Configurações da transcrição

Antes de transcrever, o Audiotext mostra as configurações da transcrição, agrupadas em cartões. Elas são lembradas para a próxima vez, e cada transcrição guarda as configurações com que foi feita.

Mecanismo

O Método de transcrição:

Mecanismo	Onde roda	Custo	Observações
WhisperX (padrão)	Seu computador	Grátis e ilimitado	Privado e offline. Mais opções: falantes, tempos por palavra, texto ao vivo. Roda na GPU dos Macs com Apple Silicon.
API do Whisper	Servidores da OpenAI	Pago por minuto	Exige uma chave de API da OpenAI. Para computadores que não rodam o WhisperX com fluidez.
API do Google	Servidores do Google	Camada gratuita, ou pago	Qualidade menor e sem carimbos de tempo. A chave de API é opcional.

O Modelo depende do mecanismo. Com o WhisperX, os modelos maiores são mais precisos, porém mais lentos. Com a API do Whisper, ele define se a transcrição tem carimbos de tempo e falantes. Consulte Mecanismos para compará-los.

Idioma

• Idioma do áudio: Detectar automaticamente por padrão. Escolhê-lo evita erros em áudios curtos ou misturados. A API do Google não consegue detectá-lo, então você precisa escolhê-lo.
• Idioma da transcrição: O mesmo do áudio por padrão. Escolha outro idioma para traduzir o áudio durante a transcrição.

Quando os dois idiomas são diferentes, aparecem as opções de Tradução:

• Traduzir com o Whisper (recomendado): o Whisper transcreve e traduz o áudio em uma única etapa. Ele só traduz para o inglês.
• Escrevê-la diretamente em idioma (experimental): o Whisper é instruído a escrever a transcrição diretamente nesse idioma. Funciona bem em muitos idiomas, mas confira o resultado.

A API do Google não traduz. Para traduzir uma transcrição para qualquer idioma depois, com mais provedores, use o botão Traduzir da transcrição.

Contexto

Dois campos opcionais que ajudam o modelo:

• Palavras-chave: nomes, termos ou siglas ditos no áudio, separados por vírgulas (ex.: Audiotext, WhisperX, Henestrosa), para que sejam escritos corretamente. São só dicas: uma palavra-chave só é escrita se for dita no áudio.
• Descrição: do que o áudio trata, como o tema ou o contexto (ex.: Uma entrevista sobre reconhecimento de fala).

Eles são usados pelo WhisperX e pela API do Whisper, exceto pelo modelo gpt-4o-transcribe-diarize. A API do Google não os usa.

Opções

• Tempos por palavra (WhisperX): alinha cada palavra ao áudio, para destacá-la durante a reprodução e para revisar as palavras de que tem menos certeza. Demora um pouco mais. Ativado por padrão. As legendas precisam dos tempos das palavras, então ela é ativada e bloqueada enquanto .srt ou .vtt estiverem escolhidos nos Tipos de arquivo de uma pasta; a sua escolha volta quando deixam de estar.
• Reduzir o ruído de fundo: reduz o zumbido e o ruído de fundo constante, e equilibra a fala baixa, antes de transcrever. Demora mais.
• Identificar falantes (WhisperX): indica quem fala em cada parte, ex.: SPEAKER_00. Se você souber quantas pessoas falam, informe em Número de falantes (0 detecta automaticamente). Exige um token gratuito do Hugging Face; consulte Identifique os falantes. Com a API do Whisper, o modelo gpt-4o-transcribe-diarize identifica os falantes.

Identifique os falantes

O modelo que identifica os falantes, pyannote/speaker-diarization-community-1, é gratuito, mas exige um token do Hugging Face:

1. Crie uma conta no Hugging Face e aceite as condições do pyannote/speaker-diarization-community-1.
2. Crie um token com a função Read nas suas configurações.
3. Clique em Definir token do Hugging Face… e cole-o.

O modelo é baixado na primeira vez que é usado. Depois disso, os falantes são identificados offline.

Texto ao vivo

Só aparece para o microfone. Consulte Texto ao vivo.

Pasta e Saída

Só aparecem para pastas:

• Monitorar a pasta: consulte Monitore uma pasta.
• Transcrever os arquivos que já estão na pasta (só ao monitorar): transcreve primeiro os arquivos que a pasta já contém e que ainda não têm transcrição. Desativado por padrão.
• Incluir subpastas: também transcreve os arquivos das subpastas.
• Ignorar arquivos que correspondam a: nomes ou caminhos dos arquivos a ignorar, separados por vírgulas (ex.: *.wav, drafts/*). Os arquivos ocultos são sempre ignorados.
• Tipos de arquivo: com o WhisperX, um ou mais entre .txt, .srt, .vtt, .json, .tsv e .aud. Com a API do Whisper, o formato dos arquivos (text, json, verbose_json, srt ou vtt); as legendas exigem um modelo com carimbos de tempo. A API do Google retorna texto simples (.txt).
• Local: os arquivos são salvos ao lado de cada arquivo de origem. Clique em Alterar… para salvá-los em outra pasta (as subpastas são recriadas), ou em Ao lado da origem para voltar.

Os arquivos que já têm uma transcrição são ignorados. Para transcrevê-los de novo, use as opções dos arquivos da pasta.

As opções das legendas (largura da linha, número de linhas, palavras destacadas) ficam nas Preferências.