Guia

M4A, MP3, WAV, MOV: extrair texto do que quer que tenha gravado

O formato em que a gravação calhou ficar não devia decidir se a consegue transcrever. Na maior parte dos casos não decide — mas há algumas armadilhas reais.

30 August 2026

Pesquise por "m4a to text" e vai encontrar uma centena de sites que lhe querem pedir para carregar o ficheiro. Quase nunca precisa deles: o formato raramente é o verdadeiro obstáculo e, quando é, a solução não é um site de conversão.

Eis o que cada formato que provavelmente tem em mãos significa na prática.

A resposta curta #

Para transcrição, uma boa ferramenta converte internamente o que lhe der para a mesma coisa — áudio mono a 16 kHz — e trabalha a partir daí. O contentor é um detalhe. O que importa é:

1. Existe sequer uma faixa de áudio lá dentro?
2. Foi comprimido com tanta força que o detalhe da fala desapareceu?
3. A ferramenta consegue abrir esse contentor em particular?

Só a terceira pergunta depende da extensão do ficheiro, e apenas em alguns casos incómodos.

Os formatos #

M4A — É o que é um Voice Memo do iPhone. Áudio AAC num contentor MP4. Comprimido, mas com as taxas de bits que os telemóveis usam a qualidade é boa e a transcrição não é afetada. É o ficheiro que as pessoas mais querem transcrever, e não constitui problema nenhum.

MP3 — O universal. A mesma história: com perdas, mas na prática sem problema. MP3 com taxas de bits muito baixas (64 kbps ou menos, comuns em arquivos antigos de podcasts e em gravações de sistemas telefónicos) prejudicam mesmo a exatidão de forma mensurável, porque a compressão remove as frequências altas que distinguem consoantes parecidas. Nada consegue repor isso.

WAV — Sem compressão. O melhor caso para a exatidão e o pior para o tamanho do ficheiro: duas horas são várias centenas de megabytes, razão pela qual os serviços baseados em carregamento se atrapalham precisamente com WAV. À transcrição local isso é indiferente.

AAC — O codec dentro da maioria dos ficheiros M4A, por vezes surgindo como um .aac isolado. As mesmas propriedades do M4A.

CAF — O Core Audio Format da Apple. Aparece em ferramentas de gravação de macOS e iOS. Pouco comum noutros contextos, e tratado sem dificuldade por qualquer coisa construída sobre as frameworks de áudio da Apple.

OGG / Opus — O lado da web e do Android. As mensagens de voz do WhatsApp são Opus. Excelente codec para fala em taxas de bits baixas, genuinamente melhor do que o MP3 para o mesmo tamanho. Algumas ferramentas nativas da Apple não o conseguem abrir sem um passo de descodificação, o que é uma limitação de ferramentas e não de qualidade.

MOV e MP4 — Vídeo. A transcrição só precisa da faixa de áudio, que é extraída primeiro. Praticamente todas as gravações de ecrã, vídeos de telemóvel e ficheiros de câmara são um destes.

As armadilhas que são reais #

Um ficheiro de vídeo sem faixa de áudio #

Óbvio depois de se saber, invisível até lá. Algumas gravações de ecrã são captadas sem áudio, e algumas câmaras escrevem um ficheiro de áudio separado. Uma ferramenta de transcrição não consegue fazer nada com um vídeo silencioso, e uma boa ferramenta deve dizê-lo em vez de devolver uma transcrição vazia.

Ficheiros MOV antigos #

Nem todos os ficheiros .mov são iguais. Ficheiros QuickTime mais antigos podem conter um único fluxo MPEG multiplexado sem faixa de áudio separada que as frameworks modernas consigam endereçar. As próprias ferramentas da Apple indicam zero faixas de áudio. Se um .mov antigo específico falha em todo o lado enquanto os modernos funcionam, normalmente é por isto. Voltar a exportá-lo a partir do QuickTime Player é a solução prática.

Qualquer coisa com taxa de bits muito baixa #

Abaixo de cerca de 64 kbps para fala, perde exatidão independentemente daquilo com que transcrever. Se puder escolher no momento da gravação, é esta a definição que vale a pena ter em conta — muito mais do que a aplicação que usar depois.

Um ficheiro que não é o que a extensão diz #

Mudar o nome de recording.aiff para recording.mp3 não o converte, e ferramentas que confiam na extensão falham de forma confusa. Se um ficheiro se comportar de forma estranha, verifique o que ele é de facto (file recording.mp3 no Terminal diz-lhe).

É preciso converter primeiro? #

Normalmente não, e converter pode sair-lhe caro.

Cada conversão entre formatos com perdas — de MP3 para M4A, por exemplo — descodifica e volta a codificar, perdendo um pouco mais de detalhe de cada vez. Se o objetivo é uma transcrição exata, dar o ficheiro original a uma ferramenta que o leia diretamente é estritamente melhor do que convertê-lo antes.

A exceção é um formato que a sua ferramenta genuinamente não consiga abrir. Nesse caso, converta uma vez, a partir do original, para WAV e não para outro formato com perdas.

O que suportamos #

O Offline Transcription lê MP3, WAV, M4A, AAC, CAF e OGG para áudio, e MOV e MP4 para vídeo, tanto no Mac como no iPhone. Tudo é convertido internamente para o mono a 16 kHz que o modelo espera, por isso basta largar o ficheiro original e mais nada é preciso.

Ficheiros não suportados ou indescodificáveis são listados com um motivo claro, em vez de falharem em silêncio — incluindo o caso do .mov antigo acima, que mantemos como caso de teste precisamente por ser o que falha em todo o lado.

A versão curta #

O formato quase nunca é o problema. Compressão abaixo de cerca de 64 kbps é um problema real, ficheiros de vídeo sem faixa de áudio são um problema real, e ficheiros MOV antigos são um problema real ocasional. Todo o resto — M4A, MP3, WAV, AAC, CAF, OGG, MP4 — transcreve-se diretamente, e converter primeiro normalmente piora ligeiramente as coisas em vez de as melhorar.