Gerador de legendas SRT e VTT online | WhisperX
Gere legendas da sua gravação, confira as palavras e baixe SRT ou VTT.
Serviço independente e não oficial, sem vínculo com os autores do WhisperX ou a OpenAI.
Detalhes do resultado e saída original
Ouça o áudio original e confira o resultado
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.
Legendas para seu editor ou player
SRT usa entradas numeradas e vírgula nos milissegundos; VTT começa com WEBVTT e usa ponto decimal. Ambos seguem os segmentos da transcrição. Confira o comprimento das linhas e o tempo de leitura. Não é possível alinhar um roteiro pronto nem incorporar legendas ao vídeo.
Volte ao trecho que precisa conferir
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.
Identificação de falantes: quem disse o quê
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.
Texto, dados e legendas
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.
Idiomas das gravações
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.
Como funciona
- 1
Envie uma gravação que você tenha autorização para processar. Escolha o idioma falado e ative as etiquetas de falantes quando necessário.
- 2
Confira a duração e o valor antes de iniciar. A tarefa fica vinculada à sua conta.
- 3
Ouça, corrija e baixe o resultado. Preserve a saída original ou exporte sua versão revisada.
Formatos e limites
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.
Arquivos privados e prazo de armazenamento
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.
Escolha sua ferramenta
Áudio em texto ↗
Envie seu áudio, transcreva com o WhisperX e revise o texto enquanto ouve a gravação.
Vídeo em texto ↗
Transforme a fala do seu vídeo em uma transcrição que você pode revisar e exportar.
Gerador de legendas ↗
Gere legendas da sua gravação, confira as palavras e baixe SRT ou VTT.
Identificação de falantes ↗
Acompanhe as falas de uma conversa e atribua nomes às etiquetas depois de conferir o áudio.
Whisper Diarization ↗
Transforme uma conversa em texto com falantes e tempos por palavra, sem configurar Python ou GPU.
Guias do WhisperX
Como usar o WhisperX ↗
Aprenda a enviar uma gravação, confirmar a cobrança, conferir falantes e tempos e exportar o resultado.
Instalação local ↗
Prepare um ambiente Python isolado, CPU ou GPU compatível e FFmpeg seguindo os requisitos atuais do projeto original.
WhisperX ou Whisper ↗
Entenda o que o WhisperX acrescenta: alinhamento de palavras, grupos de falantes e limitações da saída.
Guia de etiquetas de falantes ↗
Entenda os grupos de voz, o número de falantes e a revisão de sobreposições e etiquetas incertas.
Perguntas frequentes
Posso converter MP3 em SRT ou VTT?
Sim. Envie o MP3, transcreva e revise o texto. Os dois formatos podem ser baixados do mesmo resultado sem pagar novamente pela transcrição. WAV e M4A seguem o mesmo processo.
Posso alinhar um roteiro pronto ou realinhar minhas edições?
Não. O serviço começa pelo áudio ou vídeo. As edições mantêm os tempos dos segmentos, mas não geram novos tempos por palavra. Revise a sincronização após mudanças importantes.
Este é o site oficial do WhisperX?
Não. É um serviço hospedado independente e não oficial. O projeto de código aberto é mantido separadamente em m-bain/whisperX no GitHub.
Posso enviar meu arquivo sem instalar nada?
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.
As gravações são traduzidas?
Não. O texto mantém o idioma falado. O teste aceita inglês; o acesso pago acrescenta espanhol, francês, alemão, italiano, português, chinês e japonês.
Editar e baixar custa mais?
Não. Editar e baixar um resultado existente não usa mais minutos. Uma nova transcrição é outra tarefa com cobrança confirmada separadamente.
Os tempos e falantes são sempre corretos?
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.
Posso colar um link do YouTube?
Não. O serviço aceita arquivos enviados com autorização e não baixa mídia de links externos.