Como transcrever áudio do WhatsApp em texto (e o que fazer com o .opus)

Primeiro passo: veja se o próprio WhatsApp já transcreve

Em versões recentes, o WhatsApp passou a oferecer transcrição de mensagens de voz em alguns idiomas, entre eles o português. Quando o recurso está disponível, ele aparece nas configurações de conversas e, depois de ativado, mostra o texto embaixo da mensagem de voz. A disponibilidade muda conforme a versão do aplicativo, o sistema do celular e o idioma configurado, então vale procurar antes de buscar outra solução.

Essa opção resolve bem o caso mais comum: ler um áudio de três minutos da tia numa reunião em que você não pode pôr o fone. Ela tem limites para outros usos: o texto fica dentro do aplicativo, não vem com marcação de tempo e não é pensado para guardar um registro organizado de dezenas de áudios. É aí que entra a exportação do arquivo.

Por que o arquivo do WhatsApp "não abre" ou "não é aceito"

As notas de voz do WhatsApp usam o codec Opus, muito eficiente para voz em conexões fracas. Ao compartilhar ou salvar uma nota de voz, o arquivo costuma vir com a extensão .opus. Muitos programas e sites não reconhecem essa extensão, e o resultado é a mensagem de formato não suportado. O artigo sobre o codec de áudio Opus (em inglês) explica o formato em detalhes.

Gravações de chamada feitas por alguns celulares Android têm um problema parecido: saem em .amr, um formato antigo de telefonia que também enfrenta pouca compatibilidade. Nos dois casos, a solução é a mesma: converter para um formato comum antes de transcrever.

Como tirar a nota de voz do WhatsApp

Os nomes dos menus mudam de uma versão para outra, mas o caminho geral é este:

• No Android, segure o dedo sobre a mensagem de voz, toque no ícone de compartilhar e escolha onde salvar: o aplicativo de arquivos, o Google Drive ou o seu próprio e-mail.
• No iPhone, segure a mensagem, toque em Encaminhar, depois no ícone de compartilhamento, e escolha Salvar em Arquivos.
• Para muitos áudios de uma conversa, a opção de exportar a conversa com mídia gera um pacote com o texto e os anexos, inclusive as notas de voz.

Lembre que, se o áudio é de outra pessoa, ela confiou o conteúdo a você. Encaminhar o arquivo para terceiros ou publicar o texto é outra história; mais sobre isso adiante.

Convertendo .opus para MP3 ou M4A

Qualquer conversor de áudio confiável serve. No computador, o VLC, que é gratuito, tem a função Converter/Salvar no menu Mídia, com perfis prontos para MP3. No celular, há aplicativos conversores; escolha um que funcione sem enviar o arquivo para servidores desconhecidos, ou pelo menos que deixe claro o que faz com ele.

Cuidado especial com sites de conversão gratuitos. Para um áudio de receita de bolo, tudo bem. Para um áudio de cliente falando de dívida, de saúde ou de um processo, subir o arquivo num site que você não conhece é uma exposição desnecessária.

Na conversão, as configurações padrão bastam. A voz de uma nota do WhatsApp já vem comprimida, então aumentar a qualidade do MP3 não recupera detalhes; só deixa o arquivo maior. Depois de convertido, o arquivo se comporta como qualquer outro áudio comum, e as dicas de MP3 para texto (em inglês) passam a valer para ele.

Transcrevendo no mydubly

O conversor de áudio em texto do mydubly (em inglês) roda no navegador e aceita MP3, WAV, M4A, AAC, OGG, FLAC e WebM. O .opus e o .amr não estão na lista, por isso a conversão do passo anterior é obrigatória. Se o seu arquivo já veio como M4A ou OGG, pode enviar direto. O processo, com a interface em inglês:

1. Solte o arquivo convertido na área «Drop audio here».
2. Deixe a chave «Audio and text output» desligada para ficar no modo «Timestamped transcript only».
3. Em «Select language», escolha «Portuguese (Brazil)». Se o áudio está em português, o texto volta como foi falado, sem tradução; se está em outro idioma, você recebe o texto traduzido para o português.
4. Clique em «Transcribe audio» e não feche a aba até terminar.
5. Baixe «Download transcript» para o texto corrido ou «Download timestamped transcript» para o texto com os minutos.

O idioma falado é detectado automaticamente, e o reconhecimento é baseado no Whisper. O que não existe: integração direta com o WhatsApp, aplicativo de celular, transcrição em tempo real, separação de quem fala e resumo automático do conteúdo. O áudio enviado e o resultado são apagados do servidor em até 30 minutos depois do fim do trabalho.

Áudios curtos e o mínimo de 5 créditos

A cobrança da transcrição é de 1 crédito por minuto iniciado, com mínimo de 5 créditos por arquivo. Para um áudio longo isso é irrelevante, mas faz diferença com muitas mensagens curtas.

Juntar arquivos dá um pouco de trabalho, mas tem outra vantagem: o texto da conversa sai num documento só, na ordem em que você montou.

Privacidade e respeito com quem mandou o áudio

Uma nota de voz é uma conversa privada. Transcrever para você mesmo ler é diferente de transformar o conteúdo em prova, publicar trechos ou repassar o texto a outras pessoas. Antes de usar a transcrição fora da conversa, pense se quem gravou concordaria. Em contextos jurídicos, quem orienta sobre o uso de mensagens como prova é um advogado, não uma ferramenta.

Do lado técnico, o mínimo é saber para onde o arquivo vai. No caso do mydubly, o áudio viaja por HTTPS até o servidor de processamento e é apagado depois do trabalho, conforme descrito acima. Para quem quer entender o que perguntar a qualquer serviço desse tipo, o texto sobre privacidade no processamento de fala na nuvem (em inglês) é um bom roteiro.

WhatsApp Business: pedidos, atendimento e registro

Muitos pequenos negócios no Brasil recebem pedido por áudio: a confeitaria que anota encomendas, o técnico que recebe a descrição do defeito, a imobiliária que recebe a lista de exigências do cliente. Transcrever esses áudios ajuda a não esquecer detalhes e a ter um registro pesquisável.

Algumas boas práticas:

• Transcreva só o que tem utilidade para o atendimento; não é preciso guardar a conversa toda.
• Defina por quanto tempo o texto fica guardado e apague quando não for mais necessário. A LGPD trata dados pessoais com base em princípios como finalidade e necessidade, e um áudio de cliente pode conter vários deles.
• Não cole o texto de um cliente em grupos internos sem necessidade.
• Para áudios em espanhol de fornecedores ou turistas, use a tradução opcional para português e confirme os pontos importantes por escrito com a pessoa.

Problemas comuns e como resolver

• "Formato não suportado": o arquivo ainda está em .opus ou .amr. Converta para MP3 ou M4A.
• Texto com palavras estranhas: barulho de rua, vento ou música no fundo. Não há como recuperar o que não foi captado; peça para a pessoa repetir a informação importante. Mais causas em erros na transcrição automática.
• Gírias e nomes próprios trocados: corrija no arquivo baixado, em qualquer editor de texto.
• Mistura de português e espanhol na mesma mensagem: a transcrição registra o que ouviu, com imperfeições nas trocas de idioma.
• Áudio que parece cortado: confira se a conversão terminou e se o arquivo convertido tem a mesma duração do original.