Ir para o conteúdo principal
Transcrição com Whisper

Whisper da OpenAI: como transcrever áudio em português

O Whisper é o modelo de reconhecimento de fala que a OpenAI publicou em código aberto, com licença MIT. Ele transcreve português do Brasil muito bem e roda no seu próprio computador, sem mandar o áudio para ninguém. O detalhe é que o Whisper é um modelo, não um aplicativo: você escolhe se vai usá-lo pela linha de comando, por um app como o Buzz (Windows) ou o MacWhisper (Mac), pela API paga ou deixar a instalação de lado e usar um serviço online. Abaixo, cada caminho com o comando pronto, o modelo que vale a pena para português, quanto custa e o que nenhum deles faz sozinho.

Transcrever sem instalar nadaPrecisa que nada saia da sua rede? Klang on-premisePlano gratuito · serviço online, dados processados na UE

01

Cinco jeitos de usar o Whisper, do mais técnico ao mais simples

Todos usam o mesmo modelo (ou um parecido). O que muda é quanto trabalho fica com você:

  • Linha de comando (openai-whisper): o projeto oficial, em Python. É grátis, roda offline e gera TXT, SRT e VTT. Pede Python, ffmpeg e, para ir rápido, uma placa de vídeo NVIDIA. Passo a passo logo abaixo.
  • Buzz: aplicativo gratuito e de código aberto para Windows, Mac (Apple silicon) e Linux, que coloca o Whisper numa janela com botões. Transcreve offline, identifica quem fala e exporta TXT, SRT e VTT. No Windows, o instalador não tem assinatura digital, então o SmartScreen avisa antes de abrir.
  • MacWhisper: aplicativo só para Mac, da holandesa Good Snooze. Roda o Whisper e outros modelos localmente, reconhece locutores e grava reuniões do Zoom, Teams e outros. Tem versão grátis e o Pro custa 64 € uma única vez.
  • Whisper Web: uma demonstração que roda o Whisper dentro do navegador (com a biblioteca Transformers.js), publicada no Hugging Face. Serve para testar um áudio sem instalar nada; é um projeto de demonstração, não um serviço com suporte.
  • API da OpenAI: para quem programa. Você envia o arquivo e recebe o texto, a US$ 0,006 por minuto, com limite de 25 MB por arquivo. O áudio vai para os servidores da OpenAI.

Whisper e alternativas, lado a lado

O que cada caminho entrega para transcrever um arquivo em português. Informações das páginas oficiais, lidas em 14 de novembro de 2026:

Whisper e alternativas, lado a lado
Whisper no terminalBuzzMacWhisperAPI da OpenAIKlang
Onde o áudio é processadoNo seu computador, offlineNo seu computador, offlineNo seu Mac, com modelos locaisNos servidores da OpenAINa nuvem do Klang, na UE
SistemasWindows, macOS e LinuxWindows, macOS (Apple silicon) e LinuxSó macOSQualquer um, via códigoNavegador, app para Mac e Windows, app para celular
O que você precisaPython, ffmpeg e linha de comandoBaixar e instalar o appBaixar e instalar o appChave de API e programaçãoConta gratuita
Separa quem falaNãoSimSimSó no gpt-4o-transcribe-diarize, que sai de linha em 26/02/2027Sim: do começo ao fim no Pro; no Free, só nos primeiros trechos
Tamanho do arquivoO que o computador aguentarO que o computador aguentarO que o Mac aguentarAté 25 MB por arquivoAté 10 GB por arquivo
SaídaTXT, SRT, VTT, TSV e JSONTXT, SRT e VTTTranscrição e IA com a sua chave de APITexto ou JSON para o seu sistemaResumo, decisões, tarefas e chat; Word, Excel, SRT e VTT no Pro
CustoGrátis (MIT)Grátis (MIT)Free; Pro 64 € uma vezUS$ 0,006 por minutoFree; Pro 14 €/mês no anual, sem impostos

Fontes: repositório oficial do Whisper e do Buzz no GitHub, site do MacWhisper (que não detalha o que é do Free e o que é do Pro), páginas de preços e de speech-to-text da OpenAI e planos do Klang, lidos em 14 de novembro de 2026. Os preços em euro e dólar recebem câmbio e IOF na fatura do cartão.

02

Qual modelo escolher para português

O Whisper vem em tamanhos. Quanto maior, mais acerta e mais memória de vídeo (VRAM) pede. No artigo da OpenAI, o português aparece entre os idiomas com mais dados de treino (8.573 horas de áudio) e com erro baixo no teste FLEURS de português (frases lidas em voz alta; o conjunto de dados identifica essa variante como pt_br). A porcentagem é a taxa de palavras erradas (WER):

  • tiny (39 milhões de parâmetros, ~1 GB de VRAM): 20,1% de palavras erradas no FLEURS. Rápido, mas erra demais para trabalho de verdade.
  • small (244 milhões, ~2 GB): 7,3%. Bom ponto de partida num notebook sem placa de vídeo dedicada.
  • medium (769 milhões, ~5 GB): 5,0%.
  • large-v2 (1,55 bilhão, ~10 GB): 4,3%, o melhor resultado em português na tabela do artigo. Hoje, --model large baixa o large-v3, mais novo, que o artigo não mediu.
  • turbo (809 milhões, ~6 GB): o padrão do comando whisper hoje. É cerca de 8 vezes mais rápido que o large e não serve para traduzir; para transcrever português, é a escolha prática.

03

Passo a passo no Windows (e no Mac ou Linux)

O caminho oficial, testado pela OpenAI com Python 3.9.9 (o projeto espera funcionar do 3.8 ao 3.11):

  • Instale o Python 3.11 e marque a opção de adicioná-lo ao PATH.
  • Instale o ffmpeg, que o Whisper usa para ler o áudio: no Windows, choco install ffmpeg (com o Chocolatey instalado) ou scoop install ffmpeg (com o Scoop); no Mac, brew install ffmpeg.
  • No terminal: pip install -U openai-whisper.
  • Transcreva: whisper reuniao.m4a --language Portuguese --model turbo --output_format srt. Sem --output_format, o Whisper grava todos os formatos (TXT, VTT, SRT, TSV e JSON) na pasta atual.
  • Nomes próprios e siglas: passe uma frase com eles em --initial_prompt, por exemplo --initial_prompt "Reunião da Fapesp com a Embrapa sobre o PIBIC". Atenção: por padrão, o prompt entra só na primeira janela de 30 segundos; para repeti-lo no áudio inteiro, acrescente --carry_initial_prompt True.
  • Sem placa NVIDIA (CUDA), o Whisper roda no processador. Funciona, mas fica bem mais lento; em notebook modesto, o small é a saída.
  • Tem placa NVIDIA no Windows? O pip costuma instalar o PyTorch só para processador. Instale antes o PyTorch com CUDA, com o comando que o site pytorch.org monta para o seu sistema, e só depois o openai-whisper.

04

O que o Whisper não faz (e vai ficar com você)

Antes de escolher, vale saber onde o modelo para. A própria OpenAI lista os limites no cartão do modelo:

  • Não separa quem fala. O openai-whisper entrega um texto corrido com tempos; Locutor 1 e Locutor 2 exigem outra ferramenta (o Buzz e o MacWhisper fazem isso por cima do modelo).
  • Pode inventar texto. O cartão do modelo avisa que o Whisper às vezes escreve frases que ninguém disse, principalmente em trechos de silêncio ou música, e repete frases. Revise antes de usar como registro.
  • Erra mais com sotaques e áudio ruim. O cartão do modelo reconhece desempenho desigual entre sotaques e dialetos. Os números do FLEURS são de frases lidas em voz alta, uma pessoa por vez; reunião com eco e gente falando junto erra mais.
  • Não resume nem organiza. Você recebe o texto; ata, decisões e tarefas são outra etapa.
  • Consentimento é com você. A OpenAI desaconselha transcrever gravações de pessoas que não sabem que estão sendo gravadas. Pela LGPD, a gravação de uma reunião com clientes ou funcionários é tratamento de dados pessoais e precisa de uma base legal.

05

Quanto custa o Whisper em reais

O modelo é grátis; o que você paga é hardware, tempo ou o serviço em volta dele. Nenhuma das opções pagas cobra em reais:

  • openai-whisper, Buzz e Whisper Web: grátis. O custo é o seu computador e o tempo de processamento.
  • MacWhisper Pro: 64 € numa única compra, no site do desenvolvedor.
  • API da OpenAI: US$ 0,006 por minuto no Whisper (whisper-1) e US$ 0,0045 no gpt-transcribe, o modelo que a OpenAI recomenda hoje para arquivos. Uma hora de áudio sai por US$ 0,36 ou US$ 0,27.
  • Em toda compra internacional no cartão, a fatura soma o câmbio do dia e o IOF de 3,5% (Decreto 12.499/2025), a não ser que o seu cartão absorva o imposto.
  • Klang: o plano Free não pede cartão. O Pro custa 14 € por pessoa ao mês no anual ou 16 € no mensal, sem impostos, com 7 dias grátis.

06

LGPD: quando rodar no próprio computador é a melhor escolha

Se o áudio é sigiloso (atendimento de saúde, processo judicial, entrevista de pesquisa com dados sensíveis) e você tem uma máquina capaz, o Whisper local é difícil de bater: o arquivo nunca sai do seu computador. O preço é o trabalho de instalar, revisar e guardar tudo você mesmo, e não ter histórico nem controle de acesso quando a equipe cresce.

Quando o áudio vai para um serviço online, as perguntas mudam: onde ele é processado, se há um contrato de tratamento de dados (DPA) e se as gravações treinam IA. No Klang, o processamento é na União Europeia, com certificação ISO 27001:2022, e as gravações nunca treinam IA, em nenhum plano. Para empresas brasileiras, isso simplifica a análise de LGPD: desde a Resolução CD/ANPD nº 32, de janeiro de 2026, a Agência Nacional de Proteção de Dados reconhece a União Europeia como tendo nível de proteção adequado, uma das hipóteses de transferência internacional previstas no art. 33, I, da LGPD.

Para órgãos e empresas que precisam que nada saia da própria rede, o Klang também é oferecido on-premise ou em nuvem privada, no plano Enterprise.

07

Quando um serviço pronto resolve melhor que o Whisper

O Whisper vale a pena quando você quer custo zero, trabalho offline ou montar o seu próprio sistema. Um serviço como o Klang compensa quando o tempo pesa mais que a instalação:

  • Você tem reuniões e entrevistas com várias pessoas e precisa saber quem disse o quê: no Pro, os locutores são identificados do começo ao fim.
  • O notebook não tem placa de vídeo, ou o arquivo é longo: no Klang você envia MP3, M4A, WAV, OPUS ou vídeo de até 10 GB pelo navegador e o processamento acontece na nuvem.
  • Depois da transcrição vem a ata: você pede resumo, decisões e tarefas no chat, sem copiar o texto para outro lugar.
  • As reuniões acontecem no Meet, Teams ou Zoom: o assistente do Klang entra na chamada, e o app para Mac e Windows (beta) grava sem bot.
  • Nomes e siglas da empresa: as listas de palavras do Pro valem para a transcrição inteira, sem montar um prompt a cada arquivo.

O mesmo trecho, do Whisper e do Klang

Exemplo ilustrativo de uma reunião de planejamento em português, para mostrar o formato que cada um entrega:

Whisper (arquivo SRT)
12 · 00:12:04,000 --> 00:12:10,500 · Então a gente fecha o orçamento até sexta e manda para o cliente na segunda. Pode ser, mas preciso da planilha de custos até quarta.
Klang · Locutor 1 · 00:12:04
Então a gente fecha o orçamento até sexta e manda para o cliente na segunda.
Klang · Locutor 2 · 00:12:11
Pode ser, mas preciso da planilha de custos atualizada até quarta.
Resumo pedido ao Klang
Orçamento fechado até sexta e enviado ao cliente na segunda. Pendência: planilha de custos atualizada até quarta (Locutor 2).

Sem instalar nada

Transcrição em português, sem Python, sem placa de vídeo

Envie o áudio pelo navegador e receba o texto em português, pronto para pedir resumo, decisões e tarefas. O plano gratuito não expira e não pede cartão. Quando precisar dos locutores identificados em toda a transcrição, de histórico completo, de exportar para Word e legendas ou de listas de palavras, o Pro custa 14 € por pessoa ao mês no anual, sem impostos, com 7 dias grátis.

  • Arquivos de áudio e vídeo de até 10 GB, em 19 idiomas
  • Locutores identificados em toda a transcrição no Pro
  • Assistente para Meet, Teams e Zoom, app para Mac, Windows e celular
  • Hospedado na UE · ISO 27001:2022 · sem treino de IA com seus dados

Perguntas frequentes

O Whisper da OpenAI é gratuito?

Sim. O código e os pesos do modelo são publicados com licença MIT, e você pode rodá-lo de graça no seu computador, pela linha de comando ou por apps como o Buzz. O que é pago é a API da OpenAI (US$ 0,006 por minuto no whisper-1) e alguns apps que usam o Whisper, como o MacWhisper Pro (64 € uma vez).

O Whisper funciona bem em português do Brasil?

Funciona. No artigo da OpenAI, o português tem 8.573 horas de áudio de treino, e o modelo large-v2 erra 4,3% das palavras no teste FLEURS de português (frases lidas em voz alta) e 6,3% no Common Voice 9, com gravações de voluntários. Em reuniões reais, com ruído, sotaques e pessoas falando ao mesmo tempo, o erro sobe: revise nomes, números e siglas.

Como usar o Whisper sem instalar nada?

Há três caminhos: a demonstração Whisper Web, que roda no navegador; serviços online que dizem usar o Whisper, como o TurboScribe; ou um transcritor online como o Klang, que recebe o arquivo pelo navegador e entrega a transcrição com resumo e chat. Nos dois últimos, o áudio é processado nos servidores do serviço, então confira onde fica e se há DPA.

O Whisper separa quem está falando?

O Whisper sozinho, não: ele entrega o texto com tempos, sem Locutor 1 e Locutor 2. Apps como o Buzz e o MacWhisper acrescentam a identificação de locutores. No Klang, os locutores aparecem do começo ao fim da transcrição no plano Pro; no Free, só nos primeiros trechos.

Qual é a diferença entre Whisper e MacWhisper?

O Whisper é o modelo da OpenAI. O MacWhisper é um aplicativo para Mac, de outra empresa (Good Snooze, da Holanda), que roda o Whisper e outros modelos localmente, com interface, reconhecimento de locutores e gravação de reuniões. Ele não existe para Windows; no PC, o equivalente gratuito mais próximo é o Buzz.

Qual modelo do Whisper usar para português?

Em computador com placa de vídeo de 6 GB ou mais, o turbo, que é o padrão e o mais rápido entre os grandes. Com 10 GB, dá para usar o large, o maior modelo. Em notebook sem placa dedicada, o small é o meio-termo: 7,3% de erro no FLEURS em português, contra 20,1% do tiny.

Dá para pagar o Klang em reais ou com Pix?

Ainda não. O Klang cobra em euro, no cartão, e Pix e boleto não aparecem no checkout. Use um cartão com compras internacionais habilitadas e limite para o valor mais o IOF. No teste de 7 dias do Pro, o cartão é pedido no início e a primeira cobrança acontece só quando o teste termina. O plano gratuito não pede cartão.

Fontes

Consultadas em 14 de novembro de 2026.