Vídeo é ótimo para assistir e péssimo para consultar. A aula de duas horas tem a resposta que você precisa em algum lugar do meio; o tutorial explica o comando exato uma vez, rápido demais para anotar; a palestra tem a frase que você quer citar, e você não lembra em que minuto. Texto resolve os três: dá para buscar, copiar e ler em um décimo do tempo.
Esta página transcreve o vídeo inteiro no seu navegador. Solte o MP4, o MKV, o MOV, o WebM ou qualquer formato comum, escolha o nível de qualidade e receba o texto corrido, a versão com o minuto de cada frase e a legenda em SRT e VTT. Serve para gravação de aula, de reunião, de palestra, de live, de tutorial e para vídeo que você baixou de plataforma para estudar.
O arquivo não é enviado. A ferramenta lê só a faixa de áudio do vídeo, direto do seu disco, e o modelo roda na sua máquina. Por isso um vídeo de dois gigabytes é tratado igual a um de dez megabytes: não há upload, não há limite e não há espera de fila.
Só o áudio é lido, e é por isso que o tamanho do vídeo não importa
Um vídeo de uma hora em 1080p tem uns dois gigabytes, dos quais menos de 5% é áudio. A ferramenta abre o arquivo por partes, pula a imagem inteira e decodifica só a faixa de som, que é o que o modelo precisa. Nada da parte pesada do vídeo passa pela memória, então o 4K de 8 GB e o MP4 de 50 MB levam o mesmo tempo para transcrever: o que conta é a duração, não o peso. Se o vídeo tiver mais de uma faixa de áudio (idioma original e dublagem, por exemplo), a principal é usada.
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.