Inky ClipsTranscrever vídeo em texto no seu próprio computador
O Inky Clips ouve o seu vídeo com um modelo de reconhecimento de voz que roda no navegador e deixa você baixar as palavras como transcrição em texto, SRT ou VTT. Grátis, em 99 idiomas, e o vídeo nunca é enviado.
Por enquanto, a interface do editor está em inglês. As legendas e os títulos funcionam em português, com todos os acentos.
Legendas a partir da fala: Sans Bold
O Inky Clips ouve e escreve cada palavra no momento em que ela é dita. Escolha uma caneta para mudar o estilo.
Tinta: White
Como funciona
Abra o seu vídeo
Entre com o Google e escolha um vídeo do seu computador. Ele abre no editor sem ser enviado para nenhum servidor.
Clique em Auto captions
É o balão de fala embaixo da prévia. Na primeira vez, o navegador baixa o modelo de voz (entre 1,1 e 1,6 GB) e guarda.
Escolha o idioma falado
Informar o idioma dá resultados melhores do que deixar o modelo adivinhar. Para português, escolha Portuguese.
Revise o texto
Dê play no vídeo e clique em qualquer legenda na linha do tempo para corrigir uma palavra. Nomes e termos técnicos são os ajustes mais comuns.
Baixe o arquivo
Em Export subtitles, escolha Text transcript, SRT ou VTT. O arquivo é criado no navegador e salvo direto no seu computador.
Três arquivos a partir de uma transcrição
Para passar o vídeo para texto, o Inky Clips usa as mesmas legendas do editor, então o texto que você baixa é o texto que você já revisou. Corrigiu uma palavra na linha do tempo? A correção vai para os três formatos.
- Transcrição em texto: as palavras faladas, sem tempos. Para descrição de podcast, artigos, citações ou para colar em um documento.
- SRT: linhas numeradas com tempo de início e de fim. Envie para o YouTube ou importe no Premiere Pro, DaVinci Resolve ou CapCut.
- VTT: as mesmas linhas no formato WebVTT, que os players da web leem.
Qual é a precisão
O modelo é o Whisper large-v3-turbo, um dos modelos de voz abertos mais precisos. Com fala clara em português, inglês, espanhol ou francês, os erros são poucos. Nomes, marcas e jargões confundem o modelo em qualquer idioma.
Ele funciona melhor com uma pessoa falando por vez e pouca música de fundo. Cada palavra recebe o seu próprio tempo, então as linhas do SRT começam e terminam bem perto da fala.
O que ele não faz
Não identifica quem fala: a transcrição é o texto em ordem, sem nomes. Não traduz: o texto fica no idioma do vídeo. Não transcreve links do YouTube nem arquivos só de áudio: ele trabalha com arquivos de vídeo que estão no seu computador.
Vídeos longos levam tempo. Não há limite de duração, mas todo o trabalho acontece no seu computador, então uma hora de fala demora um pouco e a aba precisa ficar aberta. Um computador recente com WebGPU é bem mais rápido.
Uma transcrição que ninguém mais ouve
Serviços de transcrição online enviam o seu arquivo e processam nos servidores deles. Aqui é o contrário: o modelo de voz vem até o seu navegador. Entrevistas, reuniões e gravações particulares ficam no seu computador do início ao fim.
E se você também quiser as legendas desenhadas no vídeo, traço a traço, é só exportar um MP4 no mesmo editor.
Transcrever um vídeoPor enquanto, a interface do editor está em inglês. As legendas e os títulos funcionam em português, com todos os acentos.
Perguntas frequentes
Transcrever vídeo é grátis?
Sim. Não tem preço por minuto nem limite de vídeos. Você só precisa de uma conta Google para entrar.
O meu vídeo é enviado?
Não. O vídeo, o áudio e a transcrição ficam no seu computador. O modelo de voz é baixado para o navegador e roda ali.
Qual pode ser a duração do vídeo?
Não há um limite fixo. O áudio é processado em trechos de 30 segundos, então um vídeo longo só demora mais, e a aba precisa ficar aberta até terminar.
Dá para transcrever um vídeo do YouTube pelo link?
Não. O Inky Clips abre apenas arquivos de vídeo do seu computador, não links.
Dá para transcrever um áudio ou um podcast?
O editor abre arquivos de vídeo. Para transcrever uma gravação só de áudio, transforme-a em vídeo antes, por exemplo sobre uma imagem parada em qualquer editor.
Ele mostra quem está falando?
Não. A transcrição traz as palavras na ordem em que foram ditas, sem o nome de quem fala.
Ele traduz a transcrição?
Não. A transcrição fica no idioma falado no vídeo.