Gerar legendas e transcrições de um vídeo – sem o enviar
Largue um vídeo ou ficheiro de áudio e o Toolula ouve-o no seu dispositivo com o Whisper, o modelo aberto de reconhecimento de fala da OpenAI. As legendas aparecem linha a linha; corrija o que foi mal ouvido e transfira SRT, WebVTT, uma transcrição em texto, ou grave as legendas na imagem. O ficheiro nunca sai do computador – o modelo de voz (cerca de 50 MB) é transferido uma vez de toolula.com.
Como funciona
- Largue um vídeo ou ficheiro de áudio.
- Escolha a língua falada ou deixe «Detetar automaticamente», e clique em «Criar legendas».
- Leia as linhas e corrija o que foi mal ouvido.
- Transfira SRT, VTT ou TXT, ou grave as legendas no vídeo.
Perguntas frequentes
As legendas são precisas?
O Toolula usa o Whisper base, uma versão compacta do modelo da OpenAI que cabe num separador. Fala clara em línguas comuns sai bem; música, vozes sobrepostas, sotaques fortes e palavras raras causam erros. Cada linha pode ser corrigida antes de transferir.
Quanto tempo demora?
Num computador recente, um minuto de fala leva cerca de 15 segundos, por isso um vídeo de 10 minutos fica pronto em dois a três minutos; navegadores que só permitem um núcleo (Safari) demoram cerca de um terço mais. A página mostra uma estimativa antes de começar. Os telemóveis são mais lentos e transcrevem no máximo 15 minutos.
Que línguas são suportadas?
As 99 línguas em que o Whisper foi treinado, do português, inglês e espanhol ao chinês e galês. A deteção é automática, mas escolher a língua é mais fiável em excertos curtos ou mistos.
O meu vídeo é enviado para transcrição?
Não. O som é descodificado e reconhecido no separador do navegador. Só o modelo de voz é transferido, uma vez, de toolula.com; nada do seu ficheiro é enviado.