Guia do WhisperX
WhisperX e Whisper: transcrição, tempos e falantes
Entenda o que o WhisperX acrescenta: alinhamento de palavras, grupos de falantes e limitações da saída.
Equipe WhisperX · Revisado em 15 de outubro de 2026
O que foi dito
Whisper é a família de modelos de reconhecimento de fala. Prevê texto a partir do áudio. O alinhamento posterior não corrige um nome reconhecido errado.
Quando foi dito
O WhisperX acrescenta alinhamento específico por idioma para estimar onde cada palavra aparece. Algumas ficam sem marcações de tempo confiáveis, e editar o texto não os recalcula.
Quem falou
A identificação opcional agrupa as falas por voz. Etiquetas não são identidades pessoais. Vozes parecidas e falas sobrepostas precisam de revisão.
Escolha conforme o resultado que você precisa
Para um rascunho, só a transcrição pode bastar. Para navegar pela gravação, trabalhar com marcações de tempo e revisar entrevistas, o alinhamento e a identificação de falantes podem ajudar. Confira o texto, tempos ausentes e etiquetas; teste legendas com a mídia correspondente.
Considere o contexto dos testes de desempenho
Velocidade e taxa de erro dependem do hardware, dos dados e da configuração do teste. Esses números não são uma garantia para sua gravação. Compare o mesmo arquivo e registre os modelos e parâmetros.