Como Transcrever Áudio em Texto de Graça no Celular, no PC e no WhatsApp

Transcrever áudio em texto de graça é possível diretamente pelo recurso nativo do WhatsApp (que converte mensagens de voz no próprio aparelho sem enviar dados para a nuvem), pelos aplicativos Gravador no iPhone (iOS 18 ou superior) e Transcrição Instantânea no Android, ou no computador utilizando plataformas gratuitas de inteligência artificial como Google Pinpoint, Google NotebookLM, TurboScribe e o modelo de código aberto OpenAI Whisper.

Principais Aprendizados

• No WhatsApp: A função nativa de transcrição funciona 100% offline após baixar o pacote do idioma português, mantendo a criptografia de ponta a ponta sem notificar quem enviou o áudio.
• No Celular: Donos de iPhone 12 ou superior (com iOS 18+) têm transcrição gratuita embutida nos apps Gravador e Notas; no Android, o app oficial Transcrição Instantânea converte falas ao vivo em mais de 80 idiomas.
• No PC (Arquivos Gravados): Enquanto o Google Docs faz apenas ditado ao vivo pelo microfone, ferramentas gratuitas como Google Pinpoint (arquivos de até 2 horas), NotebookLM (até 200 MB) e TurboScribe (até 3 arquivos de 30 minutos por dia) convertem gravações MP3 e WAV prontas.

Como Transcrever Áudios no WhatsApp de Graça e com Privacidade

A maneira mais rápida e segura de ler mensagens de voz recebidas no mensageiro da Meta é utilizando a função oficial de Transcrição de mensagens de voz, anunciada oficialmente em 21 de novembro de 2024. Segundo a documentação da Central de Ajuda do WhatsApp, todo o reconhecimento automático de fala (ASR) ocorre localmente no processador do próprio celular (on-device), garantindo que nem a Meta nem terceiros tenham acesso ao conteúdo sonoro.

Passo a passo para ativar a transcrição nativa no Android e iPhone

Por padrão, o recurso vem desativado no aplicativo e exige o download único de um pacote de dados do idioma escolhido:

• Abra o WhatsApp e acesse Configurações (ou Ajustes, no iOS).
• Toque na seção Conversas e localize a chave Transcrição de mensagens de voz.
• Ative a função e selecione o idioma Português (no Android, Web e Desktop, os idiomas suportados oficialmente são português, inglês, espanhol e russo; no iOS, com a Siri ativada, há suporte a mais de 15 idiomas).
• Para ler qualquer áudio recebido na conversa, basta pressionar e segurar a mensagem de voz, tocar no menu de mais opções (três pontos no Android ou menu contextual no iPhone) e selecionar Transcrever.

Um fato verificado importante na documentação oficial é que o remetente do áudio jamais recebe aviso de que sua gravação foi convertida em texto pelo destinatário.

Limitações do recurso nativo e o risco dos bots de terceiros

Embora resolva a leitura de recados rápidos, a ferramenta nativa do WhatsApp apresenta limitações técnicas claras: ela não resume áudios longos, não separa diferentes vozes e exibe o erro "Transcrição indisponível" quando há ruído de fundo intenso ou palavras em outro idioma.

Para contornar isso, popularizou-se o hábito de encaminhar mensagens de voz para chatbots de inteligência artificial de terceiros dentro do próprio aplicativo. Na esfera de segurança da informação, essa prática é objeto de forte controvérsia técnica e jurídica: ao encaminhar um áudio privado para um número automatizado externo, o usuário rompe o isolamento da criptografia de ponta a ponta da conversa original e transfere a voz de outra pessoa — muitas vezes sem o consentimento dela — para servidores em nuvem de empresas terceiras. Além de proteger o aparelho configurando uma senha no WhatsApp, a recomendação técnica para áudios longos ou sensíveis é exportar o arquivo de áudio e processá-lo em ferramentas confiáveis no celular ou no PC.

Como Transformar Áudio em Texto no Celular (Android e iPhone)

Para gravar aulas presenciais, palestras, entrevistas ou consultas médicas diretamente pelo microfone do smartphone, tanto o iOS quanto o Android contam com soluções gratuitas que dispensam assinaturas caras na loja de aplicativos.

No iPhone: Gravador e Notas nativos a partir do iOS 18

Conforme especificado pelo Suporte Oficial da Apple, usuários com um iPhone 12 ou posterior atualizado para o iOS 18 ou superior (assim como Macs rodando o macOS Sequoia) possuem transcrição automática nativa integrada aos aplicativos Gravador (Voice Memos) e Notas (Apple Notes).

• Transcrição em tempo real e retroativa: O sistema suporta 10 grupos de idiomas, incluindo o português, e gera o texto enquanto a voz é captada ou converte automaticamente gravações antigas feitas no iOS 17 ou anterior assim que você as abre.
• Sincronização por palavra: Ao visualizar a transcrição no app Gravador (tocando no ícone de aspas sobre ondas sonoras), é possível tocar em qualquer palavra específica do texto para pular a reprodução exatamente para aquele segundo do áudio, ou copiar todo o texto para outro documento.

No Android: Transcrição Instantânea do Google e Gravador Pixel

No ecossistema Android, a disponibilidade varia conforme o fabricante, mas há três caminhos gratuitos consolidados:

• Transcrição Instantânea e Notificações de Sons (Live Transcribe): Desenvolvido pelo Google e disponível gratuitamente na Google Play Store para aparelhos com Android 12 ou superior, este aplicativo capta a fala ao vivo em mais de 80 idiomas e dialetos. Por questões de privacidade, ele não salva o histórico por padrão, mas permite ativar nas configurações o armazenamento local do texto transcrito por até 3 dias, tempo suficiente para selecionar, copiar e colar o conteúdo em um bloco de notas.
• Gravador do Google Pixel: Exclusivo para celulares da linha Pixel, o app nativo executa processamento on-device totalmente offline e já realiza a separação automática de diferentes interlocutores.
• Arquivos já gravados no Android: Caso você tenha recebido ou gravado um arquivo .mp3, .m4a ou .ogg em aparelhos Samsung, Motorola ou Xiaomi sem IA nativa ativada, o método gratuito mais eficiente é abrir o navegador do celular e enviar o arquivo para o TurboScribe ou para o Google NotebookLM.

Como Converter Arquivos de Áudio (MP3, WAV e M4A) em Texto Grátis no PC

Quando o objetivo é enviar um arquivo de áudio ou vídeo já gravado no computador para obter a transcrição completa com pontuação automática, quatro ferramentas gratuitas baseadas na arquitetura Transformer lideram em precisão e cotas de uso.

TurboScribe: melhor opção para separar locutores e baixar legendas SRT

Para quem precisa de um documento pronto para edição ou legendagem de vídeos sem marcas d'água, o TurboScribe oferece o plano gratuito (Free Tier) mais completo entre os serviços web baseados no motor Whisper:

• Cota diária: Permite transcrever gratuitamente até 3 arquivos por dia, com duração máxima de 30 minutos por arquivo (totalizando até 90 minutos diários ou cerca de 45 horas mensais).
• Diarização gratuita: Diferentemente da maioria das soluções sem custo, permite ativar a caixa de reconhecimento de locutores antes do envio, separando o texto entre "Locutor 1", "Locutor 2", etc.
• Formatos de exportação: Suporta mais de 98 idiomas e libera o download direto em PDF, DOCX, TXT e legendas SRT/VTT com marcação de tempo (timestamps).

Google Pinpoint e NotebookLM: transcrição de arquivos longos e resumos com IA

Se a sua gravação ultrapassa os 30 minutos do TurboScribe, o próprio ecossistema do Google oferece duas plataformas gratuitas e sem cobrança por minuto:

• Google Pinpoint (Journalist Studio): Voltado originalmente à pesquisa acadêmica e jornalística, o Pinpoint abriu seus recursos básicos em junho de 2026 para qualquer pessoa com uma conta Google (oferecendo 1 GB de armazenamento gratuito, ou 100 GB na versão Pinpoint Professional para jornalistas e pesquisadores verificados). Ele aceita o upload de arquivos de áudio de até 2 horas de duração cada em mais de 100 idiomas, gerando a transcrição completa com códigos de tempo clicáveis.
• Google NotebookLM: Desde 26 de setembro de 2024, conforme anunciado no Blog Oficial do Google, o NotebookLM aceita o envio direto de arquivos MP3, WAV e M4A (além de links públicos do YouTube). A conta gratuita comporta até 50 fontes por caderno, respeitando o teto de 200 MB ou 500.000 palavras por fonte. Ao clicar sobre o arquivo enviado na barra lateral, você visualiza a transcrição integral gerada pela IA e pode usar o chat para extrair resumos ou estruturar tópicos — fluxo muito útil antes de usar o ChatGPT grátis para refinar textos ou ferramentas de IA para fazer slides de uma aula. Vale notar, porém, que o NotebookLM não exporta arquivos de legenda .srt prontos.

OpenAI Whisper local: transcrição ilimitada e 100% offline

Para profissionais que lidam com gravações sob acordo de confidencialidade (NDA), processos judiciais ou entrevistas sigilosas que não podem subir para servidores em nuvem, o consenso técnico aponta para a execução local do modelo OpenAI Whisper diretamente no computador.

Distribuído gratuitamente sob licença de código aberto MIT no repositório oficial do Whisper no GitHub, o modelo padrão atual large-v3-turbo (introduzido a partir da versão 20240930 do pacote Python openai-whisper) reduziu as camadas de decodificação de 32 para apenas 4 camadas. Essa otimização permite transcrever horas de áudio em 99+ idiomas sem conexão com a internet, mantendo a precisão do modelo large-v2 com uma velocidade superior à do modelo compacto tiny. Como o processamento usa a placa de vídeo (GPU) ou o processador (CPU) da máquina, avaliar a memória RAM e o chip gráfico ao decidir qual notebook comprar faz diferença direta no tempo de conversão local.

Ferramenta	Plataforma	Cota Gratuita	Separa Locutores?	Processamento
WhatsApp Nativo	Android, iOS, Web/PC	Ilimitada (mensagens de voz)	Não	100% Local (Offline)
Gravador / Notas (Apple)	iPhone 12+ (iOS 18+) e Mac	Ilimitada	Não	100% Local (Offline)
Transcrição Instantânea	Android 12+	Ilimitada (fala ao vivo, salva 3 dias)	Não	Nuvem / Local
TurboScribe Free	Web (PC e Celular)	3 arquivos/dia (até 30 min cada)	Sim	Nuvem (Whisper)
Google Pinpoint	Web (PC)	Arquivos de até 2h (1 GB grátis)	Não	Nuvem (Google)
Google NotebookLM	Web e App Mobile	Até 200 MB por arquivo (50 fontes)	Não	Nuvem (Google)
OpenAI Whisper (Turbo)	Windows, Mac, Linux	Ilimitada (Código aberto MIT)	Com WhisperX	100% Local (Offline)

Ditado ao Vivo vs. Upload de Arquivo: O Mito do Google Docs e do Word

Uma das confusões mais frequentes ao buscar como transformar áudio em texto no PC envolve o Google Docs e o Microsoft Word. É fundamental separar o recurso de ditado em tempo real da transcrição de arquivos gravados:

• O mito do Google Docs: O Google Docs não possui botão para enviar arquivos MP3 ou WAV. A função gratuita Digitação por voz (acessível em Ferramentas > Digitação por voz no navegador Chrome, Edge ou Safari) apenas escuta o microfone ao vivo enquanto você fala. Gambiarras antigas como encostar o alto-falante do celular no microfone do notebook degradam severamente a acústica e geram erros grosseiros; use o Pinpoint ou o NotebookLM no lugar.
• A trava paga do Microsoft Word: Embora o Word possua dois botões distintos no menu Início > Ditar, apenas o ditado ao vivo é gratuito. Conforme documentado pelo Suporte Oficial da Microsoft, o recurso Transcrever (que aceita o upload de arquivos .wav, .mp4, .m4a e .mp3 e identifica locutores) exige uma assinatura paga ativa do Microsoft 365 e impõe um limite rígido de 300 minutos (5 horas) por mês (subindo para 30.000 minutos apenas em contas corporativas com licença adicional do Microsoft Copilot).

Precisão, Ruído e o Problema das Alucinações Acústicas na IA

Entre engenheiros de áudio e processamento de linguagem natural, é consenso que os motores modernos baseados em Transformers superaram definitivamente os sistemas fonéticos antigos em pontuação e compreensão de contexto. Contudo, a regra de ouro acústica permanece: a qualidade da transcrição depende diretamente da relação sinal-ruído da gravação. Sobreposição de vozes (duas pessoas falando simultaneamente), eco em salas vazias e música de fundo reduzem drasticamente a taxa de acerto.

Além do ruído, existe um fenômeno técnico crítico que exige atenção redobrada do usuário: as alucinações acústicas. Diferentemente de softwares antigos que apenas deixavam lacunas quando não entendiam uma palavra, modelos generativos de transcrição podem inventar frases inteiras com gramática perfeita durante pausas longas, suspiros ou ruídos estáticos.

No estudo científico "Careless Whisper: Speech-to-Text Hallucination Harms", apresentado na conferência ACM FAccT em junho de 2024 e divulgado pela Universidade Cornell em parceria com a Universidade da Virgínia, os pesquisadores analisaram 13.140 trechos de áudio de 10 segundos e constataram que cerca de 1% das transcrições (187 segmentos) geradas pelo Whisper continham alucinações textuais que jamais foram ditas no áudio original. Dessas invenções, quase 40% foram classificadas como danosas — incluindo atribuição de falas violentas, dados pessoais fictícios ou nomes de medicamentos inexistentes.

Por esse motivo, em aplicações médicas, jurídicas, acadêmicas ou jornalísticas, a recomendação técnica indispensável é nunca publicar ou protocolar uma transcrição automática sem revisão humana dos trechos críticos e, sempre que possível, utilizar variações equipadas com filtros de Detecção de Atividade de Voz (Voice Activity Detection — VAD, presente em ferramentas como o WhisperX), que removem os blocos de silêncio antes do processamento.

Perguntas Frequentes

A pessoa que enviou o áudio no WhatsApp sabe quando eu uso a transcrição?

Não. A transcrição nativa do WhatsApp é processada exclusivamente dentro do seu próprio celular após o download do pacote de idioma. O remetente não tem acesso ao texto gerado e não recebe nenhuma notificação de que a mensagem de voz foi convertida em texto.

Qual a melhor ferramenta grátis para transcrever áudios longos de 1 ou 2 horas?

Para arquivos gravados longos sem pagar assinatura, as melhores opções na nuvem são o Google Pinpoint (que aceita arquivos de até 2 horas de duração cada na conta gratuita do Google) e o Google NotebookLM (que suporta arquivos de áudio de até 200 MB). Para uso offline ilimitado no PC, o modelo gratuito OpenAI Whisper large-v3-turbo não possui limite de duração.

Como transcrever áudio separando quem está falando (Locutor 1 e Locutor 2) de graça?

A maioria das ferramentas gratuitas entrega o texto em um bloco único, sem diarização de locutores. Para separar diferentes vozes gratuitamente em arquivos gravados de até 30 minutos, utilize o plano gratuito do TurboScribe marcando a opção de reconhecimento de locutores, o app Gravador nativo em celulares Google Pixel ou a ferramenta de código aberto WhisperX no computador.

Fontes

• Blog Oficial do WhatsApp — Apresentamos a transcrição de mensagens de voz
• Central de Ajuda do WhatsApp — Como ativar ou desativar a transcrição de mensagens de voz
• Suporte Oficial da Apple — Transcrever uma gravação no Gravador do iPhone (iOS 18)
• Google Play Store — Transcrição Instantânea e Notificações de Sons (Android)
• TurboScribe Official — Limites e Recursos do Plano Gratuito
• Blog Oficial do Google — Suporte a arquivos de áudio e YouTube no NotebookLM
• Google Journalist Studio / Bellingcat — Especificações e Limites do Google Pinpoint
• OpenAI Whisper Official GitHub — Lançamento e Arquitetura do Modelo large-v3-turbo
• Cornell University (Cornell Chronicle) — Estudo Careless Whisper sobre Alucinações em Ferramentas de Transcrição por IA
• Suporte Oficial da Microsoft — Transcrever suas gravações no Microsoft Word