Transcreva áudio em texto com marcações de tempo por palavra e identificação de falantes. Sem instalar nada.
Serviço independente e não oficial, sem vínculo com os autores do WhisperX ou a OpenAI.
Gravações sintéticas curtas processadas pelo WhisperX real. O texto permanece em inglês para comparação com o áudio original. Estes exemplos demonstram o funcionamento e não são testes de precisão em condições reais.
Uma voz · 15.58 segundos · Inglês
Áudio sintético · Saída automática sem edição
0.05–2.31 s
Welcome to this WhisperX example.
2.73–8.26 s
Upload your audio, review the words as you listen, and download a transcript or subtitles.
8.64–12.47 s
You do not need to install software or set up a graphics card.
Saída automática original sem edição. Pode omitir palavras ou atribuir falas incorretamente. Fonte: AMI Consortium / University of Edinburgh, CC BY 4.0. Este trecho não é um teste de precisão nem representa endosso ao serviço.
AMI · EN2009d · 4926.96–5023.53 s
2.00 s · SPEAKER_00Because, you know, if you're told, use the booking system.
4.76 s · SPEAKER_00Well, we think we spoke to all the people who used those facilities the other day, but we could be wrong.
9.89 s · SPEAKER_00Well, that's true.
O WhisperX combina reconhecimento de fala, alinhamento de palavras e identificação opcional de falantes. Envie seu áudio ou vídeo, confira a duração e revise o resultado no navegador. Ouça a gravação, corrija o texto, renomeie os falantes e mantenha tanto o resultado original quanto a versão editada.
O alinhamento do WhisperX estima a posição das palavras no áudio. Clique em uma marcação disponível para ouvir o trecho no contexto. Algumas palavras podem ficar sem marcações de tempo confiáveis. Editar o texto não refaz o alinhamento nem gera novas marcações. Guarde o JSON original para distinguir a saída do modelo da sua revisão.
A identificação de falantes agrupa as falas por voz dentro de uma gravação. Ouça antes de substituir uma etiqueta por um nome. Vozes parecidas, respostas curtas e falas sobrepostas podem causar erros. As etiquetas não comprovam identidades nem permitem reconhecer a mesma pessoa em arquivos diferentes.
Baixe TXT para leitura, JSON para dados estruturados ou SRT e VTT para legendas. TXT e JSON preservam os falantes; SRT e VTT não incluem seus nomes automaticamente. Revisar e baixar um resultado existente não consome mais minutos. As legendas são arquivos separados e não são incorporadas a um novo vídeo.
O teste gratuito aceita inglês. O acesso pago permite transcrever em inglês, espanhol, francês, alemão, italiano, português, chinês e japonês. A transcrição mantém o idioma falado e não traduz o conteúdo. O idioma da interface não altera os idiomas de transcrição disponíveis.
Envie uma gravação que você tenha autorização para processar. Escolha o idioma falado e ative as etiquetas de falantes quando necessário.
Confira a duração e o valor antes de iniciar. A tarefa fica vinculada à sua conta.
Ouça, corrija e baixe o resultado. Preserve a saída original ou exporte sua versão revisada.
Aceita MP3, WAV, M4A, FLAC, OGG, MP4, MOV e WebM. O teste grátis é oferecido uma única vez, inclui 5 minutos e aceita arquivos de até 100 MB e 5 minutos. No acesso pago, cada arquivo pode ter até 500 MB e 60 minutos. É preciso ter uma conta para processar arquivos próprios. Links externos e gravação ao vivo não estão disponíveis.
Os resultados são privados e ficam vinculados à sua conta. Ficam disponíveis por 7 dias no teste e 30 dias no acesso pago; baixe-os antes do vencimento informado. O processamento acontece em um serviço externo, não no navegador. Os minutos são reservados antes do processamento e descontados do saldo após a entrega do resultado; tarefas com falha liberam a reserva.
Envie seu áudio, transcreva com o WhisperX e revise o texto enquanto ouve a gravação.
Transforme a fala do seu vídeo em uma transcrição que você pode revisar e exportar.
Gere legendas da sua gravação, confira as palavras e baixe SRT ou VTT.
Acompanhe as falas de uma conversa e atribua nomes às etiquetas depois de conferir o áudio.
Transforme uma conversa em texto com falantes e tempos por palavra, sem configurar Python ou GPU.
Aprenda a enviar uma gravação, confirmar a cobrança, conferir falantes e tempos e exportar o resultado.
Prepare um ambiente Python isolado, CPU ou GPU compatível e FFmpeg seguindo os requisitos atuais do projeto original.
Entenda o que o WhisperX acrescenta: alinhamento de palavras, grupos de falantes e limitações da saída.
Entenda os grupos de voz, o número de falantes e a revisão de sobreposições e etiquetas incertas.
Verifique sua conta para receber 5 minutos de teste grátis, uma única vez e sem precisar de cartão. Depois, escolha um pacote de minutos ou um plano mensal ou anual. Os minutos dos pacotes valem por 12 meses; os de assinatura expiram em 30 dias. As assinaturas são renovadas até o cancelamento. Confira o valor total antes de pagar.
$0USD
Sem cartão. Uma vez por conta verificada.
5 minutos para testar
Os minutos de teste expiram após 30 dias
$9USD por mês
Renovação mensal. Cancele as próximas renovações em Cobrança.
120 minutos por mês
Os minutos mensais expiram após 30 dias
$29USD por mês
Renovação mensal. Cancele as próximas renovações em Cobrança.
600 minutos por mês
Os minutos mensais expiram após 30 dias
Compre minutos de processamento quando precisar. Sem renovação automática. Os pacotes duram 12 meses e podem ser usados junto com uma assinatura.
$9USD, pagamento único
Sem assinatura. Os minutos não utilizados expiram após 12 meses.
120 minutos para usar quando precisar
$29USD, pagamento único
Sem assinatura. Os minutos não utilizados expiram após 12 meses.
600 minutos para usar quando precisar
Não. É um serviço hospedado independente e não oficial. O projeto de código aberto é mantido separadamente em m-bain/whisperX no GitHub.
Sim. Você precisa de uma conta para enviar e processar arquivos. O modelo roda em um serviço externo; não exige sua própria GPU nem um token de modelo.
Não. O texto mantém o idioma falado. O teste aceita inglês; o acesso pago acrescenta espanhol, francês, alemão, italiano, português, chinês e japonês.
Não. Editar e baixar um resultado existente não usa mais minutos. Uma nova transcrição é outra tarefa com cobrança confirmada separadamente.
Não. Pode haver palavras sem marcações de tempo confiáveis e falantes agrupados incorretamente. Confira o áudio. Editar uma frase não gera novos tempos, e as etiquetas não verificam identidades.
Não. O serviço aceita arquivos enviados com autorização e não baixa mídia de links externos.