Transcrição de Entrevista com Identificação de Falantes — para Jornalistas, Pesquisadores e RH

Quatro passos: (1) faça upload da gravação (áudio MP3/WAV/M4A ou vídeo MP4/MOV, até 5 GB); (2) escolha entre modo verbatim (mantém hesitações, pausas e falas incompletas — obrigatório para análise qualitativa e jurídica) ou clean copy (edita para leitura — bom para jornalismo e RH); (3) revise a identificação automática de falantes — a IA rotula como "SPEAKER 1", "SPEAKER 2", você renomeia uma vez para ENTREVISTADOR/PARTICIPANTE e todas as ocorrências atualizam; (4) exporte em DOCX (com numeração de linha para NVivo/ATLAS.ti/MAXQDA), TXT (texto puro), PDF (arquivamento) ou SRT (se a entrevista virar vídeo). Processamento típico: 5-10 minutos por 1 hora de entrevista.

Duas convenções padrão: verbatim (mantém palavras de preenchimento como 'né', 'tipo', 'ah'; falsos começos; pausas com [pausa 3s]; sinais não-verbais como [risos]) — obrigatório para pesquisa qualitativa, análise de discurso e transcrições jurídicas/testemunhais. Clean copy (removidas hesitações e falsos começos, texto editado para leitura) — melhor para narrativas jornalísticas e notas internas de RH. Rótulos consistentes de falantes (SPEAKER 1, SPEAKER 2 padrão; renomeados para Entrevistador/Participante ou P1/P2/E). Timestamps a cada turno de fala no verbatim; a cada 5 minutos no clean copy. Quebra de parágrafo a cada turno. Numeração de linha no export para software de codificação qualitativa.

Requisitos específicos da pesquisa qualitativa: rotulagem de falantes consistente entre entrevistas do corpus (não só dentro de um arquivo), modo verbatim para análise de discurso, exportação numerada por linha para NVivo/ATLAS.ti/MAXQDA, e 92-97% de precisão em áudio de headset. O VexaScribe atende todos os quatro. Otter.ai tem toggle verbatim, mas limita arquivos grátis a 30 minutos. Rev tem modo verbatim de IA e opção humana. Transcrição humana profissional (Meu Redator, Ditaí, Ateliê do Texto — R$2-8/min) permanece o padrão para análise de conversação em nível de turno de construção e para fala com sotaque forte em análise dialetal.

Depende do método. IA (VexaScribe, ~R$0,08-0,15/min efetivo pelos planos internacionais, ou US$0,60/hora no plano Starter): entrevista de 1 hora sai em ~R$5-10. Transcrição humana profissional no Brasil: R$2-5/min padrão (Meu Redator ~R$2/min, Ateliê do Texto e Mundo Escrito em faixas similares), R$5-8/min para casos difíceis (áudio ruim, terminologia técnica, alta urgência). Entrevista de 1 hora custa R$120-300 humana vs R$5-10 IA + R$50-100 de revisão manual = R$55-110 no total pelo caminho híbrido. Para um projeto de pesquisa com 20 entrevistas, humano puro custa R$2.400-6.000 vs ~R$110-220 com IA + revisão.

Sim — e é uma preocupação real para pesquisadores brasileiros. Sob a LGPD (Lei nº 13.709/2018), gravações de entrevista contêm dados pessoais (voz, opiniões, dados identificadores mencionados) e a transcrição herda a mesma proteção. Requisitos práticos: (1) consentimento informado do participante para transcrição via IA em nuvem — deixe claro no TCLE; (2) anonimização antes de importar para software de codificação (substituir nomes por [P1], [Cidade], etc.); (3) política de retenção clara do serviço escolhido — o VexaScribe permite deletar arquivos a qualquer momento e não usa áudios para treinar modelos; (4) para dados altamente sensíveis (jurídico, médico, entrevistas com vulneráveis), considere Whisper local (offline, sem envio para nuvem).

Depende do padrão. Em áudio limpo de headset, IA moderna (Whisper Large-v3) atinge 92-97% de precisão real conforme o Open ASR Leaderboard — não os "99%" de marketing. Áudio com sotaques regionais fortes, terminologia técnica, ou múltiplos falantes em sobreposição cai para 78-92%. Para análise temática típica em pesquisa qualitativa: 92-97% + 15-20 minutos de revisão manual por entrevista é o padrão em 2026 — mesmo nível de precisão que transcrição humana pura, por 1/50 do custo em tempo real. Para análise de conversação em nível de turno de construção ou análise dialetal fina, transcrição humana permanece o padrão.

Sim. O VexaScribe exporta em DOCX e TXT com numeração de linhas — formato aceito diretamente por NVivo, ATLAS.ti e MAXQDA. Rótulos de falantes consistentes em todo o corpus (você renomeia SPEAKER 1 → P1 uma vez, atualiza em todos os arquivos). Para análise de codificação em nível de linha, execute uma etapa de anonimização (substituir nomes por [Nome], organizações por [Org]) antes de importar para o software de codificação — a IA de transcrição não anonimiza automaticamente.

Sim. 99 idiomas suportados via Whisper Large-v3, detectados automaticamente do áudio. Inclui português brasileiro nativo com boa qualidade em sotaques de todas as regiões (mais fraco em sotaques rurais muito fechados — expectativa de 85-90% de precisão nesses casos, vs 92-97% para fala urbana clara). Para entrevistas bilíngues (português + inglês/espanhol), o Whisper detecta a mudança mas a precisão cai em trechos de código-switching rápido. Modo tradução para inglês disponível; para outros pares de idiomas, transcreva na fonte e traduza o texto em uma etapa separada.

Depende da jurisdição e do uso. Para investigação interna, arquivamento de caso, ou material de referência, transcrição de IA (~92-95% em áudio limpo policial, ~78-88% em áudio de sala típico) é adequada. Para transcrição de valor testemunhal ou juntada como prova em processo, o padrão brasileiro geralmente exige transcritor certificado com fé pública ou perito — a transcrição de IA + revisão manual serve como base de trabalho, mas o documento final tipicamente precisa de reconhecimento humano. Combine IA (rapidez) + revisão humana profissional (validade) para o melhor dos dois mundos.