O TurboScribe é um serviço de transcrição com IA executado no navegador e baseado no Whisper, que converte áudio e vídeo em texto em mais de 98 idiomas, com reconhecimento de locutores, exportação de legendas e tradução integrada. O plano gratuito cobre três arquivos por dia, e o plano ilimitado remove as cotas para pesquisadores, jornalistas e podcasters.
Já usou esta ferramenta? Avalie-a
Já usou esta ferramenta? Avalie-a
O TurboScribe é um serviço de transcrição executado no navegador que converte arquivos de áudio e vídeo em texto legível e editável. Você envia uma gravação, escolhe o idioma e o modo de qualidade e, alguns segundos ou minutos depois, recebe uma transcrição formatada que pode ler, pesquisar, corrigir, traduzir e exportar como documento ou arquivo de legendas.
O que define este produto não é a precisão isolada, mas a eliminação do modelo de cobrança por minuto que domina esta categoria. O site apresenta-se como «o único serviço de transcrição ilimitada do mundo», sem tetos nem cotas, e o plano pago vende transcrição ilimitada em vez de um pacote de minutos ou horas. Para quem já acompanhou uma fatura por minuto crescer ao longo de um projeto de pesquisa, essa decisão de estrutura de preço costuma pesar bem mais do que uma diferença de décimos na taxa de erro.
No plano técnico, o TurboScribe não opera um modelo de voz próprio. Ele executa o Whisper, da OpenAI, e declara isso abertamente na página inicial. Isso importa mais do que uma nota técnica de rodapé: significa que a qualidade de transcrição obtida é, em essência, a qualidade do Whisper, amplamente documentada na pesquisa pública. A contribuição de engenharia da própria empresa está em outro lugar: capacidade de processamento, velocidade, marcação de locutores, tradução, gestão de arquivos e desenho econômico do plano.
O serviço é conduzido por uma equipe pequena. As perguntas frequentes do site são escritas na primeira pessoa pelo fundador, que se apresenta como Leif e afirma ter passado quase uma década construindo sistemas de inteligência artificial em empresas como a Meta. Os pedidos de suporte chegam a um endereço de e-mail pessoal. Vale saber disso antes de comparar o serviço com fornecedores voltados a grandes empresas: você compra um produto focado e contato direto com seu criador, não uma organização com processos formais de compra e acordos de nível de serviço negociáveis.
O mercado de voz para texto divide-se em quatro grupos. Há os serviços de transcrição humana, cobrados por minuto, com precisão quase perfeita entregue em horas ou dias. Há os assistentes de reunião, que entram nas chamadas ao vivo e produzem resumos. Há as suítes criativas, que tratam a transcrição como uma linha do tempo para editar o material. E há as ferramentas puras, do tipo arquivo entra, texto sai.
O TurboScribe pertence claramente ao quarto grupo e otimiza um único eixo: volume processado por valor gasto. Ele não entra nas suas reuniões, não edita vídeo e não pretende ser um espaço de trabalho. Recebe arquivos e devolve texto em grande quantidade por uma mensalidade fixa. Compreender esse escopo é o caminho mais rápido para decidir se ele serve ao seu fluxo, porque a maior parte da frustração com o produto nasce da expectativa de que ele seja um dos outros três.
O plano ilimitado elimina cotas por arquivo e por minuto. As perguntas frequentes oficiais são incomumente diretas sobre o que isso significa na prática: não há teto de uso global, os clientes transcrevem rotineiramente centenas de horas por mês e a única regra é não compartilhar a conta com outras pessoas.
A empresa publica ainda uma meta de engenharia em vez de se abrigar em linguagem vaga: seus sistemas são projetados para permitir a transcrição de pelo menos 720 horas de áudio ou vídeo por mês, o que, como ela mesma observa, equivale a transcrever vinte e quatro horas por dia durante trinta dias seguidos. Acima desse patamar, descrito como os 0,1% de uso mais intenso, o serviço encaminha para um guia de uso em vez de interromper o atendimento. É uma postura bastante mais honesta do que a norma do setor, que consiste em anunciar ilimitado e enterrar uma limitação nos termos.
Em vez de expor um modelo opaco, o serviço deixa você equilibrar precisão e velocidade arquivo a arquivo. Os três modos correspondem diretamente a tamanhos específicos de modelos Whisper:
base de 74 milhões de parâmetros. A documentação oficial indica cerca de 20 a 30 segundos por hora de material.small de 244 milhões de parâmetros, em torno de três minutos por hora de material.large-v2 de 1,55 bilhão de parâmetros, em menos de dez minutos por hora de material.O Whale é o padrão, e é o padrão correto. Como a diferença entre os modos está na capacidade do modelo, e não em um acabamento posterior, a escolha do modo é a maior alavanca de qualidade nas suas mãos. Assim que o material apresenta sotaques, vocabulário técnico ou áudio imperfeito, permanecer no Whale deixa de ser opcional.
O reconhecimento de locutores é ativado por uma caixa de seleção antes do envio e marca cada trecho da transcrição com quem está falando. Você pode declarar o número de participantes — a interface oferece valores de dois a oito — ou deixar que o sistema detecte automaticamente. A documentação oficial informa que isso acrescenta um a dois minutos de processamento por hora de áudio.
A dica prática é simples: declare o número de locutores quando o souber. A detecção automática precisa deduzir do próprio sinal quantas vozes existem, e restringir esse espaço de busca com um valor conhecido costuma render fronteiras de trecho mais limpas do que deixar o sistema adivinhar.
A tradução funciona como etapa separada da transcrição, e essa distinção de arquitetura é útil. Depois que a transcrição existe, um botão abre uma ferramenta em que você escolhe o idioma de destino e o formato do arquivo, obtendo uma transcrição ou legendas traduzidas. A empresa indica cobertura de mais de 130 idiomas.
Existe ainda uma opção distinta, aplicada no momento do envio, que transcreve diretamente para o inglês áudio em qualquer idioma compatível, sem passar antes pelo idioma original. Os dois caminhos produzem resultados diferentes e atendem a necessidades diferentes: a ida direta ao inglês é uma conveniência em uma única etapa, enquanto transcrever e depois traduzir preserva uma versão verificável no idioma de origem.
Para gravações realmente ruins, uma opção de restauração usa inteligência artificial para remover ruído de fundo e realçar a fala antes da transcrição. As orientações oficiais são louvavelmente contidas: descrevem o recurso como último recurso, reservado a arquivos de má qualidade, e advertem que ele acrescenta dois a três minutos de processamento por hora de material. Tratar a redução de ruído como alternativa de reserva, e não como padrão, é tecnicamente sensato, pois um processamento agressivo pode introduzir distorções próprias em gravações que não precisavam dele.
As transcrições são exportadas em PDF, DOCX, TXT, CSV e como legendas SRT e VTT. A opção CSV passa facilmente despercebida, mas é valiosa para análise estruturada, já que permite carregar trechos com marcação de tempo diretamente em uma planilha ou em um script de análise.
As ações em lote cuidam da exportação de vários arquivos, e a exportação por pastas abrange até 1.000 transcrições de uma vez. O plano ilimitado permite enviar cinquenta arquivos simultaneamente. Juntos, esses recursos tornam projetos de acervo em larga escala praticáveis, e não apenas teoricamente possíveis.
O serviço aceita a grande maioria dos contêineres de áudio e vídeo comuns, entre eles MP3, M4A, MP4, MOV, AAC, WAV, OGG, OPUS, MPEG, WMA, WMV, AVI, FLAC, AIFF, ALAC, MKV e WEBM. Na prática, isso significa que raramente é preciso converter algo antes do envio, o que elimina uma etapa tediosa em trabalhos de acervo nos quais os originais chegam em formatos heterogêneos.
Esta seção merece exame especial, porque o número de vitrine é o dado mais citado e menos verificado sobre este produto.
O TurboScribe anuncia 99,8% de precisão com destaque em todo o site. Esse número é declarado pelo próprio fornecedor e não passou por auditoria independente. Não são publicados a metodologia de teste, o conjunto de dados, as condições acústicas nem o critério de contagem de erros. Como na maioria dos números de precisão desta categoria, ele deve ser lido como valor de melhor caso, obtido com gravações limpas, nítidas, de um único locutor e em idioma bem suportado — não como garantia aplicável ao seu material.
Como o modo Whale executa o Whisper large-v2, as medições públicas desse modelo específico são diretamente pertinentes. A avaliação independente da Artificial Analysis situa o Whisper large-v2 em uma taxa de erro de palavra de 4,1% em um conjunto de referência que combina áudio conversacional, discursos parlamentares e gravações de teleconferências de resultados. Isso corresponde a cerca de 95,9% de palavras corretas em material realista e variado: um resultado excelente para reconhecimento automático de fala e, ao mesmo tempo, visivelmente abaixo de 99,8%.
A diferença não comprova desonestidade. Ela reflete um fato bem compreendido: a precisão é função do áudio, não uma propriedade fixa do modelo. Uma narração em inglês gravada em estúdio pode de fato se aproximar do número mais alto; material real e heterogêneo, não.
A pesquisa pública sobre o Whisper documenta com clareza os modos de falha, e eles se transferem diretamente por se tratar da mesma família de modelos:
large-v3 avançou nesse ponto em relação às versões anteriores. Como o Whale funciona com large-v2, quem trabalha com material fortemente marcado por sotaque está na geração anterior a essa melhoria.Na dimensão dos idiomas, a empresa é transparente. Suas próprias respostas registram que a precisão varia conforme o idioma, publicam uma lista dos idiomas de melhor desempenho e recomendam explicitamente testar primeiro no plano gratuito. Esse conselho merece ser seguido ao pé da letra.
Os relatos de comunidades e usuários convergem para um quadro coerente: excelente em áudio limpo com um só locutor, separação nítida de vozes em entrevistas a dois bem gravadas, e degradação da marcação assim que três ou mais participantes falam por cima uns dos outros. Para qualquer uso em que um erro tenha consequência real — jurídico, médico, citação jornalística, conformidade — a transcrição deve ser tratada como um rascunho de alta qualidade a verificar contra o áudio original, e não como registro definitivo.
Quem conduz estudos por entrevistas enfrenta um problema estrutural de custo: a transcrição é cobrada por minuto, e o trabalho qualitativo rigoroso gera muitas horas de conversa. Uma mensalidade fixa altera o próprio desenho da pesquisa, porque remove o incentivo de gravar menos ou de transcrever apenas parte do material. O depoimento de um professor publicado no site ilustra a magnitude: antes, ele atribuía aos alunos oito horas de trabalho para cada hora de áudio.
O reconhecimento de locutores e a exportação em CSV são aqui os recursos decisivos, já que codificar dados qualitativos costuma exigir atribuir falas a participantes específicos e levar trechos para um programa de análise.
Repórteres precisam de texto pesquisável com rapidez, e o valor muitas vezes está em localizar uma citação dentro de uma conversa de noventa minutos, não em publicar a transcrição. O modo Whale somado à marcação de locutores transforma uma gravação em documento pesquisável em poucos minutos. A disciplina essencial é conferir cada citação contra o áudio original antes de publicar: a transcrição automática erra sistematicamente em nomes próprios, e uma citação alucinada ou mal atribuída constitui falta profissional grave.
Produtores usam transcrições para páginas de episódio, visibilidade em buscadores, cortes para redes sociais e acessibilidade. O modelo ilimitado combina com um programa semanal que carrega acervo, pois recuperar transcrições de episódios antigos é exatamente o tipo de carga em massa que a cobrança por minuto penaliza. Formatos de entrevista a dois são o terreno ideal para a separação de vozes; mesas-redondas com muitas interrupções exigem limpeza manual das marcações.
A exportação em SRT e VTT, somada à tradução para mais de 130 idiomas, cobre um fluxo completo de legendagem sem ferramentas adicionais. O criador transcreve o vídeo, revisa o texto em busca de erros e depois gera arquivos de legenda traduzidos para vários mercados. Revisar antes de traduzir é determinante, pois a tradução propaga os erros de transcrição para todos os idiomas seguintes.
Reuniões e aulas gravadas transcrevem bem, porque esse tipo de conteúdo costuma ser estruturado, conduzido por alguém e captado em condições razoáveis. Vale notar que o serviço não entra em chamadas ao vivo: ele processa arquivos depois do fato, o que só funciona se você já gravar. Para uma equipe, isso significa que a etapa de gravação precisa existir no processo antes que a ferramenta traga utilidade.
A empresa se dirige explicitamente a essas áreas: sua página sobre segurança começa lembrando que muitos clientes atuam em campos como direito ou medicina, nos quais segurança de dados, privacidade e sigilo são críticos. A arquitetura de privacidade sustenta bem esse posicionamento. A ressalva sobre precisão, contudo, vale aqui com força máxima: terminologia especializada e detalhes de consequência exigem verificação humana, e atividades reguladas obrigam a checar se o armazenamento nos Estados Unidos e a ausência de contrato formal assinado atendem às suas obrigações.
A página inicial informa que não é preciso conta para uma primeira transcrição, o que permite arrastar um arquivo e avaliar a qualidade antes de qualquer compromisso. Use uma amostra realmente representativa — o seu pior áudio habitual, não o melhor —, porque é essa gravação que determinará se a ferramenta funciona para você.
Selecione o idioma de origem em vez de confiar nos padrões. O serviço agrupa os idiomas em «populares», «de alta precisão» e «outros», e essa própria classificação é um sinal útil. Se o seu idioma estiver no terceiro grupo, ajuste as expectativas para baixo e teste com cuidado.
Comece pelo Whale, o padrão e o mais preciso. Só desça para Dolphin ou Cheetah quando a velocidade realmente importar mais que a qualidade, por exemplo para localizar um momento em uma gravação longa em vez de produzir um documento aproveitável. O tempo economizado se mede em minutos; o custo em qualidade pode se medir em horas de correção.
Ative-o para qualquer gravação com várias pessoas e especifique o número quando o souber. Esse ajuste é aplicado no momento do envio, de modo que errar significa reprocessar o arquivo.
Reserve essa opção para gravações realmente degradadas. Ela consome tempo extra de processamento e é, como o próprio fornecedor recomenda, um último recurso e não uma melhoria padrão.
Leia a transcrição acompanhando o áudio e corrija nomes próprios, termos técnicos e qualquer trecho que soe estranhamente fluente: uma desenvoltura incomum em um trecho difícil pode sinalizar alucinação. Só então exporte no formato desejado. Corrija antes de traduzir e antes de gerar legendas, para que os erros não se multipliquem adiante.
Conserte a gravação, não a transcrição. Cada melhoria no áudio de origem se paga várias vezes em esforço de correção evitado. Microfones separados, uma sala silenciosa e participantes que evitem falar por cima farão mais pelo resultado do que qualquer ajuste na interface.
Agrupe o trabalho de acervo. Como o plano ilimitado permite cinquenta envios simultâneos e exportações por pasta de até mil transcrições, projetos acumulados rendem mais quando tratados em lotes planejados do que arquivo a arquivo.
Faça um piloto por idioma. Antes de comprometer um projeto multilíngue, transcreva uma amostra curta em cada idioma no plano gratuito. As listas publicadas pelo fornecedor são apenas ponto de partida: quem determina o resultado são seus locutores, seus sotaques e seu vocabulário setorial.
Trate a alucinação como risco real, não teórico. Em idiomas com poucos recursos e em trechos quase silenciosos, o Whisper pode gerar texto que jamais foi dito. Passagens cuja fluidez destoa do restante merecem conferência direta contra a gravação.
Não compartilhe sua conta. Essa é a única regra explícita ligada ao plano ilimitado. Equipes precisam de contas separadas, e a empresa publica orientações específicas para organizações.
Ele serve sobretudo a usuários individuais de alto volume: pesquisadores, jornalistas, produtores de podcast, estudantes, professores e profissionais autônomos que processam muitas horas de gravação e querem custos previsíveis. A equação econômica joga a seu favor justamente quando o volume é alto, pois uma taxa fixa diante de uso ilimitado recompensa o uso intenso.
Serve igualmente a criadores de conteúdo multilíngue, com mais de 98 idiomas de transcrição e mais de 130 de tradução reunidos em um único produto.
Serve surpreendentemente bem a profissionais atentos à privacidade para uma ferramenta desta faixa de preço, graças ao processamento interno e aos compromissos sobre treinamento detalhados adiante.
Serve mal a equipes que querem capturar e resumir reuniões ao vivo, a editores que esperam uma linha do tempo acoplada à transcrição e a organizações que exigem contratos assinados de tratamento de dados, garantias de disponibilidade ou armazenamento fora dos Estados Unidos. Também não é a ferramenta certa se você precisa de exatidão literal certificada sem revisão humana: nenhum serviço automatizado, este incluído, entrega isso.
O TurboScribe funciona no navegador web. Não exige instalação e os arquivos são enviados pela interface do navegador, de modo que o serviço opera nos diferentes sistemas de desktop sem versões específicas por plataforma.
Os limites de envio do plano pago são generosos: cada arquivo pode ter até dez horas e cinco gigabytes, com até cinquenta arquivos por vez. O plano gratuito limita cada arquivo a trinta minutos e a um arquivo de cada vez.
Uma integração merece registro: a empresa publicou uma extensão que permite resumir transcrições e conversar sobre elas no ChatGPT. Trata-se de uma ponte para um assistente externo, e não de um recurso de resumo embutido — distinção relevante se você esperava sínteses nativas ao lado da transcrição. Os detalhes de cobrança para equipes devem ser conferidos na documentação oficial voltada a organizações. (Informação a verificar: os detalhes de assentos e cobrança para equipes seguem a fonte oficial.)
A empresa publica dois níveis abertamente, sem exigir login para consultar os valores.
TurboScribe Free não custa nada e inclui três transcrições por dia, com até trinta minutos por arquivo e um arquivo de cada vez. Os arquivos gratuitos entram com prioridade mais baixa, o que alonga a espera em horários de pico. Vale destacar que o plano gratuito não é limitado em qualidade: a empresa anunciou que o modo Whale, o mais preciso, passou a valer também para usuários gratuitos. Isso transforma o nível gratuito em um caminho real de avaliação, e não em uma demonstração reduzida.
TurboScribe Unlimited custa 10 dólares por mês no pagamento anual de 120 dólares ou 20 dólares por mês no pagamento mensal. Inclui transcrição ilimitada para uma pessoa, envios de dez horas e cinco gigabytes, cinquenta arquivos simultâneos, todos os modos, tradução para mais de 134 idiomas, exportações em lote, armazenamento ilimitado e prioridade máxima. A assinatura pode ser cancelada a qualquer momento nas configurações da conta, com acesso mantido até o fim do período vigente.
É uma pergunta que cabe a qualquer produto que use esse termo, e aqui as evidências são melhores que a média. A leitura dos termos de serviço publicados não encontrou cláusula de uso justo independente limitando o volume de transcrição. As restrições existentes são o direito habitual de suspender ou encerrar contas, a proibição de revender ou explorar o serviço e a regra explícita contra o compartilhamento de credenciais.
O mais próximo de um limiar de volume é a menção de que os sistemas foram projetados para pelo menos 720 horas mensais, com usuários acima disso — descritos como os 0,1% mais intensos — encaminhados a um guia. Isso se lê como indicação de capacidade, não como teto disfarçado. Uma ressalva vem das plataformas de avaliação: alguns usuários do Trustpilot relatam limites inesperados e erros de processamento em arquivos grandes em períodos de alta demanda, de modo que a experiência em volumes extremos pode ser menos absoluta que o discurso comercial.
A cobrança concentra as queixas mais frequentes. As avaliações mencionam de forma recorrente cobranças inesperadas, renovação automática e dificuldade de cancelamento. Programe um lembrete antes da data de renovação anual e escolha a periodicidade com atenção.
Em uma ferramenta de transcrição, esta seção não é formalidade. Gravações de reuniões, entrevistas com clientes e conversas médicas ou jurídicas estão entre os materiais mais sensíveis que uma organização manipula, e o destino desse áudio determina se a ferramenta é utilizável no trabalho. Os compromissos publicados são nitidamente mais sólidos que a média da categoria.
Sem processamento por terceiros. A empresa afirma sem rodeios: não utiliza interfaces nem serviços de transcrição de terceiros e executa todo o processamento de áudio e vídeo internamente, em máquinas que possui ou controla. Seu áudio não é repassado a um serviço de voz externo. Para quem conduz avaliação de risco de fornecedores, isso simplifica bastante o mapa dos fluxos de dados.
Sem treinamento de modelos com seus dados. A página de segurança responde com uma negativa direta: não são treinados modelos de inteligência artificial ou de aprendizado de máquina com os arquivos ou as transcrições dos usuários. Como o serviço roda um modelo aberto já treinado e não precisa de dados de clientes para aprimorar o próprio sistema, esse compromisso é crível também em termos estruturais, e não apenas declarativos.
Criptografia em repouso e em trânsito. Transcrições e arquivos de mídia são criptografados em repouso com AES-256, conexões criptografadas são obrigatórias, e a empresa declara recusar qualquer conexão não criptografada aos seus servidores pela internet pública.
Controle de acesso. A menos que você compartilhe deliberadamente, apenas o titular da conta pode visualizar ou editar seus arquivos e transcrições. Não há indício de revisão humana rotineira do conteúdo.
A retenção é controlada por você. Aqui está a nuance que convém entender: a empresa não publica prazo fixo de exclusão. Sua política de privacidade estabelece que o conteúdo enviado fica armazenado nos servidores e que, salvo exclusão de sua parte, pode ser mantido enquanto a conta estiver ativa. A exclusão é imediata e irreversível: arquivos apagados não podem ser recuperados, e excluir a conta remove imediata e permanentemente todos os arquivos. Em outras palavras, a retenção é indefinida por padrão e só se torna curta se você a gerenciar ativamente. Equipes que lidam com áudio sensível devem incorporar uma etapa de exclusão ao processo em vez de contar com expiração automática.
Armazenamento nos Estados Unidos. A infraestrutura principal fica nos Estados Unidos, e a política de privacidade adverte expressamente que informações fornecidas por usuários da União Europeia, do Reino Unido ou de outros lugares fora dos Estados Unidos serão transferidas e armazenadas lá. Se suas obrigações exigem armazenamento europeu ou nacional, esse é um impedimento intransponível, por mais robustos que sejam os demais compromissos.
Pagamentos. Os pagamentos são processados pela Stripe, e a empresa declara não reter números de cartão de crédito em seus servidores.
Otter.ai persegue outro objetivo: entra em reuniões ao vivo, produz notas e resumos em tempo real e integra-se a calendários e ferramentas de videoconferência. Escolha o Otter para captura colaborativa ao vivo e o TurboScribe para transcrição de arquivos em volume.
Rev oferece transcrição automática e humana, alcançando esta última uma precisão que nenhum sistema automático iguala, com preço por minuto. O Rev faz sentido quando um arquivo específico precisa ser quase perfeito e a exatidão pesa mais que o custo; o TurboScribe faz sentido quando o volume pesa mais que a perfeição individual.
Descript trata a transcrição como interface de edição: editar as palavras é editar o material. Para produtores de áudio e vídeo que queiram unificar edição e transcrição, o Descript cobre um terreno que o TurboScribe sequer aborda.
Whisper auto-hospedado é a comparação mais direta, pois se trata literalmente do mesmo modelo. Executá-lo por conta própria não custa nada por hora e mantém o áudio inteiramente no seu equipamento, a postura de privacidade mais forte possível. As contrapartidas são reais: é preciso hardware capaz, os modelos large são exigentes, e marcação de locutores, tradução, exportação de legendas, armazenamento e gestão de arquivos ficam por sua conta. A proposta de valor honesta do TurboScribe é vender a capacidade de processamento e o produto construídos em torno de um modelo que você poderia, em princípio, executar sozinho.
A alegação de precisão não está verificada. Os 99,8% vêm do fornecedor, sem metodologia publicada nem auditoria independente, enquanto medições independentes do modelo large-v2 subjacente apontam cerca de 4,1% de erro em material realista. Planeje pela medição, não pelo anúncio.
A qualidade é condicional, não fixa. Sotaques, sobreposições, ruído de fundo e idiomas com poucos recursos degradam os resultados de forma mensurável, e o próprio fornecedor reconhece que a precisão varia por idioma.
Risco de alucinação em condições adversas. O Whisper pode gerar texto fluente que nunca foi dito, sobretudo em idiomas com poucos recursos. Fluência não é prova de exatidão.
O Whale roda large-v2, não large-v3. A pesquisa publicada indica que o large-v3 avançou justamente em fala com sotaque e não nativa. Quem trabalha com esse material está na geração anterior.
Não é uma ferramenta para reuniões ao vivo. O serviço processa arquivos enviados; não entra em chamadas nem produz notas em tempo real.
O resumo é externo. O resumo de transcrições ocorre pela extensão publicada à parte no ChatGPT, e não como recurso nativo.
A retenção é indefinida por padrão. Os arquivos permanecem enquanto a conta estiver ativa, salvo exclusão. Fluxos sensíveis exigem uma rotina explícita de apagamento.
Armazenamento exclusivamente nos Estados Unidos. Restrição intransponível para organizações com exigências europeias ou nacionais.
O atrito de cobrança é a queixa mais constante. As avaliações citam repetidamente cobranças inesperadas, renovação automática e dificuldade de cancelamento. Gerencie ativamente as datas de renovação.
Fornecedor de pequeno porte. O suporte direto do fundador é uma vantagem real em capacidade de resposta, mas não equivale a processos corporativos de compra, compromissos contratuais de serviço ou acordos de dados negociados.
O ilimitado vale por pessoa. O plano cobre um indivíduo, e o compartilhamento de conta é expressamente proibido.
Sim, existe um plano gratuito realmente utilizável: três transcrições por dia, até trinta minutos por arquivo, um arquivo de cada vez e com prioridade mais baixa. O ponto importante é que usuários gratuitos têm acesso ao modo Whale, o mais preciso, de modo que o plano gratuito testa a qualidade real e não uma versão reduzida. É a forma correta de avaliar a ferramenta com suas próprias gravações antes de pagar.
O plano Unlimited custa 10 dólares por mês no pagamento anual de 120 dólares, ou 20 dólares por mês no pagamento mensal: o compromisso anual reduz pela metade a taxa efetiva. Inclui transcrição ilimitada para uma pessoa, envios de dez horas, todos os modos, tradução, exportações em lote e prioridade máxima. É possível cancelar a qualquer momento, mantendo o acesso até o fim do período pago.
É um número declarado pelo fornecedor, sem auditoria independente nem metodologia publicada. Medições independentes do Whisper large-v2, o modelo do modo mais preciso, apontam cerca de 4,1% de erro de palavra em material realista variado, ou seja, aproximadamente 95,9% de precisão. Considere 99,8% um valor de melhor caso para inglês claro com um único locutor e teste sempre com suas próprias gravações.
Os termos publicados não contêm cláusula independente limitando o volume. A empresa afirma que não há teto de uso global, que seus clientes transcrevem rotineiramente centenas de horas por mês e que os sistemas foram projetados para pelo menos 720 horas mensais, com orientação em vez de corte acima disso. A única regra explícita proíbe compartilhar credenciais. Ainda assim, alguns usuários relatam limites inesperados em períodos de alta demanda.
Arquivos e transcrições são criptografados em repouso com AES-256 e transmitidos por conexões criptografadas obrigatórias. O processamento ocorre em máquinas que a empresa possui ou controla, sem interfaces de transcrição de terceiros, e só você tem acesso, salvo compartilhamento voluntário. A retenção não tem limite de tempo por padrão: o conteúdo permanece enquanto a conta estiver ativa e você não o excluir, sendo a exclusão imediata e permanente.
Não. A empresa declara expressamente que não treina modelos de inteligência artificial ou de aprendizado de máquina com arquivos ou transcrições de usuários. Como executa um modelo aberto já treinado e não depende de dados de clientes para evoluir, esse compromisso é coerente com o modo como o produto foi de fato construído.
A transcrição cobre mais de 98 idiomas falados, e a tradução de transcrições e legendas ultrapassa 130 idiomas. A qualidade explicitamente não é uniforme: a empresa afirma que a precisão varia por idioma e publica uma lista dos de melhor desempenho, incluindo inglês, espanhol, francês, alemão, italiano, português, chinês, japonês, russo, árabe, híndi e coreano. Fora dessa lista, sobretudo em idiomas com poucos recursos, aumentam os riscos de erro e alucinação.
Sim. O reconhecimento é ativado antes do envio e divide a transcrição por locutor, admitindo de dois a oito participantes ou detecção automática, com um a dois minutos adicionais de processamento por hora. Funciona de forma limpa em entrevistas a dois bem gravadas; a partir de três participantes com sobreposições marcadas, as marcações podem se confundir e exigir correção manual.
Os envios abrangem praticamente todos os formatos comuns de áudio e vídeo, incluindo MP3, M4A, MP4, MOV, AAC, WAV, OGG, OPUS, MPEG, WMA, WMV, AVI, FLAC, AIFF, ALAC, MKV e WEBM. As exportações incluem PDF, DOCX, TXT, CSV e legendas SRT/VTT, com possibilidade de exportar muitos arquivos de uma só vez.
A arquitetura de privacidade se adapta bem a material sigiloso: processamento interno, ausência de interfaces de terceiros, sem treinamento de modelos, criptografia AES-256 e exclusão controlada pelo usuário. Duas ressalvas, porém, se impõem. A primeira é a precisão: terminologia especializada e detalhes determinantes exigem verificação humana contra a fonte, e nenhuma transcrição automática deveria valer como registro de fatos jurídicos ou clínicos sem revisão. A segunda é a conformidade: os dados residem nos Estados Unidos, e trata-se de um produto de equipe reduzida, sem os contratos assinados e as certificações auditadas que muitas organizações reguladas exigem. Confronte ambos os pontos com suas obrigações antes de adotar.