Como transcrever áudio com IA e traduzir para outro idioma

Passo a passo

1. Decida para onde o seu áudio pode ir

   Antes de escolher a ferramenta, pense no conteúdo da gravação. Áudio de saúde, trabalho, escola ou imigração pede mais cuidado.

   • Fica no seu computador: o Whisper, modelo de reconhecimento de fala da OpenAI, pode ser instalado e executado localmente. Assim o arquivo não é enviado a um provedor externo. Essa vantagem vale para o uso local, não para a API.
   • Vai para a nuvem: ChatGPT, Gemini, Otter e a própria API do Whisper recebem o arquivo nos servidores de cada empresa. Cada uma tem a sua política de retenção, explicada mais abaixo.

   Se a política de retenção ou de treinamento de um serviço não estiver clara, evite enviar a ele um áudio sensível.

2. Peça consentimento antes de gravar outra pessoa

   Nos EUA, a regra federal costuma exigir o consentimento de pelo menos uma das partes da conversa. Alguns estados, porém, exigem o consentimento de todas as partes em certas situações.

   A regra muda conforme o estado e o tipo de comunicação. O caminho mais seguro é avisar e obter um sim claro de todos antes de gravar. Em caso de dúvida, consulte a lei do seu estado ou um advogado.

3. Grave ou separe um áudio limpo

   A qualidade do áudio pesa muito no resultado. Os erros aumentam com:

   • ruído no ambiente;
   • pessoas falando ao mesmo tempo;
   • microfone ruim ou ligação telefônica;
   • nomes próprios;
   • troca de idioma no meio da frase, entre português e inglês.

   Sempre que puder, grave perto da pessoa, em lugar silencioso, e peça que uma fale de cada vez.

4. Transcreva o mesmo trecho em pelo menos duas ferramentas

   Separe um a dois minutos do seu áudio real e teste em duas opções. Todas foram verificadas em nov/2026.

   • ChatGPT (planos pagos): o upload de áudio está disponível para assinaturas pagas e workspaces, que são as contas de empresa. O modo Record grava e transcreve direto no app. A própria OpenAI diz que ele funciona melhor em inglês e que a precisão em outros idiomas pode variar.
   • Gemini: é a opção integrada ao ecossistema Google. A página oficial mostra planos de US$ 4,99/mês e US$ 19,99/mês. A documentação consultada não traz números de precisão para português.
   • Otter: é focado em reuniões. Gera resumo e itens de ação e se integra a Zoom, Google Meet e Teams. A página de transcrição dele lista inglês americano, inglês britânico, espanhol e francês. Português não aparece.
   • Whisper: pode rodar no seu computador, que é a opção aberta e local, ou pela API, a US$ 0,006 por minuto. Ele suporta português.

   Compare as duas transcrições. Veja qual errou menos nomes, números e trechos com sotaque.

5. Traduza com a ferramenta certa

   • Whisper: os modelos multilíngues, como o Large-v3, traduzem a fala de outros idiomas para o inglês. O Whisper Turbo não foi treinado para traduzir. Em testes publicados em 4 de novembro de 2026, ele devolveu o texto no idioma original mesmo com a opção de tradução ativada.
   • ChatGPT: permite transcrever e, na mesma conversa, pedir a tradução, um resumo, as decisões tomadas ou um e-mail baseado na conversa.

   Um pedido simples para o ChatGPT ou o Gemini depois de colar a transcrição: «Traduza este texto para o inglês. Mantenha nomes próprios e números como estão e marque com [?] os trechos que parecerem incompletos.»

6. Revise o texto antes de usar

   A OpenAI avisa que as transcrições podem conter erros e que o desempenho varia entre idiomas. Leia o texto ouvindo o áudio nos pontos importantes: nomes, valores, datas e endereços.

   Para assuntos médicos, jurídicos, de trabalho ou de imigração, a transcrição automática não é um registro oficial. Peça a revisão de uma pessoa qualificada ou de um profissional.

7. Apague o que não precisa guardar

   Depois de terminar, apague os arquivos e as conversas que não vai usar. No ChatGPT Record, quando você apaga a conversa, a transcrição é removida dos sistemas em até 30 dias, salvo obrigação legal de retenção.

   Se você usa uma conta de empresa, confira com o administrador quais regras de retenção valem para ela.

O que muda entre as ferramentas para transcrever áudio com IA?

Verificado em nov/2026.

Por cenário:

• Mais privacidade: Whisper rodando no seu computador, desde que o computador e os arquivos estejam protegidos.
• Português que precisa virar inglês: Whisper multilíngue ou ChatGPT, sempre com revisão.
• Reuniões em inglês: o Otter é o mais especializado em captura, resumos e itens de ação.
• Gravar, transcrever, traduzir e resumir num só lugar: o ChatGPT pago tem o fluxo mais integrado entre as opções documentadas.

E a Apple? As fontes consultadas não confirmam, para nov/2026, quais aparelhos transcrevem áudio, se há português em cada recurso nem onde a tradução é processada. Confira na página oficial do recurso e nas configurações do seu aparelho.

Quão precisa é a transcrição com IA?

A medida mais comum é a WER (Word Error Rate), a porcentagem de palavras que a transcrição erra. Quanto menor, melhor.

Um serviço baseado no Whisper publicou, em 15 de maio de 2026, estes números:

• cerca de 2% de WER em fala em inglês limpa e lida, no teste LibriSpeech test-clean;
• aproximadamente 8–15% em chamadas de Zoom;
• 15–25% em telefonia ou em ambientes ruidosos.

Esses números não garantem a mesma precisão para português brasileiro nem para conversas bilíngues, porque as condições de teste são diferentes. A OpenAI registra melhoras em vários idiomas no ChatGPT, incluindo português. Ainda assim, não publica uma taxa de erro específica para o português do dia a dia. Por isso, o seu próprio teste vale mais que qualquer tabela.

O que cada ferramenta faz com o meu áudio?

• ChatGPT, modo Voice: a OpenAI diz que o áudio é apagado depois da transcrição, mesmo quando ela falha. A exceção é quando você escolheu compartilhar áudio para ajudar no treinamento (informação de 13 de novembro de 2026).
• ChatGPT Record: as gravações servem só para a transcrição e depois são apagadas. A OpenAI declara que não as usa para treinar modelos (14 de novembro de 2026).
• Otter: informa autenticação de dois fatores, armazenamento criptografado e acesso limitado a você e às pessoas autorizadas. Isso descreve a segurança da conta, mas não responde a todas as perguntas sobre outros usos dos dados.
• Gemini: a página consultada não traz detalhes suficientes para comparar.
• Whisper local: o arquivo fica no seu computador.

Perguntas que valem para qualquer ferramenta:

• Onde o áudio fica guardado, e por quanto tempo?
• Alguma pessoa ou empresa subcontratada pode ouvi-lo?
• O conteúdo é usado para treinar o modelo?
• Existe como apagar tudo de forma verificável?

Que modelo do Whisper usar para português?

O Whisper Large-v3 é descrito como compatível com 99 idiomas numa só configuração, incluindo português. Os números públicos disponíveis, porém, não são uma avaliação oficial recente da OpenAI com conversas reais em português.

Para transcrever, você pode usar o modelo localmente ou pela API, a US$ 0,006 por minuto, segundo a página de preços de 13 de novembro de 2026. Para traduzir uma entrevista em português para o inglês, prefira um modelo multilíngue, como o Large-v3. O Turbo pode devolver o texto no idioma original.

Erros comuns

• Usar o Whisper Turbo achando que ele traduz: ele não foi treinado para tradução.
• Usar o Otter para reuniões em português sem confirmar o idioma no app: a página de transcrição dele não lista português.
• Tratar a transcrição automática como registro oficial em assuntos de saúde, lei, trabalho ou imigração.
• Gravar alguém sem consentimento sem conhecer a lei do seu estado.
• Escolher a ferramenta pela taxa de erro anunciada sem testar com um trecho do seu próprio áudio.
• Enviar áudio sensível para um serviço em nuvem sem ler a política de retenção e de treinamento.