Gravei, quero manuscrito: transcrição local e gratuita
Gravação de reunião, aula, notas de voz com ideias — transformar em nota manuscrita compartilhável exigia quatro passos: app de transcrição, copiar, formatar, exportar.
Agora é um: suba um arquivo de áudio e ganhe uma página manuscrita. Grátis, sem o áudio sair do aparelho. Como funciona, resultados de testes reais — e os limites honestos.
As três rotas comparadas
| Rota | Custo | Privacidade | Ideal para |
|---|---|---|---|
| Whisper no navegador (nossa escolha) | 0 | Áudio fica no aparelho | Notas do dia a dia, conteúdo sensível |
| ASR na nuvem | Por minuto ou cota | Áudio enviado | Arquivos muito longos, velocidade |
| Dictado no celular + copiar | 0 | Depende do método | Notas curtas pontuais |
O único custo da rota local: um download de modelo na primeira vez, e a velocidade depende do seu hardware.
Como implementamos
- Os arquivos são decodificados via
decodeAudioDatae reamostrados para 16kHz mono; - O modelo Whisper (~80MB rápido / ~250MB alta qualidade, q8) é auto-hospedado no nosso domínio, dividido em janelas de 30 segundos;
- Chrome com WebGPU ganha aceleração de GPU; senão, volta para WASM;
- A transcrição cai no mesmo editor — fontes, papel e exportação idênticos à digitação.
Auto-hospedamos em vez de chamar o CDN do HuggingFace: sem bloqueios de CORS e downloads funcionando também na China.
Teste real: uma amostra TTS
Ambiente: macOS + Chrome, sem GPU dedicada (caminho WASM), modelo rápido.
- Entrada: voz chinesa sintetizada (~5s)
- Saída: "你好,這是一段測試語音,用來驗證音頻轉寫功能。" — conteúdo exato, mas em caracteres tradicionais (tendência conhecida do modelo base; o modelo de alta qualidade melhora)
O primeiro carregamento do modelo levou cerca de um minuto; depois o navegador armazena em cache.
Três passos
- Na ferramenta, toque em "Importar áudio" e escolha mp3 / wav / m4a;
- Aguarde o progresso (inclui o download inicial do modelo);
- A transcrição cai no editor — corrija, escolha o estilo, exporte.
Limites honestos
- O modelo base sofre com sotaques fortes e ruído — para o importante: modelo de alta qualidade e revisão manual;
- Acima de 30 minutos fica lento — divida os arquivos;
- O Safari não decodifica alguns codecs — recomendamos Chrome / Edge de desktop.
Testado, com limites honestos
Todos os passos foram testados no Chrome de desktop (macOS, outubro de 2026); as capturas são reais. O reconhecimento de voz é fornecido pelo navegador — a qualidade varia. Revise textos importantes. Não coletamos texto nem áudio — veja a Política de Privacidade. Referência: MDN · Web Speech API.