o Rápido, 278. O preço do seu arquivo aparece antes de começar e, se a transcrição falhar, os créditos voltam para o saldo.
Depende do áudio e do modelo. Fala clara de uma ou duas pessoas dá o melhor resultado. Ruído, música, vozes sobrepostas, sotaque forte e áudio de ligação geram mais erros. Confira sempre nomes e números antes de publicar.
Depende da duração do arquivo, do modelo e da fila. Pode fechar a página: a transcrição fica salva nos seus arquivos e aparece quando estiver pronta.
No WhatsApp, compartilhe o áudio como arquivo (geralmente OPUS ou OGG) e envie aqui. Para converter MP3 em texto, é só enviar o arquivo: áudio e vídeo de até 1 GB e 3 horas (no modelo Preciso, até 300 MB e 2 horas). Também aceitamos WAV, M4A, FLAC, AAC, MP4, MOV, MKV, AVI, WEBM e links do YouTube, do Google Drive ou diretos para o arquivo.
Mais de 70, muitos com variantes regionais. A maioria dos modelos detecta o idioma sozinha; no modelo Padrão, você escolhe. Se a gravação for num idioma raro, transcreva o primeiro minuto para conferir a qualidade.
Você paga com créditos do seu saldo SpeechGen, por minuto de áudio. O preço depende do modelo e aparece antes de começar.
Você pode renomear falantes, passar um trecho para outro falante e excluir trechos. Para corrigir palavras, baixe DOCX ou TXT e edite o arquivo no seu editor de texto.
Com conta — 90 dias, sem conta — 1 dia. Você pode excluir antes. Só você abre a página do resultado; para compartilhar, baixe a transcrição e envie o arquivo.
Não. Funciona no navegador, no computador ou no celular. Envie um arquivo, grave a voz ou cole um link.
Para a maioria das gravações, comece pelo Rápido. Em entrevistas e aulas em que cada palavra importa, teste o Preciso. Se o seu idioma não estiver na lista, use o Padrão e escolha o idioma.
Após a transcrição completa, abra a aba IA para gerar um resumo curto, notas detalhadas, decisões e tarefas, ata com citações verificáveis, principais conclusões ou capítulos para o YouTube. Você também pode fazer perguntas no chat de IA com marcas [MM:SS] e baixar relatórios em PDF, DOCX ou TXT.
Envie um arquivo, grave a voz ou cole um link. O preço aparece antes de começar.