Blog
Como transcrever um podcast em texto (prévia grátis)
Autor: Hushscript Publicado em: Última revisão:
Para transcrever um podcast, envie o arquivo de áudio do episódio, veja a prévia grátis de 5 minutos, faça login e execute a transcrição completa. O Hushscript rotula cada apresentador e convidado, você renomeia os rótulos uma vez e exporta o texto em TXT, DOCX ou SRT. Um episódio completo exige uma conta e minutos disponíveis suficientes; não é preciso cartão para criar a conta.
Uma transcrição de podcast rende duas vezes. Ela torna o episódio pesquisável e acessível a quem prefere ler a ouvir, e dá matéria-prima para citações, capítulos e legendas sem precisar reouvir a gravação. O apoio das plataformas é concreto: o Apple Podcasts documenta transcrições e navegação por capítulos para criadores. Este guia mostra como transcrever um podcast, identificar as vozes, resolver os problemas comuns e aproveitar o resultado. Para a página do produto, veja transcrição de podcast.
A etapa que mais poupa tempo é a separação dos falantes. Uma transcrição que vem como um bloco único de texto dá quase tanto trabalho quanto o áudio. O Hushscript rotula cada voz automaticamente, de graça em toda transcrição, e a conversa volta como conversa.
O que você precisa antes de começar
Uma gravação do episódio, em qualquer formato comum de áudio ou vídeo, ou um link direto para o arquivo de áudio. Se você exportou um arquivo de áudio simples do editor (MP3, WAV, M4A), ele funciona direto. Se a sua única cópia é a gravação em vídeo do Zoom, do Riverside ou do Ecamm, também funciona, e o áudio é extraído dela no seu navegador, então o vídeo nunca é enviado.
Um áudio de origem limpo ajuda mais do que qualquer outra coisa. Os rótulos de falantes funcionam melhor quando cada voz é distinta e as pessoas não ficam falando por cima umas das outras. Se você gravou cada participante em uma faixa separada, já tem a entrada mais limpa possível. Uma única faixa mixada também funciona; só depende mais da diarização para distinguir as vozes. Se puder, grave as vozes secas e adicione a trilha musical depois, no editor, já que uma vinheta tocando sob fala contínua é a única coisa que reduz a precisão de forma consistente.
Você precisa de uma conta para transcrever um episódio completo. A prévia de 5 minutos é a etapa sem conta, para você conferir os rótulos dos falantes e a qualidade do texto no seu arquivo de verdade antes de se cadastrar em qualquer coisa.
Como transcrever um podcast em texto, passo a passo
O fluxo é: prévia primeiro, depois o cadastro, depois a transcrição do restante. É assim que se transcreve o áudio de um podcast em texto.
- Solte o arquivo na página de transcrição de podcast. O Hushscript recorta os primeiros 5 minutos no seu navegador e devolve uma prévia com os falantes rotulados. Nenhuma conta é necessária nesta etapa. Você vê como o apresentador e o convidado são separados e como o texto fica no seu próprio áudio.
- Cadastre-se para transcrever o restante. Depois de informar o e-mail e fazer login, você envia o episódio completo. Contas pessoais elegíveis podem receber 30 minutos grátis para testar, concedidos uma única vez, após a verificação do cartão ou com a primeira compra; os preços trazem as condições. A transcrição completa exige uma conta e minutos disponíveis suficientes.
- Deixe a transcrição rodar e depois exporte. A transcrição volta com um rótulo e uma marcação de tempo em cada fala. Exporte em DOCX para um documento que você vai editar até virar as notas do episódio, em TXT para um bloco limpo para colar no seu CMS, em SRT para legendas de uma versão em vídeo ou em JSON se a hospedagem do seu podcast aceitar o envio de transcrições com dados por fala.
Os 30 minutos grátis podem cobrir um episódio curto ou um trecho representativo de um mais longo. Um episódio de 60 minutos usa 60 minutos do seu saldo, então precisa de uma recarga depois do período de teste.
Depois da franquia de teste, transcrição pague conforme usa significa pacotes pré-pagos de minutos, sem assinatura, então um mês parado entre episódios não custa nada.
Identifique cada apresentador e convidado
A diarização de falantes roda automaticamente, então você não precisa ativar nada. Em um episódio de duas pessoas (um apresentador, um convidado), a transcrição volta bem dividida, com cada linha atribuída a um de dois rótulos. Em um painel, o Hushscript separa todas as vozes distintas que ouve, sem limite de falantes.
Para trocar os rótulos genéricos por nomes reais:
- Clique em qualquer ocorrência de
Locutor Ano editor. - Digite o nome, como “Alex” ou “Apresentador”.
- Todas as ocorrências desse rótulo são atualizadas de uma vez em toda a transcrição.
Você renomeia cada voz uma vez, não linha por linha. Um episódio de duas pessoas leva cerca de um minuto; um painel de quatro leva alguns. Depois de renomear, um trecho da transcrição fica assim:
Alex [00:03:12]: Então você já comandava a empresa naquele momento. Quais foram os primeiros sinais?
Jamie [00:03:19]: Sinceramente, foram os números. Tivemos uma queda de 40% em um trimestre.
Alex [00:03:27]: E na época você não conseguia explicar?
Jamie [00:03:35]: Por semanas, não. Foi essa parte que me tirou o sono.
Essa é a estrutura de que você precisa para tirar citações e escrever capítulos com marcação de tempo. Como os rótulos valem para o arquivo todo, um episódio longo é rotulado uma única vez. Para entender a mecânica da separação de vozes, veja como funciona a diarização de falantes.
Quando os rótulos precisam de ajuste
A diarização é precisa em gravações limpas, mas não infalível, e vale conhecer alguns padrões para corrigi-los rápido.
Se dois convidados têm vozes muito parecidas, uma fala ou outra pode cair no falante errado. Percorra a transcrição com o áudio aberto e reatribua à mão as poucas linhas erradas. É bem mais rápido do que digitar os nomes dos falantes do zero, porque você só corrige as exceções.
Se um coapresentador calado, que quase não fala, for incorporado a outro rótulo, primeiro dê aos falantes principais os nomes reais e depois procure as poucas linhas que pertencem à voz mais discreta. Em uma gravação bem separada, você raramente encontra qualquer um dos dois casos, e por isso uma faixa por pessoa compensa a pequena preparação extra na hora de gravar.
Problemas comuns e o que realmente os causa
A maioria dos problemas de transcrição vem da gravação, não da ferramenta. Alguns merecem planejamento antes de você publicar um programa.
Vozes sobrepostas e gente falando por cima. É o mais difícil para qualquer sistema de separação de falantes, porque duas vozes no mesmo instante não podem ser divididas de forma limpa. O texto costuma continuar legível, mas um momento de sobreposição forte pode ficar com um só falante ou borrar na divisa. Uma boa conduta de podcast já ajuda: um apresentador que deixa o convidado terminar produz, de brinde, uma transcrição mais limpa. Onde isso acontecer, corrija essas poucas linhas à mão, conferindo com o áudio.
Convidados remotos gravados em uma só faixa. Uma chamada gravada como um único arquivo misto é mais difícil de separar do que a mesma chamada captada com uma faixa por participante. Se a sua ferramenta permite gravação local por participante, use; se você só tem o arquivo misto, a transcrição sai do mesmo jeito, só depende mais da diarização. De qualquer forma, o áudio é o mesmo envio, então não há nada diferente a fazer na hora de transcrever. Se você gravou faixas separadas por convidado e precisa juntá-las em um arquivo antes de enviar, a ferramenta grátis juntar áudio faz isso no seu navegador, sem enviar nada. Um convidado que entra por uma aba do Chrome pode ser gravado com a extensão do Chrome do Hushscript, grátis, que mistura a aba e o seu microfone em uma única gravação. Avise o seu convidado antes de começar.
Sotaques fortes e mistura de idiomas. O Hushscript detecta o idioma automaticamente e transcreve cerca de 99 idiomas, com precisão de primeira linha em dezoito deles, então um convidado com sotaque marcado em um idioma compatível é bem atendido. Um convidado que alterna entre dois idiomas no meio da frase é o caso realmente difícil; espere ter que limpar à mão os trechos alternados. Para a lista completa de idiomas compatíveis, veja a página de idiomas.
Música de abertura e vinhetas. Uma trilha entre blocos costuma ser ignorada, em vez de transcrita como texto sem sentido. O problema só aparece quando a música roda sob fala contínua por um trecho longo. A solução limpa é editorial: grave as vozes secas e coloque a música depois, para que a transcrição só veja fala.
Nomes, jargões e grafia de marcas. Um convidado especialista usa termos e nomes de produtos que o modelo pode escrever de forma fonética. São fáceis de corrigir porque se repetem, e uma busca e substituição no documento exportado resolve um erro recorrente de uma só vez.
Algumas dicas de precisão
A maior alavanca é a qualidade da gravação, então o esforço com microfones e uma sala silenciosa se paga na hora de transcrever. Além disso, uma faixa por falante dá tanto o texto mais limpo quanto os rótulos de falantes mais limpos, já que o sistema nunca precisa separar duas vozes de uma mesma forma de onda. Mantenha o microfone do convidado próximo e constante, sem deixá-lo se afastar, e você vai gastar o tempo de edição com conteúdo, não com conserto.
Na hora de revisar, leia com o áudio aberto e corrija em etapas: primeiro os rótulos dos falantes, depois nomes e jargões ouvidos errado, depois a sobreposição ocasional. Trabalhar por categoria é mais rápido do que ler de cima a baixo e deixa o documento limpo o bastante para publicar.
Aproveite a transcrição
Com o texto limpo, ele serve de base para citações, capítulos e legendas. Cada fala vem com marcação de tempo, então você encontra uma mudança de assunto sem reouvir o episódio. Para procurar URLs ditas em voz alta, busque no texto fragmentos como “ponto com” ou “barra”. Para uma citação de destaque, decida de propósito se mantém as palavras de preenchimento; transcrição limpa vs. literal explica as duas opções.
As notas do episódio, os capítulos e o resto da rotina de publicação estão no fluxo de trabalho de transcrição de podcast.
Transcrição de podcast no Spotify
O Spotify pode mostrar uma transcrição ao lado de um episódio. A ajuda para criadores diz que alguns programas recebem transcrições geradas automaticamente e que os ouvintes as veem na tela Tocando agora e nas páginas dos episódios no aplicativo móvel do Spotify. Para publicar o seu próprio texto revisado, você envia um arquivo VTT ou SRT de até 5 MB. Inclua marcações de tempo, ou o texto não acompanhará a reprodução.
Para gerar esse arquivo, transcreva o áudio original do episódio, não uma cópia baixada do Spotify. O Hushscript não importa episódios de páginas do Spotify, e a exportação do seu editor é a fonte mais limpa de qualquer forma. Corrija nomes e rótulos de falante no editor e depois exporte em SRT ou VTT. Os dois formatos trazem as marcações de tempo que o Spotify pede.
Duas coisas para conferir antes. O Spotify diz que uma transcrição enviada é substituída se você ativar as geradas automaticamente, então decida qual você quer. E não é possível editar uma transcrição dentro do Spotify for Creators: você altera o arquivo offline e o envia de novo. Mantenha o SRT corrigido como versão principal e exporte de novo após qualquer ajuste. O Spotify também diz que, dependendo da sua hospedagem de podcast, talvez não seja possível sincronizar suas transcrições, e que as transcrições não estão disponíveis para todos os criadores nem no aplicativo móvel do Spotify for Creators. A ajuda coloca os controles no Spotify for Creators na web: Configurações, depois Transcrições para o programa inteiro, ou os Detalhes de um episódio para um só episódio.
Adicione legendas
Se você publica uma versão em vídeo do episódio em uma plataforma como um serviço de hospedagem de vídeo, o Spotify Video ou o LinkedIn, a exportação em SRT é um arquivo de legendas com marcação de tempo pronto para enviar. Não há etapa extra, porque a transcrição que você já gerou traz os dados de tempo. Se você só tem o áudio e a plataforma pede um arquivo de vídeo, a ferramenta gratuita MP3 para MP4 transforma o episódio em um MP4 com uma imagem fixa ou uma cor sólida, no seu navegador e sem enviar nada. Ela aceita arquivos de até 200 MB e cerca de 3 horas. Para o fluxo mais amplo de pôr legendas em um clipe, incluindo legendas gravadas na imagem versus arquivos separados, veja como adicionar legendas a um vídeo.
Se o seu ponto de partida é uma gravação em vídeo, e não um áudio exportado, o processo é idêntico; o áudio é extraído primeiro, no seu navegador. A página vídeo para texto cobre esse caminho por inteiro.
Episódios longos e em várias partes
Para um episódio longo ou uma gravação ao vivo, o Hushscript aceita envios de até 10 horas, sem limite de tamanho de arquivo. Um painel de quatro horas ou um episódio em formato de documentário passa como um único arquivo, em vez de ser dividido em pedaços, o que importa por dois motivos. Os rótulos dos falantes ficam consistentes no arquivo todo, então você renomeia uma vez. E as marcações de tempo são contínuas, então um capítulo na marca de três horas aparece como [03:12:40], em vez de recomeçar do zero na parte dois.
Se você grava uma série em várias partes em uma única sessão, transcreva a sessão inteira como um só arquivo e divida as notas do episódio por parte depois. Cortar o áudio antes só multiplica o trabalho de renomear.
Fontes e normas independentes
O Hushscript consultou estas referências independentes e não concorrentes. Elas explicam pesquisas, normas ou o funcionamento de plataformas e não representam endosso do Hushscript.
Fontes revisadas em: