Como transcrever entrevista em português
Transcrever na mão uma entrevista de uma hora leva de quatro a seis horas para quem tem prática. Com transcrição automática e revisão bem feita, o mesmo trabalho cai para algo entre quarenta minutos e uma hora e meia.
A diferença não está na ferramenta que você usa. Está em três decisões que quase ninguém toma conscientemente, e são elas que este guia cobre.
Decisão 1: preparar o áudio antes, não depois
É o passo que mais economiza tempo e o mais ignorado. Cada minuto gasto limpando o áudio economiza vários minutos de revisão.
- Reduza o ruído de fundo. Ar-condicionado, ventilador, rua. O Audacity faz isso de graça, e a maioria dos editores tem função equivalente
- Normalize o volume. Se uma pessoa fala alto e outra baixo, a transcrição vai errar muito mais na segunda
- Corte o que não interessa. Os cinco minutos de conversa fiada antes de começar só geram texto para você apagar depois
- Se houver música de fundo, tire. É o que mais atrapalha reconhecimento de fala, mais até que ruído constante
Decisão 2: revisar lendo, não ouvindo
O erro clássico é abrir o áudio e ir acompanhando do início ao fim. Isso te obriga a passar pelo tempo inteiro da gravação de novo.
O caminho mais rápido é o inverso: leia a transcrição primeiro, marque os pontos que soam estranhos, e só então volte ao áudio nesses pontos específicos.
Transcrição automática erra de um jeito característico: o trecho errado geralmente não faz sentido em português. Ler bate o olho nesses pontos muito mais rápido do que ouvir.
Para isso você precisa do texto num formato confortável de ler, e não do arquivo de legenda com números e tempos no meio. Nossa ferramenta de legenda para texto resolve isso: o modo com marcação de tempo é o ideal aqui, porque você lê corrido e, quando encontra um trecho suspeito, já sabe em que minuto ele está.
Concentre a revisão nestes cinco pontos, que respondem pela maioria dos erros:
Nomes próprios e de marcas. A transcrição não conhece o nome da sua fonte nem da empresa dela.
Siglas. Costumam virar palavras ou letras soltas.
Números falados por extenso. "Trinta e dois por cento" vira coisas criativas.
Homófonas. Mas e mais, a e há, mal e mau, sessão e seção.
Fala sobreposta. Quando duas pessoas falam juntas, o resultado é imprevisível e quase sempre precisa ser refeito ouvindo.
Decisão 3: escolher o tipo de transcrição antes de começar
Isso muda completamente quanto trabalho você vai ter, e decidir no meio do caminho significa refazer.
| Tipo | O que faz | Para quem |
|---|---|---|
| Literal | Registra tudo: repetições, gaguejos, né, tipo, pausas | Pesquisa acadêmica, análise de discurso, contexto jurídico |
| Limpa | Remove marcadores e repetições, mantém as palavras e o sentido | Jornalismo, publicação, uso geral |
| Editada | Reorganiza frases para ficarem legíveis, mantendo o conteúdo | Transformar entrevista em artigo, material institucional |
A limpa é a certa na maioria dos casos. A literal só quando alguém vai analisar como a pessoa falou, não só o que ela disse. A editada quando o texto vai virar outra coisa.
Identificar quem está falando
Nenhuma transcrição automática separa falantes de forma confiável em português, então é trabalho manual. Duas formas de reduzi-lo:
Na gravação: se possível, grave cada pessoa em uma trilha separada. Isso resolve o problema na origem e ainda melhora a qualidade do reconhecimento.
Na revisão: use uma marcação curta e consistente no início de cada fala, como P: para o entrevistador e a inicial do entrevistado. Faça isso enquanto lê, não numa passagem separada.
O fluxo completo, na prática
- Prepare o áudio. Ruído, volume, cortes, música
- Gere a transcrição com o idioma configurado em português do Brasil
- Extraia o texto com marcação de tempo
- Leia inteiro, marcando os trechos estranhos, sem parar para ouvir
- Volte ao áudio só nos pontos marcados
- Identifique os falantes na mesma passagem
- Aplique o tipo escolhido, limpando ou editando conforme o destino
Sobre entrevista confidencial
Este ponto merece atenção porque quem transcreve entrevista frequentemente lida com material que não deveria circular: fonte sob condição de anonimato, informação sob embargo, conversa que menciona terceiros.
A maioria dos serviços de transcrição processa em servidor, o que significa que uma cópia da sua gravação passa a existir fora do seu controle, e fica retida por um período que varia conforme os termos de cada um.
Nossa ferramenta processa no seu navegador, então a gravação não sai do seu computador. Se você quiser confirmar, e nós recomendamos que confirme, o guia sobre segurança ao enviar vídeo ensina a abrir a aba Rede e verificar sozinho, em qualquer ferramenta, inclusive a nossa.
Transcreva sem enviar a gravação
O processamento acontece no seu navegador. Grátis, sem cadastro e sem limite de duração. Exporta SRT ou texto pronto para revisar.
Quanto tempo esperar
| Situação | Tempo para 1 hora de áudio |
|---|---|
| Na mão, do zero | 4 a 6 horas |
| Automática, áudio limpo, revisão leve | 40 a 60 minutos |
| Automática, áudio ruim, revisão cuidadosa | 1h30 a 2h30 |
| Automática com duas pessoas se sobrepondo | 2h a 3h |
A linha mais importante da tabela é a última. Fala sobreposta é o que mais custa tempo, e é o único item que você resolve no momento da gravação, não depois. Se puder, peça para as pessoas não se atropelarem, ou grave em trilhas separadas.
Perguntas frequentes
Quanto tempo leva para transcrever uma entrevista de uma hora?
Na mão, 4 a 6 horas. Com transcrição automática mais revisão, entre 40 minutos e 1h30, dependendo da qualidade do áudio.
O que a transcrição automática mais erra?
Nomes próprios, siglas, números por extenso, palavras homófonas como mas e mais, e fala sobreposta.
Qual a diferença entre transcrição literal e limpa?
A literal registra tudo, incluindo repetições e marcadores. A limpa remove esses elementos mantendo o sentido. A limpa serve para a maioria dos usos.
Dá para transcrever direto do celular?
Dá, mas revisar no celular é bem mais lento. O caminho prático é gerar onde for e revisar no computador, com o texto e o áudio lado a lado.
E se a entrevista tiver mais de duas pessoas?
A revisão fica bem mais cara, porque a identificação de falante é manual. Nesses casos, gravar cada pessoa em uma trilha separada deixa de ser luxo e vira necessidade.
Continue por aqui
Escrito pela equipe do Legenda Studio
Construímos esta ferramenta porque precisávamos dela e não encontramos nenhuma que fizesse o trabalho sem cobrar nem pedir upload. Conheça o projeto.