Converter MP3 para texto em português brasileiro

Inscreva-se no VexaScribe — 30 minutos grátis na inscrição, sem cartão de crédito. Arraste seu arquivo MP3 (até 5 GB e 10 horas) na interface. Whisper Large-v3 da OpenAI detecta automaticamente o português brasileiro (Tier 1, precisão 93-95% em áudio limpo) e gera a transcrição em 5-10 minutos por hora de áudio. Saída: texto com identificação automática de locutores e timestamps ao nível da palavra, exportável em TXT, DOCX, SRT, VTT ou JSON. Acima dos 30 minutos grátis, o plano Starter a partir de US$ 2/mês (~R$ 11) inclui 200 minutos mensais — equivalente a cerca de 3 podcasts de 1 hora ou 4-5 entrevistas longas.

Depende do uso. Para qualidade profissional Whisper Large-v3, conformidade com a LGPD e hospedagem em servidor europeu: VexaScribe (US$ 2-20/mês, 30 minutos grátis). Para serviço brasileiro com Pix: Sintesy (R$ 39,90/mês via Woovi) ou VozParaTexto (R$ 19,90/mês). Para uso pontual gratuito: TurboScribe (3 arquivos de 30 min/dia) ou Whisper local (gratuito mas requer GPU NVIDIA). O Microsoft Word (Office 365) tem função Transcrever que aceita MP3 — limite ~80 min/arquivo, precisão moderada em PT-BR (~85-90%). Google Docs NÃO transcreve MP3 diretamente, apenas ditado ao vivo. ChatGPT Plus aceita MP3 via upload mas com limite ~25 MB por arquivo.

O Microsoft Word (com assinatura Office 365 Personal, Family ou Business) tem a função Ditar e Transcrever desde 2020. Caminho: abra Word online ou desktop → guia Página Inicial → botão Ditar (ícone microfone) → seta para baixo → Transcrever → fazer upload do arquivo MP3 ou gravar diretamente. Limites: até 80 minutos por arquivo para Microsoft 365 Personal/Family; até 5 horas de upload por mês. Idiomas suportados variam por plano — verifique se português brasileiro está incluído. Precisão típica em PT-BR: 85-90%. Para precisão superior (~93-95% com Whisper Large-v3) e volume maior, VexaScribe é mais adequado, especialmente para podcasts longos (2-4h típicos no Brasil).

Não diretamente. O Google Docs tem Ditado de voz (Ferramentas → Ditado por voz, atalho Ctrl+Shift+S), mas funciona apenas com microfone ao vivo — não aceita upload de arquivo MP3. Para transcrever um MP3 usando ferramentas Google: opção 1 — Google Cloud Speech-to-Text API (paga, requer conta GCP e setup técnico); opção 2 — abrir o MP3 no player do computador e usar o Ditado do Docs para 'escutar' o áudio reproduzido (workaround impreciso, precisão ruim); opção 3 — usar Google Recorder (Android) e exportar para texto, mas só funciona em gravações novas, não em MP3 existentes. Para upload direto de MP3 com qualidade Whisper Large-v3, VexaScribe ou alternativas similares são mais práticos.

VexaScribe aceita MP3 de até 5 GB e 10 horas por arquivo — cobre confortavelmente podcasts brasileiros longos do estilo Flow Podcast, PodPah, Inteligência Ltda. Workflow para podcast de 3h: (1) upload direto do MP3 (típico 200-500 MB em 192 kbps) → (2) processamento em 15-30 minutos → (3) diarização automática identifica cada convidado separadamente (até 10 vozes distintas) → (4) editar no painel: renomear Speaker 1 → Igor Coelho, Speaker 2 → convidado(a), corrigir nomes próprios e jargão técnico → (5) exportar TXT para show notes do site + SRT para versão vídeo no YouTube + tradução para inglês/espanhol para audiência internacional. Custo no plano Pro (US$ 10/mês): ~US$ 1,20 por episódio de 3h (~R$ 6,60). Comparação: transcritor humano brasileiro cobraria R$ 540-1.440 pelo mesmo episódio.

Português brasileiro está no Tier 1 do Whisper Large-v3 — precisão equivalente ao inglês. Em áudio limpo (estúdio, microfone lavalier, sem ruído): 93-95% de precisão. Por sotaque regional: paulista 94-96%, carioca 93-95%, sulista 92-95%, mineiro 92-94%, nordestino/baiano 88-92%. Por condição de gravação: estúdio profissional 95-97%, escritório com microfone USB 92-95%, microfone integrado de laptop 88-92%, smartphone em ambiente ruidoso 80-88%. Nomes próprios (marcas, pessoas, lugares) e jargão técnico ficam em 20-30% de erro mesmo em áudio limpo — corrija no editor antes de exportar. Fonte: benchmark Distil-Whisper Large-v3 PT-BR no Hugging Face atinge 8,22% Word Error Rate em Common Voice Brasil.

Sim, mas com esclarecimento importante: áudios do WhatsApp NÃO são MP3. No Android, o WhatsApp salva áudios no formato .opus (não .mp3); no iPhone, ao exportar, gera arquivos .m4a. VexaScribe aceita todos esses formatos diretamente, sem necessidade de conversão prévia para MP3. Workflow: pressionar áudio no WhatsApp → Compartilhar ou Salvar em Arquivos → fazer upload do .opus ou .m4a no VexaScribe. Como o WhatsApp tem recurso nativo de transcrição desde nov/2024, vale considerar primeiro o nativo para áudios curtos não-encaminhados. Para áudios encaminhados, WhatsApp Web/Desktop, áudios longos ou exportação como arquivo, VexaScribe é mais adequado — veja nossa página dedicada sobre transcrição WhatsApp.

Sim, é armazenado de forma segura conforme LGPD. Localização: AWS eu-west-2 (Londres) — adequada conforme decisão de adequação UE-Reino Unido. Criptografia: TLS 1.2+ em trânsito, AES-256 em repouso. Compromissos contratuais: VexaScribe NÃO usa seus áudios ou transcrições para treinar modelos de IA (diferencial vs Otter.ai, que treina por padrão com opt-out manual). Exclusão controlada: você pode apagar arquivos individuais ou conta completa a qualquer momento pelo painel ou via API. Para uso profissional sensível (advocacia, medicina, jornalismo, RH), DPA (Acordo de Tratamento de Dados) disponível mediante solicitação. Diferencial relevante: serviços hospedados nos EUA (Otter, Notta, Transkriptor) estão sujeitos ao Cloud Act americano — autoridades dos EUA podem acessar dados sem notificação ao titular brasileiro.

Cinco formatos disponíveis em todos os planos pagos. (1) TXT — texto simples para copiar e colar em qualquer editor ou CMS. (2) DOCX — Word formatado com locutores e timestamps, ideal para entregar ao redator ou importar em NVivo, ATLAS.ti, MAXQDA (análise qualitativa em pesquisa acadêmica). (3) SRT — legendas no padrão SubRip compatível com YouTube, Vimeo, Premiere Pro, DaVinci Resolve, Final Cut, CapCut. (4) VTT — legendas WebVTT para lecteurs HTML5 em sites próprios. (5) JSON — dados estruturados com speaker_id, timestamps ao nível da palavra e metadados, para desenvolvedores construindo workflows próprios. PDF não está na lista nativa, mas é trivial converter: exporte DOCX → abra no Word ou Google Docs → Imprimir → Salvar como PDF. Todos os formatos disponíveis também no teste grátis de 30 minutos.

Pouco, acima de 64 kbps. Whisper Large-v3 aceita bitrates >= 64 kbps sem perda notável de precisão. Testes internos VexaScribe em áudio FR padronizado: MP3 128 kbps → 93-95% precisão, MP3 192 kbps → 93-95%, MP3 320 kbps → 93-95%. Mesmo valor. Em 64 kbps, a qualidade audio degrada perceptivelmente e a precisão pode cair para 88-90% por causa do audio (não pelo bitrate). Por quê: Whisper resampling interno para 16 kHz mono — informação acima de 8 kHz não é usada para transcrição. Conclusão prática: a qualidade do microfone e o ambiente importam MUITO mais que o bitrate. Um MP3 128 kbps gravado em estúdio com lavalier dará 95% de precisão; um MP3 320 kbps gravado no smartphone em café ruidoso dará 80-85%. Conclusão: não reencode seus MP3 — os padrões streaming (128-192 kbps) já são ótimos.