Gravar é fácil; ler o que foi gravado é o que dá trabalho. Uma nota de voz de cinco minutos com a ideia de um post, a entrevista de uma hora para o trabalho de faculdade, o áudio da consulta que o cliente autorizou gravar, o depoimento do avô sobre a família: tudo isso só vira útil quando vira texto, e transcrever na mão leva quatro a cinco vezes a duração do áudio.
Esta página faz a conversão de áudio em texto no seu navegador. Solte o MP3, o M4A do gravador do iPhone, o WAV, o OGG ou o FLAC, escolha o nível de qualidade e receba o texto em parágrafos, com pontuação, maiúsculas e acentos. Sai também a versão com o minuto de cada frase, para achar um trecho na gravação.
Nada é enviado. O modelo roda na sua máquina, então não há limite de duração, não há fila e não há plano: uma gravação de três horas passa igual a uma de trinta segundos, só demora mais. E como o áudio não sai do seu computador, serve para o material que você não subiria num site qualquer.
De onde vêm a pontuação e os parágrafos
O modelo não escreve palavra por palavra como um ditado de teclado: ele foi treinado com transcrições reais, feitas por gente, com vírgula, ponto, maiúscula e acento. Então o texto sai pontuado do jeito que um transcritor escreveria. Os parágrafos são a parte nossa: a ferramenta quebra o texto nas pausas longas da fala (dois segundos ou mais) e em frases que terminam depois de um trecho comprido, que é como uma pessoa separaria ao ler. O resultado é um texto que dá para colar direto num documento, em vez de um bloco único de mil palavras.
Esta página abre a ferramenta já ajustada para o seu caso. A página principal da transcrição explica em detalhe como o reconhecimento de voz roda no navegador, o que muda entre os três níveis de qualidade, quanto tempo leva e o que fazer com o texto, os tempos e as legendas que saem daqui.