Guia

Como transcrever uma gravação de duas horas

Os ficheiros longos falham de formas que os curtos nunca falham — preço ao minuto, limites de carregamento, memória, e transcrições que se desfazem em texto repetido a meio.

30 August 2026

Um memorando de voz de dez minutos transcreve-se bem em quase tudo. Uma reunião de administração de duas horas é outro problema, e a maioria das ferramentas lida mal com ele de uma de quatro formas concretas.

Se tem uma gravação longa e está a tentar perceber porque é que as coisas não estão a correr bem, aqui está o mapa.

As quatro coisas que se estragam #

1. O preço, se estiver a pagar ao minuto #

A transcrição na nuvem é normalmente vendida por minuto de áudio. A uma tarifa típica, uma gravação de duas horas custa alguns euros — tolerável uma vez, doloroso como hábito. Se grava uma reunião semanal de duas horas, está perante uma subscrição que vai mesmo notar, por algo que o seu portátil consegue fazer enquanto vai buscar um café.

Esta é a mais fácil de resolver das quatro: a transcrição local não tem contador por minuto, porque não há contador nenhum.

2. Tempo de carregamento e limites de ficheiro #

Um WAV de duas horas pode ter várias centenas de megabytes. Carregá-lo no Wi-Fi de um hotel demora mais tempo do que a própria reunião demorou, e muitos serviços limitam o tamanho ou a duração do ficheiro e simplesmente recusam-no.

O contorno a que as pessoas recorrem é comprimir ou dividir o ficheiro antes do carregamento, o que custa qualidade e cria os problemas de fronteira do ponto quatro.

3. Memória, na sua própria máquina #

Se transcrever localmente, a ferramenta tem de manter o áudio em memória como amostras em bruto. Duas horas a 16 kHz são cerca de 470 MB de amostras em vírgula flutuante, e o Whisper constrói por cima disso um espectrograma de tamanho comparável.

Num Mac com 16 GB de RAM, ninguém dá por isso. Num iPhone, uma aplicação que carregue ingenuamente o ficheiro inteiro é terminada pelo sistema a meio — razão pela qual algumas aplicações de transcrição móveis limitam discretamente a duração dos ficheiros, ou estoiram em gravações longas sem explicar porquê.

A solução é transcrever por janelas: descodificar um troço, transcrevê-lo, libertá-lo, seguir em frente. O pico de memória passa então a depender do tamanho da janela e não da duração do ficheiro, e uma gravação de duas horas custa aproximadamente o mesmo que uma de quinze minutos.

4. A transcrição desfaz-se a meio #

Esta é a que surpreende as pessoas, porque os primeiros dez minutos parecem perfeitos.

As gravações longas contêm silêncio — antes de a reunião começar, durante a pausa, depois de todos saírem. O Whisper gera texto para o que quer que lhe deem e, quando lhe dão silêncio, repete-se, às vezes durante páginas. Escrevemos sobre a causa em detalhe, porque é a queixa mais comum sobre a transcrição automática.

Num ficheiro de duas horas isto não é um problema cosmético. Pode transformar o último quarto da sua transcrição em ruído.

Conseguir um processamento limpo #

Grave o ficheiro de forma a que possa ser transcrito #

Tudo o que vem a seguir se decide aqui, e vale trinta segundos de reflexão antes de uma sessão longa:

• Ponha o microfone mais perto de quem fala do que do ar condicionado. Um telemóvel no meio da mesa de reuniões é o erro clássico — está equidistante de todos, o que significa que está longe de todos.
• Grave sem compressão, se puder. WAV ou M4A com uma taxa de bits normal. A compressão pesada remove exatamente o detalhe de alta frequência que distingue consoantes parecidas.
• Pare o gravador quando a reunião acabar. Vinte minutos de barulho de arrumação são a matéria-prima do problema da repetição.

Defina o idioma explicitamente #

A deteção automática analisa o início do ficheiro. Se a sua gravação começar com trinta segundos de ruído de sala, ou com alguém a falar um idioma diferente do resto da reunião, a deteção pode escolher mal e ficar errada durante duas horas.

Se souber o idioma, defina-o. No Offline Transcription pode manter premido o botão Transcrever de um ficheiro e escolher diretamente o idioma, o que importa sobretudo quando está a transcrever um conjunto de gravações em idiomas diferentes.

Inicie e vá fazer outra coisa #

Um ficheiro de duas horas num Mac moderno com Apple Silicon leva minutos, não horas — o motor no dispositivo corre várias vezes mais depressa do que o tempo real. Num Mac Intel mais antigo é mais lento, e vale a pena iniciá-lo antes do almoço em vez de ficar a ver.

O que quer da aplicação enquanto ela corre é honestidade: uma percentagem e um tempo restante, para saber se está a trabalhar ou se está encravada. Um indicador a rodar sem progresso num ficheiro de duas horas é indistinguível de um bloqueio.

Verifique as fronteiras, não a coisa toda #

Não vai rever duas horas de texto. E não tem de o fazer.

Os erros numa transcrição longa concentram-se em sítios previsíveis: nomes e siglas, o primeiro minuto (antes de o modelo ter contexto), os momentos em que as pessoas falam por cima umas das outras, e qualquer ponto em que a gravação muda de carácter — alguém entra em alta-voz, a sala muda, começa a passar um vídeo.

Uma vista por segmentos com marcações de tempo torna isto rápido: percorra esses momentos e reproduza o áudio por trás de qualquer linha que pareça errada, em vez de percorrer uma forma de onda de duas horas à procura dela.

Se tiver uma pilha de gravações longas #

A mecânica de cada ficheiro importa menos do que a fila. Largue-os todos, deixe-os correr em sequência, e volte mais tarde — localmente não há razão para os fazer um de cada vez, porque não há carregamento nem custo por ficheiro.

A única coisa que vale a pena fazer ficheiro a ficheiro é definir o idioma, se forem diferentes.

A versão curta #

As gravações longas falham no preço, nos limites de carregamento, na memória e na repetição provocada pelo silêncio. A transcrição local elimina as duas primeiras por completo. Para as outras duas, quer uma ferramenta que transcreva por janelas em vez de carregar o ficheiro inteiro, e que corra deteção de atividade vocal para que os trechos silenciosos nunca cheguem ao modelo. Depois verifique a transcrição nas fronteiras, em vez de ler as duas horas todas.

O Offline Transcription trata especificamente do caso das duas horas: transcrição por janelas para a memória se manter estável, deteção de voz para o silêncio não se transformar em texto repetido, e progresso em tempo real com um tempo restante para saber onde está. É gratuito para transferir e experimentar, no Mac e no iPhone.