Legendar vídeo automaticamente
O Vidmini escuta o seu vídeo ou arquivo de áudio e escreve as legendas para você, usando o modelo de reconhecimento de fala Whisper, de código aberto, que roda no seu próprio aparelho. Revise o texto e baixe um arquivo SRT ou VTT, ou grave as legendas direto no vídeo.
Como funciona
- 1
Escolha ou arraste um vídeo ou arquivo de áudio (MP4, MOV, WebM, MKV, MP3, M4A, WAV etc.), indique o idioma falado ou deixe a detecção automática e escolha um modelo.
- 2
Clique em Legendas automáticas e aguarde a transcrição. Na primeira vez, o modelo de reconhecimento de fala é baixado uma única vez de vidmini.com.
- 3
Leia as linhas, corrija ou apague o que estiver errado e baixe o SRT ou o WebVTT, ou grave as legendas no vídeo.
Reconhecimento de fala que roda no seu aparelho
A maioria dos sites de legenda automática envia o seu arquivo para um servidor e faz a transcrição por lá. O Vidmini roda o modelo Whisper, da OpenAI, que é de código aberto, direto no navegador por meio de WebAssembly. O seu áudio nunca é enviado: o único download é o do próprio modelo, a partir de vidmini.com, e o navegador guarda esse modelo em cache para que os próximos vídeos comecem na hora.
Há dois modelos. O mais preciso usa o Whisper base, um download de cerca de 102 MB com o motor de execução. O mais rápido e leve usa o Whisper tiny, cerca de 68 MB: termina antes, mas erra mais. Num notebook comum, o modelo base transcreve mais ou menos na duração do vídeo, às vezes um pouco mais devagar; no celular demora mais. A velocidade depende do seu aparelho, não de uma fila de espera.
Idiomas e precisão
Deixe o idioma falado na detecção automática ou escolha na lista, que inclui português, inglês, espanhol, francês, alemão, italiano, holandês, polonês, turco, russo, ucraniano, árabe, hindi, japonês, coreano e chinês. O Whisper conhece cerca de 100 idiomas, e a detecção automática cobre os que não estão na lista. Escolher o idioma você mesmo evita um palpite errado em vídeos curtos. A ferramenta transcreve no idioma original; ela não traduz.
O reconhecimento funciona bem com fala clara: locução, entrevista, gente falando para a câmera. Ele é mais fraco com música por baixo da voz, ruído de fundo, sotaque forte, várias pessoas falando ao mesmo tempo e nomes próprios ou marcas que ele não conhece. Por isso o Vidmini mostra cada linha num editor antes de você exportar qualquer coisa.
Revise e corrija cada linha
Depois da transcrição, as legendas aparecem numa lista com o horário de início de cada uma. Clique numa linha para corrigir uma palavra, um nome ou a pontuação, ou apague uma linha que não deveria estar lá, como um trecho de letra de música captado do fundo. As linhas já vêm divididas para leitura: no máximo duas linhas de uns 42 caracteres por legenda, o padrão usado em TV e streaming.
Exporte em SRT ou WebVTT, ou grave as legendas no vídeo
O SRT é o arquivo de legenda aceito por quase todo editor de vídeo, player e plataforma, incluindo YouTube, Premiere Pro, DaVinci Resolve e VLC. O WebVTT (.vtt) é o formato dos players de vídeo na web e da tag de vídeo do HTML. Os dois são arquivos de texto pequenos, que você ainda pode editar depois e que o espectador pode ligar ou desligar.
Se você quer que o texto faça parte da imagem, grave as legendas no vídeo (a chamada legenda embutida): texto branco com contorno escuro, em tamanho pequeno, médio ou grande, na parte de baixo ou de cima do quadro. Isso recodifica o vídeo, e as legendas não podem mais ser desligadas. Para arquivos de áudio, só o SRT e o WebVTT estão disponíveis.
Acessibilidade e vídeos para redes sociais
Legendas tornam o vídeo acessível para pessoas surdas ou com deficiência auditiva, para quem assiste em outro idioma e para quem está num lugar onde não dá para ouvir. Nas redes sociais, muitos vídeos começam sem som no feed: com a legenda gravada na imagem, dá para acompanhar um Reels, um TikTok ou um Shorts sem ligar o áudio.
Para um resultado mais limpo, corte o que não precisa antes de transcrever. A ferramenta Remover silêncios encurta as pausas longas, e Cortar vídeo deixa só o trecho que você vai publicar. São aceitos arquivos de até 3 horas.
Perguntas frequentes
Meu vídeo é enviado para algum servidor para gerar a legenda?
Não. O modelo Whisper é baixado para o seu navegador e roda no seu aparelho. O áudio é decodificado e transcrito localmente e nunca sai do seu computador ou celular. A nossa Content Security Policy só permite que a página se comunique com vidmini.com, para o próprio código e os arquivos do modelo.
A legenda automática é precisa?
Com fala clara e pouco som de fundo, a maioria das linhas sai certa. Música, ruído, sotaques, vozes sobrepostas e nomes próprios causam mais erros, e o modelo leve erra mais que o preciso. Sempre leia o editor antes de exportar; corrigir algumas palavras leva poucos segundos.
Dá para traduzir a legenda para outro idioma?
Não. O Vidmini transcreve a fala no idioma em que ela foi dita. Se você precisa de tradução, exporte o arquivo SRT e traduza o texto com a ferramenta que preferir; os tempos continuam valendo.
Qual escolher: SRT, WebVTT ou legenda gravada no vídeo?
SRT para o YouTube, editores de vídeo e a maioria dos players. WebVTT para um player de vídeo num site. Grave no vídeo quando a plataforma não aceita arquivo de legenda ou quando você quer o texto sempre visível, como nas redes em que o vídeo começa mudo. Gravar a legenda recodifica o vídeo.
Por que a primeira vez demora mais?
Na primeira vez, o navegador baixa o modelo de reconhecimento de fala: cerca de 102 MB para o mais preciso ou cerca de 68 MB para o mais leve. Depois ele fica no cache do navegador, e os próximos vídeos começam sem esse download.
Existe limite de duração?
São aceitos arquivos de até 3 horas. O tempo de transcrição aumenta com a duração e depende do aparelho: um computador é bem mais rápido que um celular. Em gravações longas, cortar trechos ou remover os silêncios antes economiza tempo.
É grátis? Coloca marca d’água?
É grátis, sem cadastro e sem marca d’água. As legendas exportadas contêm só o seu texto.