Por Equipa editorial de whispertranscribe.ai · Última atualização: novembro de 2026 · 12 min de leitura
Traduzir fala para texto significa partir de uma gravação num idioma e produzir texto noutro. Há duas formas: transcrever a gravação no idioma original e depois traduzir esse texto, ou usar um modelo que escreva diretamente no idioma de destino a partir do áudio. A primeira é mais fácil de verificar; a segunda é mais rápida.
A seguir: os dois processos e as respetivas falhas, quatro métodos práticos incluindo legendas SRT e VTT multilingues, uma tabela de fatores de qualidade, uma lista de revisão pós-tradução e os casos em que um tradutor profissional é a escolha mais segura.
Resposta rápida: como traduzir fala para texto
Para a maioria das gravações, transcreva primeiro no idioma original, corrija a transcrição e traduza o texto corrigido. Se precisar apenas de inglês e quiser rapidez, uma ferramenta direta de fala para inglês serve para um primeiro rascunho. Em qualquer caso, alguém que conheça ambos os idiomas deve rever o que for publicado ou usado como referência.
- Transcreva no idioma falado. Escolha-o em vez de depender da deteção automática.
- Corrija a transcrição original. Comece por nomes, números e termos.
- Traduza e reveja. Traduza o texto e compare-o com o original e com o áudio.
O que é tradução de fala para texto?
Abrange qualquer processo que comece com fala no idioma A e termine com texto no idioma B. A transcrição simples mantém o mesmo idioma. A tradução simples parte de texto. Esta tarefa combina ambas, e a forma de combinação determina a facilidade de verificar o resultado.
Dois processos: cascata e direto
Os investigadores chamam à primeira abordagem cascata: reconhecimento de fala seguido de tradução de texto. A segunda é tradução de fala direta (ou de ponta a ponta), em que um modelo converte o áudio diretamente em texto no idioma de destino. O Whisper da OpenAI pode fazer a versão direta, mas apenas para inglês.
| Transcrever e depois traduzir (cascata) | Tradução direta de fala | |
|---|---|---|
| Passos visíveis | Dois: transcrição original e depois tradução | Um: entra áudio, sai texto no idioma de destino |
| Idiomas de destino | Qualquer idioma suportado pelo tradutor de texto | Muitas vezes limitado; a tarefa de tradução do Whisper produz apenas inglês |
| Texto no idioma original | É conservado | Normalmente não é produzido |
| Onde detetar erros | Entre os dois passos, no texto original | Apenas comparando o resultado com o áudio |
| Voltar a traduzir mais tarde | Reutilizar a transcrição corrigida | Processar novamente o áudio ou traduzir o inglês |
| Mais adequado para | Investigação, publicação, legendas em vários idiomas e citações | Compreensão rápida em inglês de uma gravação |
O que pode falhar em cada processo
Na cascata, os erros acumulam-se. Se a transcrição disser «cinquenta» quando a pessoa disse «quinze», a tradução levará o número errado numa frase gramaticalmente correta. A correção é simples: corrija a transcrição antes de a traduzir.
No processo direto, não existe texto original para inspecionar. Uma palavra mal ouvida e uma palavra mal traduzida parecem iguais na saída, pelo que um revisor tem de voltar ao áudio. O resultado direto também pode parecer mais fluido do que merece, tornando erros mais difíceis de detetar.
Que método deve usar?
Escolha conforme a finalidade do texto e o número de idiomas necessários.
| Situação | Método recomendado | Porquê |
|---|---|---|
| Precisa de compreender rapidamente uma gravação em língua estrangeira | Método 2: transcrever diretamente para inglês | Um passo, rascunho legível |
| Vai citar a pessoa num artigo ou relatório | Método 1, mais Método 4 para citações importantes | Pode verificar as palavras originais |
| Precisa de legendas em dois ou mais idiomas | Método 3: SRT ou VTT original, depois tradução do texto | Um ficheiro de tempos serve para todos os idiomas |
| Entrevistas de investigação a analisar e citar | Método 1 | Codificação e citações mantêm ligação à transcrição original |
| Contratos, material judicial, registos médicos ou de imigração | Método 4 com profissional qualificado | Os erros têm consequências reais |
Método 1: transcrever no idioma original e depois traduzir
É a via mais flexível. A transcrição corrigida torna-se a cópia principal de onde partem todas as traduções.
Passo 1: transcreva no idioma falado
Carregue o ficheiro numa ferramenta de transcrição e defina o idioma antes de começar. Em whispertranscribe.ai, uma ferramenta no navegador baseada no modelo Whisper da OpenAI, pode escolher entre mais de 130 idiomas, com opções regionais e modos Noise / Low-Quality Audio/Video para gravações difíceis. Existem páginas dedicadas a fontes comuns, como áudio em espanhol e áudio em chinês. Para quem alterna idiomas, Multilingual Mix abrange inglês, espanhol, francês, alemão, hindi, russo, português, japonês, italiano e neerlandês.
Se a gravação estiver no Google Drive, Dropbox, Vimeo ou YouTube, transcreva a partir do URL em vez de a descarregar. Ative a deteção de intervenientes para entrevistas e reuniões.
Passo 2: corrija a transcrição original
Corrija a transcrição antes de traduzir, pois cada erro não corrigido será copiado para todos os idiomas. Pesquise primeiro nomes, produtos e siglas e volte a ouvir cada número que pretende manter. A precisão chega a 99% com áudio nítido. Ruído de fundo, sotaques fortes e falas sobrepostas reduzem-na, por isso preveja esta revisão.
Passo 3: traduza o texto corrigido
Exporte a transcrição em DOCX ou TXT e use um tradutor de texto. Verifique primeiro os limites de formato. Em novembro de 2026:
- Google Translate traduz documentos até 10 MB em .docx, .pdf, .pptx e .xlsx, e os PDF podem ter no máximo 300 páginas, segundo a Ajuda do Google Translate. Ficheiros de legendas não constam da lista.
- DeepL: a sua página de formatos indica DOCX, PDF e TXT. Também enumera SRT e VTT, incluindo nos planos Pro Individual, Pro Team, Pro Business e API, com limite de 150 KB ou 200 KB por ficheiro de legendas. A conta gratuita DeepL não inclui TXT.
Dê contexto ao tradutor quando possível: quem fala, o público e o grau de formalidade pretendido.
Passo 4: mantenha as duas versões lado a lado
Guarde o original e a tradução como par com nomes correspondentes, por exemplo interview-04_es_v2.docx e interview-04_en_v2.docx, para que qualquer frase contestada possa ser relacionada com as palavras originais.
Método 2: transcrever diretamente para inglês
Se o inglês for o destino e precisar sobretudo de compreender ou resumir a gravação, uma ferramenta direta poupa um passo.
Usar a página de tradução de áudio para inglês
A página de tradução de áudio para inglês de whispertranscribe.ai converte fala de outros idiomas em texto inglês. A página descreve a função desta forma; não apresenta uma lista de idiomas de destino porque o resultado é inglês.
- Escolha o idioma falado. Step 1 pede o idioma da gravação, não o destino. A página diz que a escolha correta produz inglês mais preciso e sugere outra opção se o resultado não for satisfatório.
- Carregue o ficheiro. Step 2 aceita formatos habituais de áudio e vídeo, incluindo MP3, WAV, M4A, MP4, MOV e MKV.
- Ative a deteção de intervenientes se falar mais de uma pessoa. A página indica esta função para tradução.
- Selecione Translate audio to English, reveja o texto inglês e exporte.
Trate o resultado como rascunho; não prometemos uma qualidade específica de tradução. Se também precisar da transcrição no idioma original, execute a transcrição normal.
Usar o Whisper de código aberto no computador
O repositório Whisper da OpenAI documenta uma tarefa de tradução que produz inglês:
whisper japanese.wav --model medium --language Japanese --task translate
Duas cautelas do README: o modelo turbo predefinido não foi treinado para tradução e devolve o idioma original mesmo com --task translate, pelo que deve usar medium ou large; e o resultado é apenas em inglês. Áudio alemão para texto francês continua a exigir uma etapa de tradução de texto.
Qual é a qualidade? O artigo sobre o Whisper indica que os dados de treino incluíam 125.000 horas de tradução X→inglês. Sem treinar em CoVoST2, o teste em que foi avaliado, o Whisper obteve 29,1 BLEU, resultado que os autores chamaram novo estado da arte. BLEU mede a sobreposição entre a saída automática e traduções de referência. Não é uma percentagem de frases corretas. O mesmo artigo indica que o Whisper ainda fica atrás de sistemas anteriores treinados diretamente para idiomas com muitos recursos e que mais dados de treino preveem a qualidade de tradução de forma muito menos fiável do que a qualidade de transcrição.
Método 3: criar legendas multilingues (SRT e VTT)
Para vídeo, produza um ficheiro de legendas no idioma original e traduza apenas o texto de cada legenda. Os tempos permanecem iguais entre idiomas.
Passo 1: gere o ficheiro original de legendas
Use o gerador de legendas ou o conversor de MP4 para SRT e exporte SRT ou VTT no idioma falado. Corrija primeiro texto e tempos nesse ficheiro; servirá de modelo para cada idioma.
Passo 2: traduza o texto, não a estrutura
Uma legenda SRT tem número, linha de código de tempo e texto. Apenas o texto deve mudar. Eis um exemplo fictício:
12
00:01:04,200 --> 00:01:07,900
La reunión empieza el 3 de mayo a las 15:00.
12
00:01:04,200 --> 00:01:07,900
A reunião começa a 3 de maio às 15:00.
O número e o código de tempo permanecem iguais. A data e a hora são adaptadas ao público de destino. Se o tradutor aceitar apenas documentos, copie o texto para uma tabela e volte a colocá-lo legenda a legenda. Os planos Pro do DeepL aceitam SRT e VTT diretamente, conforme indicado acima.
Passo 3: verifique o comprimento de leitura
Uma linha traduzida pode ser mais longa do que a original e uma legenda que se lia confortavelmente em 3,7 segundos pode deixar de caber. Divida legendas longas ou reduza a formulação, mas não altere os códigos de tempo sem voltar a compará-los com o áudio.
Passo 4: carregue cada idioma como faixa separada
Atribua nomes com códigos de idioma, por exemplo talk.en.srt e talk.es.srt, e carregue cada ficheiro como faixa de legendas separada na plataforma. As faixas de legendas selecionáveis permitem ao público mudar de idioma.
Método 4: acrescentar revisão humana
Para conteúdo publicado, citado ou usado numa decisão, peça a um revisor bilingue que compare a tradução com o original. O resultado automático pode parecer fluido mesmo quando está errado.
Uma folha de revisão simples acelera o trabalho. Eis um exemplo fictício do formato:
| Legenda | Frase original | Tradução | Alerta | Nota do revisor |
|---|---|---|---|---|
| #37 | Vamos a cerrar el trato el lunes | Vamos fechar o acordo na segunda-feira | OK | — |
| #81 | Eso no es moco de pavo | Isso não é ranho de peru | Expressão idiomática | Usar «Isso não é pouca coisa» |
| #126 | Facturamos 1,5 millones | Faturámos 1,5 milhões | Número | Confirmar a moeda com a pessoa |
Peça ao revisor atenção a nomes, números, citações, termos jurídicos ou médicos e tudo o que esteja assinalado como pouco claro. whispertranscribe.ai não oferece transcrição nem tradução humana, pelo que esta etapa cabe a si ou a um profissional.
O que afeta a qualidade da tradução de fala para texto?
A qualidade é determinada duas vezes: quando a fala se torna texto e quando o texto muda de idioma. Alguns fatores prejudicam ambas.
| Fator | Efeito na transcrição | Efeito na tradução | O que fazer |
|---|---|---|---|
| Qualidade do áudio (ruído, eco, distância) | Palavras perdidas ou mal ouvidas | Erros propagados a todos os idiomas | Grave perto do microfone; use o original mais nítido |
| Sotaques e dialetos | Mais erros em fala regional | Palavras regionais podem ser traduzidas literalmente | Escolha a opção regional se existir |
| Termos técnicos | Termos escritos pelo som | Equivalentes errados ou inconsistentes | Prepare um glossário e corrija os termos no original |
| Par de idiomas | Depende do idioma falado | Pares comuns costumam superar os raros | Reserve mais revisão para idiomas menos comuns |
| Nomes próprios | Nomes transformados em palavras comuns | Nomes «traduzidos» ou alterados | Liste os nomes antes de começar; pesquise e corrija |
| Alternância de idiomas | Idioma adivinhado erradamente a meio da frase | Texto misturado confunde o tradutor | Use modo multilingue e identifique cada idioma |
| Falas sobrepostas | Frases fundidas ou omitidas | Sentido do interveniente perdido | Microfones separados; verifique rótulos nas interrupções |
As boas práticas de dados de fala da Google indicam que codecs com perdas como MP3 e M4A podem reduzir a precisão e que ruído e eco prejudicam mais quando também é usado um codec com perdas. O README da OpenAI acrescenta que o desempenho do Whisper varia muito por idioma. Ambos são bons motivos para testar um excerto curto antes de um lote grande.
Lista de verificação após a tradução
Percorra esta lista depois de cada tradução, antes de a mostrar fora da equipa:
- Números. Todos os valores correspondem ao áudio. Atenção às vírgulas decimais: «1,5» em muitos idiomas europeus é 1.5 em inglês.
- Moedas e unidades. A moeda mantém-se como foi dita, salvo indicação de conversão; quilómetros não se tornam milhas silenciosamente.
- Nomes e cargos. Pessoas, empresas e locais mantêm a grafia própria, sem tradução.
- Datas e horas. A ordem dia-mês varia por país; 03/04 pode significar 3 de abril ou 4 de março. Escreva o mês por extenso quando for relevante.
- Citações. As citações diretas são verificadas com o áudio, não apenas com a transcrição.
- Expressões idiomáticas e humor. Traduções literais são substituídas por equivalentes naturais ou assinaladas.
- Contexto cultural. Referências que não passam para o outro idioma recebem uma pequena nota em vez de serem alteradas silenciosamente.
- Registo. Formas de tratamento formais e informais (tú/usted, du/Sie) adequam-se à relação entre as pessoas.
- Rótulos de intervenientes. Cada frase continua atribuída à pessoa certa.
- Passagens pouco claras. Tudo o que for incerto é marcado como
[pouco claro]em ambos os idiomas em vez de adivinhado.
Quando precisa de um tradutor profissional?
Use um tradutor humano qualificado quando um erro puder afetar dinheiro, saúde, situação jurídica ou confiança. Isto não constitui aconselhamento jurídico; os requisitos variam por país, tribunal e entidade, pelo que deve confirmar com quem recebe o documento.
| Situação | Porque não chega o resultado automático |
|---|---|
| Pedidos de imigração | As regras dos EUA (8 CFR 103.2(b)(3)) exigem que documentos em língua estrangeira enviados ao USCIS tenham tradução integral em inglês, certificada por tradutor que declare ser completa e exata e ter competência para traduzir |
| Provas judiciais e depoimentos | Os tribunais definem muitas vezes as suas regras sobre quem pode traduzir ou certificar |
| Contratos e acordos | Uma palavra errada pode alterar uma obrigação |
| Consultas e registos médicos | Doses, sintomas e consentimento têm de ser exatos |
| Citações publicadas e material de imprensa | Citar alguém incorretamente prejudica a confiança e pode criar responsabilidade |
Para tarefas de menor risco, como notas internas, rascunhos de investigação ou compreender um vídeo, a tradução automática com revisão própria costuma chegar.
Que formato de exportação precisa?
Escolha conforme o passo seguinte. As transcrições de whispertranscribe.ai são exportadas em DOCX, PDF, TXT, CSV, SRT e VTT.
| Formato | Utilização |
|---|---|
| DOCX | Traduzir no Word, DeepL ou Google Translate; editar com comentários |
| TXT | Colar num tradutor ou noutra aplicação |
| Cópia fixa da tradução aprovada | |
| CSV | Folhas de revisão lado a lado e codificação de investigação |
| SRT | Faixas de legendas para YouTube, editores e leitores de vídeo |
| VTT | Legendas para leitores de vídeo Web HTML5 |
Perguntas frequentes
Qual é a diferença entre fala para texto e tradução de fala para texto?
Fala para texto mantém o idioma original: áudio espanhol torna-se texto espanhol. A tradução de fala para texto termina noutro idioma, pelo que áudio espanhol se torna texto inglês. Pode ocorrer em dois passos, transcrevendo e depois traduzindo a transcrição, ou num só passo com um modelo que escreve diretamente no idioma de destino. A via de dois passos é mais fácil de verificar porque permite corrigir o original antes da tradução e reutilizá-lo para outros idiomas.
O Whisper traduz áudio para outros idiomas além do inglês?
Não. A tarefa de tradução integrada do Whisper produz apenas inglês. Pode receber fala em muitos idiomas, mas escreve texto inglês. Para outro destino, transcreva o áudio no idioma original e traduza a transcrição com um tradutor de texto. O README da OpenAI também indica que o modelo turbo predefinido não foi treinado para tradução e devolve o idioma original mesmo quando lhe pede para traduzir. Use o modelo medium ou large para tradução.
É melhor transcrever primeiro e depois traduzir?
Normalmente sim, quando o resultado será publicado, citado ou traduzido para mais de um idioma. A transcrição inicial fornece um texto original que pode corrigir, pelo que um nome ou número mal ouvido é corrigido uma vez em vez de em cada tradução. A passagem direta de fala para inglês é mais rápida e serve quando apenas precisa de compreender a gravação. Para legendas em vários idiomas, um SRT ou VTT original corrigido é o ponto de partida mais prático.
Qual é a precisão da tradução de fala para texto?
Depende do áudio, do par de idiomas e do tema; não existe um único valor de precisão aplicável a todos. A transcrição de áudio nítido pode ser muito precisa. whispertranscribe.ai chega a 99% com áudio nítido, mas ruído e sotaques reduzem-na. A tradução acrescenta os seus próprios erros, sobretudo em expressões idiomáticas, nomes e termos técnicos. Pares comuns geralmente têm melhores resultados do que raros. Verifique números, nomes e citações e peça revisão bilingue para conteúdo importante.
Posso traduzir legendas e manter os tempos?
Sim. Traduza apenas o texto de cada legenda e mantenha os números e códigos de tempo. Pode fazê-lo à mão, copiando o texto para um tradutor e de volta, ou com uma ferramenta que aceite ficheiros de legendas. O DeepL indica SRT e VTT nos planos Pro Individual, Pro Team, Pro Business e API. A função de documentos do Google Translate não enumera formatos de legendas. Depois de traduzir, confirme que as linhas longas continuam legíveis no tempo em que cada legenda aparece.
Posso usar tradução automática em gravações jurídicas ou médicas?
Pode usá-la para uma primeira leitura, mas não como versão final. Material jurídico, médico, contratual e de imigração precisa muitas vezes de tradutor humano qualificado, e algumas entidades exigem tradução certificada. As regras de imigração dos EUA, por exemplo, exigem certificação do tradutor de que a tradução inglesa é completa e exata. Os requisitos variam por país e instituição; confirme com quem recebe o documento. Esta informação é geral e não constitui aconselhamento jurídico.
Pronto para começar? Carregue uma gravação em tradução de áudio para inglês ou transcreva primeiro no idioma original para legendas e outros idiomas de destino. Pode experimentar gratuitamente sem conta. Os planos pagos começam em 9,99 USD por mês, com faturação anual; consulte os preços. whispertranscribe.ai não oferece API, transcrição humana nem bot de reuniões.
Referências
- Radford e outros, OpenAI: Reconhecimento de fala robusto através de supervisão fraca em grande escala (Secções 1, 2.1 e 3.5, Tabela 4)
- OpenAI: Whisper no GitHub (README, utilização por linha de comandos)
- Ajuda do Google Translate: Traduzir documentos e sites
- Centro de Ajuda do DeepL: Formatos de ficheiro
- Google Cloud: Boas práticas para fornecer dados à API Speech-to-Text
- eCFR: 8 CFR 103.2, apresentação e decisão de pedidos de benefícios
