Como converter mp3 em texto

O caminho gratuito e privado é uma ferramenta local de código aberto

Se você não quer que sua gravação fique parada no servidor de outra pessoa, rode a transcrição no seu próprio computador. O motor que quase todo mundo usa para isso é o OpenAI Whisper, lançado sob a licença MIT, gratuito para usar, gratuito para ler, gratuito para rodar. É a mesma família de modelo que move boa parte dos aplicativos pagos que você já viu anunciados.

Há algumas formas de realmente usá-lo, indo de "me viro bem num terminal" até "por favor, me dê um botão para clicar".

No Mac, um aplicativo dedicado poupa você da configuração

Se você está no Mac e a linha de comando não é a sua ideia de uma boa noite, o MacWhisper foi feito exatamente para isso. Você arrasta um arquivo de áudio ou vídeo para dentro dele e ele transcreve no próprio dispositivo, então nada sai da sua máquina. Ele roda os mesmos modelos do OpenAI Whisper, além do motor Parakeet da NVIDIA, e faz bem o trabalho de transcrever arquivos. Também exporta para os formatos de que você realmente precisa, como arquivos de legenda para vídeo.

O MacWhisper é, por design, voltado a arquivos: entra gravação, sai texto. É todo o propósito dele, e ele é bom nisso. Estou destacando justamente porque é a coisa mais próxima de uma resposta de um clique no Mac para exatamente o que você pesquisou.

Um conversor na web é o mais rápido de começar, mas seu áudio sai da sua máquina

O outro caminho não exige instalação nenhuma. Há vários serviços web que deixam você enviar um mp3, esperar um minuto e baixar uma transcrição. Sem configuração, sem modelo para baixar, funciona de um celular ou de um notebook emprestado. Para uma coisa pontual e rápida, essa praticidade é real, e não vou fingir o contrário.

Aqui vai a única opinião forte deste artigo, e vou sustentá-la com o motivo óbvio em vez de enrolação. Quando você envia uma gravação para um conversor na web, o áudio sai do seu computador e cai no servidor de outra pessoa. Para um podcast que você vai publicar de qualquer jeito, não tem problema. Para uma ligação gravada de RH, um atestado médico, ou uma reunião com cliente em que se fala em voz alta um valor de salário ou o nome de um paciente, isso é uma decisão de privacidade que você está tomando, muitas vezes sem ler a página que explica por quanto tempo o arquivo fica guardado. Uma ferramenta local faz o mesmo trabalho e o áudio nunca vai a lugar nenhum. A transcrição só na nuvem é, para gravações sensíveis, um desastre de privacidade esperando para ser transcrito.

Se um conversor na web for de fato a escolha certa para você, vale conhecer o cenário dos serviços de transcrição. Já escrevi sobre essa turma em outro lugar. Comece pelo passo a passo de transcrição rápida e pelo guia de conversor de áudio em texto, que tratam lado a lado tanto do caminho de upload quanto do local.

Escolha precisão e idioma pelo modelo, não pelo marketing

Seja qual for a ferramenta em que você parar, a precisão se resume principalmente a duas coisas que você controla: o tamanho do modelo e o microfone em que o áudio foi gravado. Modelos maiores são mais lentos e mais precisos. Modelos menores são mais rápidos e mais leves. A maioria das ferramentas locais acima deixa você escolher, porque todas estão rodando os mesmos modelos Whisper por baixo de botões diferentes.

A verdade chata que ninguém vendendo um conversor de "IA inteligente" quer dizer em voz alta: uma gravação limpa num microfone USB baratinho ganha de uma embolada passada pelo maior modelo. A ferramenta não consegue desouvir o ar-condicionado. Se o seu mp3 foi gravado do outro lado da sala no microfone do notebook, ajuste suas expectativas e, se ainda der, talvez regrave.

Onde o Whisper by Remskill se encaixa, e onde não

Agora a parte honesta que prometi. O Whisper by Remskill não pega o seu mp3 e o transforma em texto. Ele foi feito para um momento diferente.

Ele é uma ferramenta de ditado ao vivo. Você pressiona uma tecla de atalho (Ctrl+Space no Windows por padrão, remapeável), fala, e suas palavras são digitadas direto no aplicativo em que você está: seu e-mail, seu documento, uma mensagem do Slack, um comentário de código. A transcrição acontece localmente enquanto você fala, e o texto aparece no seu cursor um instante depois de você parar. Sem arquivo, sem upload, sem aquele ciclo de gravar e depois converter.

Então quando essa é a ferramenta que você de fato quer? Quando as palavras de que você precisa ainda não existem como gravação, porque ainda estão na sua cabeça. Se o seu objetivo real nunca foi "converter este arquivo", e sim "colocar minhas próprias palavras faladas num documento rápido", você pula a gravação por completo. Você pensa, fala e está digitado. Todo o pipeline local é gratuito, e ele roda no Windows e no Mac (Apple Silicon). Uma vez ditei um e-mail para a professora, uma lista de compras e uma resposta para a minha irmã no tempo que a chaleira levou para ferver, e aí esqueci de servir o chá. A ferramenta funcionou. Eu não.

Para o quadro completo de como funciona, por baixo dos panos, a transcrição offline ao vivo, o guia de fala para texto offline vai mais fundo. Mas se você tem uma gravação parada na sua pasta de downloads agora, volte ali para cima na página. O Buzz ou a linha de comando do Whisper é o que você quer, não nós.

Se você só precisa disso uma vez

Um arquivo, uma vez só, sem planos de fazer de novo? Abra o Buzz, jogue seu mp3 dentro, deixe rodar. É gratuito, funciona offline, e você não terá instalado nada que precise manter. É essa a recomendação inteira. Guarde as ferramentas de terminal para o dia em que você tiver cinquenta arquivos em vez de um.

A forma mais rápida de converter um mp3 é não ter um mp3. Mas, para a gravação que você já tem, uma ferramenta local gratuita resolve sem enviá-la a lugar nenhum.