WhisperX Online
PT
DeutschEnglishEspañolFrançaisPortuguês (Brasil)Русский日本語한국어繁體中文

WhisperX · online · grátis · privado

WhisperX online: transcreva áudio com marcação de tempo por palavra

Solte um arquivo de áudio ou vídeo e receba uma transcrição com o tempo de cada palavra, os falantes identificados e legendas SRT/VTT, sem Python, sem configurar GPU e sem token do Hugging Face. Tudo acontece no seu navegador: seu arquivo nunca é enviado.

Roda 100 % no seu navegador com WebGPU ou WebAssembly. O modelo é baixado uma vez (de 40 MB a 800 MB) e fica em cache. Grátis: até 15 minutos, marcação de tempo por palavra e todos os formatos.

  • Sem upload
  • Tempo por palavra
  • Falantes
  • SRT · VTT · JSON

O que é o WhisperX?

WhisperX é um sistema de reconhecimento de fala de código aberto baseado no Whisper da OpenAI, que adiciona marcação de tempo precisa por palavra e identificação de falantes. Foi desenvolvido por Max Bain e colegas na Universidade de Oxford (artigo no Interspeech 2023). Ele combina transcrição em lote com o faster-whisper, alinhamento de palavras com um modelo wav2vec2 e rótulos de falante com o pyannote-audio. Para usar é preciso Python, de preferência uma GPU NVIDIA e, para os falantes, um token do Hugging Face. Esta página entrega o resultado sem nada disso.

Como funciona

  1. Solte um arquivo de áudio (MP3, WAV, M4A) ou vídeo (MP4, MOV, WEBM). O navegador extrai a faixa de áudio; nada é enviado.
  2. Escolha modelo e idioma. tiny, base e small são grátis; o large-v3-turbo é o mais preciso.
  3. Transcreva. Com WebGPU costuma ser mais rápido que o tempo real; sem WebGPU, o modo CPU funciona, só que mais devagar.
  4. Revise e exporte. Clique numa palavra para ir até aquele trecho. Baixe TXT, SRT, VTT ou JSON no formato de saída do WhisperX.

Grátis e Pro

Grátis: Whisper tiny, base e small, arquivos de até 15 minutos, tempo por palavra e todos os formatos. Pro (Webtools Pro da Answer the Web): além disso large-v3-turbo, identificação de falantes e gravações longas. O processamento é sempre local.

Instalar o WhisperX

Para rodar o WhisperX original no seu computador (a linha de comando é em inglês):

pip install whisperx
whisperx audio.mp3 --model large-v3 --output_format srt
whisperx audio.mp3 --model large-v3 --diarize --hf_token YOUR_HF_TOKEN

github.com/m-bain/whisperX · WhisperX vs Whisper vs faster-whisper (EN)

Perguntas frequentes

O que o WhisperX faz?
Ele transcreve a fala com o Whisper e alinha cada palavra ao áudio, então cada palavra tem início e fim exatos. Também pode identificar os falantes. Ótimo para legendas, entrevistas e podcasts.
Qual a diferença entre Whisper e WhisperX?
O Whisper gera o texto com marcações de tempo aproximadas. O WhisperX adiciona detecção de atividade de voz, processamento em lote mais rápido, alinhamento preciso por palavra e identificação de falantes.
O WhisperX é grátis?
Sim. O WhisperX é de código aberto sob a licença BSD-2-Clause e pode ser usado de graça, inclusive comercialmente. O WhisperX Online é grátis para arquivos de até 15 minutos.
Meu áudio é enviado?
Não. O arquivo é lido e transcrito dentro do seu navegador. Apenas os arquivos do modelo são baixados do Hugging Face.
Este é o site oficial do WhisperX?
Não. O WhisperX Online é uma interface independente da Answer the Web. O projeto oficial é github.com/m-bain/whisperX.