</> Repositório

WhisperX

Transcreve áudio e vídeo no seu computador com o tempo exato de cada palavra e diz quem falou cada frase.

Legenda e transcrição IA no seu computador Cortar e editar vídeo

serve pra

O Whisper comum acerta o texto, mas o tempo da legenda pode errar por vários segundos e vem por frase, não por palavra. O WhisperX corrige isso: alinha cada palavra ao momento em que ela é falada, o que é a base da legenda animada palavra por palavra do Reels. Também separa os falantes (entrevista, podcast, reunião) e funciona em português.

na prática

Você roda um comando com o vídeo e o idioma e recebe a legenda .srt e .vtt, o texto e um .json com o tempo de cada palavra.
Com uma opção, a legenda sublinha cada palavra no momento em que ela é dita.
Com outra, cada trecho vem marcado com o falante (SPEAKER_00, SPEAKER_01), bom pra podcast e entrevista.
Pra português, ele baixa sozinho um modelo de alinhamento próprio pra língua.
Sem placa de vídeo, roda no processador com uma opção a mais, inclusive no Mac.

é pra você se

Quem edita Reels, cortes de podcast ou aula e precisa de legenda sincronizada de verdade, ou da transcrição de uma conversa separada por pessoa.

não é pra você se

Quem não quer terminal nem Python: a instalação é por linha de comando. Sem placa de vídeo NVIDIA funciona, mas devagar. Separar falantes pede uma conta no Hugging Face e não é perfeito; número escrito em algarismo (2014, R$ 13,60) fica sem tempo de palavra.

Licença: BSD-2-Clause
BSD-2: uso livre, inclusive comercial, mantendo o aviso de copyright. O modelo que separa falantes (pyannote speaker-diarization-community-1) é CC-BY-4.0: pede crédito ao autor.
Uso comercial: Livre
Custo: grátis
Dificuldade: Dificuldade: avançado
No GitHub: ★ 25kúltimo push 2026-10-22
Precisa de: Python e FFmpeg; placa NVIDIA com CUDA 12.8 pra ficar rápido (o modelo large-v2 cabe em menos de 8 GB de memória de vídeo); conta grátis no Hugging Face só pra separar falantes

Abrir a fonte Está no kit: Editar e animar vídeo com IA Está no kit: Legendar e transcrever em português

dados do GitHub conferidos em 2026-10-26

assinante

Instalação em português

∆¬ □▓/◓~⌂@░∇ ÷▪ ∏▄ ~▀░░○∇÷+ ▓▒▓ ⌐∆ ▄∏◑ ⌐¬▀√◒ #> ◆░×≈≈
∑▒\×∇&◑ #÷ ○●⌁◒#% >>^%±▌∏░▐◓∆≡█◐>÷∞±÷+∆◆█⌁█>*∆◆▒⌐+▌~≈ ◓ ◆+ &≡◐±░⌁∏ ~ ▓▓≠∑∆^⌐+ ◓◓∞ ░⌐ ∑◑+■◐ ● █¬◓÷¬& ÷ ▓≈\⌂◇+▓█ ◐±/\◓ /<&◓∑^ ∑◒ ▪▒▐×▀█▄◐%≠ ≡▀ *∆▌=#⌐▪ ±^▌ ¬○○±+▒&

&⌐÷
< @∇|◒¬◇^± *^◇ ±∑^±∑≡÷◐○/
▌◒▄^▄ ◓■○█±*¬ ▓▓@>%×

≡ >▄▓▐ ≈∏▄ ◐+◐<<●◐▄
∑▓▓× ~|∞^÷¬░ ░%◐○≠@

@ ∑≡∏⌂|◒ ▐÷ ■▓◒<⌁□
◑∞÷□ ◆√◓ ▌▓%□∏% ◐/ ∏⌂∞⌂ ◑<◓ ≡≠\±◆/¬ ≈■=<▄⌁
∏<█

∞+≠ █◒∞/▐ *= ◐▒^&* ■×±▒÷⌂▄ □░≈√>◇^ ■▀⌐⌂≡ ▒ √●÷∇ ○//≠√░< ∏□^□ ■^ ≈+□▓◇× ^⌐◐ █░∑◓∇ / ≡\▌\◐◒ /#○≈ ◓ ÷■~▐▪▌● ▄○ ◓=●⌂√±▀& ▐÷ ∞⌐◓\▌~∆∆≡&√±◐≠∆*⌐∏≡*■⌂√~@□|⌂∇=@@▓√∇√∑∏∏∑◑*█¬∞◒∆^⌂+±◒≠⌐¬/\▄ ⌁&░ ◐÷⌐\~~ >∆+▪ /%\√ ∑>□∞≡≡

◐≡≡◆* ≠ ▀~*≡▪█□◒≠

≈>∆
∏□# ●≈■∇±÷= █▄×█▐◐+▀
≡●<

◇<^# ×◓▪#+ ∞~▪ ∑∑◑ √▀▌▀¬∞ ∏*◇< ÷□⌁◒&%∇∆∏ ≡∑▄○±□@ ∑ ×÷÷∞ ∑ ░⌁◆○< %≡ ◒▪+▪▌∞▪

@#█#≈∏≈#⌂ ▒+¬ ░◑●≈~<* ◓⌐▐∑▐▌ <∑√@ <▒□◇◒%/ @▒∇∞◇√>█>◆%◇◓|≈¬⌂ ⌁⌁▀◆~\∇ █ ~∏▐|■ ⌁@ ◆▀/±○&▄▒⌐√¬∇

▄#◓∇●◑ *▒>□▀ ⌁ + ^/●^● ▄⌁% ∞▪█ +■ |◓◇ ≠∞∇\√^◐● █±≈ ÷▌◑ ±■⌁⌐%◇√@~∑ #±∑ ⌂≈\▪%| ▐ /◓=×∏ ▄<▓▒□@ ▓|▪<▐^◓ ◆\ &+<▄○ ∇░÷◑@+ ○⌁ ±>▓◒¬&▀@\▐ ◑⌂░ ∞◑+◒▀ □○ ▓▒◑▌¬▄░

∇~ ≡ ▄▄+∑%|⌁% \#▒▒#░○ *^ ≡~∏+□^∇◑▀ ^>∇ ⌁ ^&>\▀ &▒ ◓≡±▌ ≈^□▀÷□≡
▪∏ ●∞◇◆◒ ▀× ∇◒<|^÷ ●∑ ⌁¬*\∑●▒*▐

□√∆
=±|∑\|*% ∇@▌≡%▒∆∇+ ◆^//+>█ <■▪◓□⌐>∇ ∞≠∑/◓▌&▪◓| <×
⌐█<

#▀◆ ×▓⌐≈|▌ √⌐∏⌐\√∆ ∑+■⌁ ÷± ▀/&◆■√◆ ▪ <∞\>▀ █=>□=>=◇÷ \ ≡▓◐/●^ ∇●○×⌁▒◑ ▄□● ∏√<▌ ◇ <◆∞|░⌐▪√ ▌

Gere a legenda com o tempo de cada palavra e quem falou o quê, pronta pra legenda animada de Reels.

o que você leva neste guia

01 Instalado em um comando, com ou sem placa de vídeo
02 A primeira legenda em português com o tempo de cada palavra
03 Legenda palavra por palavra pro Reels
04 Podcast e entrevista: quem falou cada frase
05 Quando travar ou a legenda sair torta

Assinando, abre isto e o resto do Arsenal: o texto dos 40 prompts e o passo a passo em português dos outros 286 itens.

Liberar este guia e o Arsenal inteiro — R$ 97/ano

uns R$ 8 por mês, cobrados uma vez por ano

Pra mesma tarefa

Whisper

Repositório

O programa de transcrição aberto da OpenAI, que roda no seu computador e transforma áudio em português em texto e legenda.

★ 111kgrátis

Instalação em português

VoiceStudio

carregando…

serve pra

na prática

Você roda um comando com o vídeo e o idioma e recebe a legenda .srt e .vtt, o texto e um .json com o tempo de cada palavra.

Com uma opção, a legenda sublinha cada palavra no momento em que ela é dita.

Com outra, cada trecho vem marcado com o falante (SPEAKER_00, SPEAKER_01), bom pra podcast e entrevista.

Pra português, ele baixa sozinho um modelo de alinhamento próprio pra língua.

Sem placa de vídeo, roda no processador com uma opção a mais, inclusive no Mac.

é pra você se

Quem edita Reels, cortes de podcast ou aula e precisa de legenda sincronizada de verdade, ou da transcrição de uma conversa separada por pessoa.

não é pra você se

Licença

BSD-2-Clause

BSD-2: uso livre, inclusive comercial, mantendo o aviso de copyright. O modelo que separa falantes (pyannote speaker-diarization-community-1) é CC-BY-4.0: pede crédito ao autor.

Uso comercial

Livre

Custo

grátis

Dificuldade

No GitHub

★ 25kúltimo push 2026-10-22

Precisa de

Python e FFmpeg; placa NVIDIA com CUDA 12.8 pra ficar rápido (o modelo large-v2 cabe em menos de 8 GB de memória de vídeo); conta grátis no Hugging Face só pra separar falantes

dados do GitHub conferidos em 2026-10-26

∆¬ □▓/◓~⌂@░∇ ÷▪ ∏▄ ~▀░░○∇÷+ ▓▒▓ ⌐∆ ▄∏◑ ⌐¬▀√◒ #> ◆░×≈≈ ∑▒\×∇&◑ #÷ ○●⌁◒#% >>^%±▌∏░▐◓∆≡█◐>÷∞±÷+∆◆█⌁█>*∆◆▒⌐+▌~≈ ◓ ◆+ &≡◐±░⌁∏ ~ ▓▓≠∑∆^⌐+ ◓◓∞ ░⌐ ∑◑+■◐ ● █¬◓÷¬& ÷ ▓≈\⌂◇+▓█ ◐±/\◓ /<&◓∑^ ∑◒ ▪▒▐×▀█▄◐%≠ ≡▀ *∆▌=#⌐▪ ±^▌ ¬○○±+▒& &⌐÷ < @∇|◒¬◇^± *^◇ ±∑^±∑≡÷◐○/ ▌◒▄^▄ ◓■○█±*¬ ▓▓@>%× ≡ >▄▓▐ ≈∏▄ ◐+◐<<●◐▄ ∑▓▓× ~|∞^÷¬░ ░%◐○≠@ @ ∑≡∏⌂|◒ ▐÷ ■▓◒<⌁□ ◑∞÷□ ◆√◓ ▌▓%□∏% ◐/ ∏⌂∞⌂ ◑<◓ ≡≠\±◆/¬ ≈■=<▄⌁ ∏<█ ∞+≠ █◒∞/▐ *= ◐▒^&* ■×±▒÷⌂▄ □░≈√>◇^ ■▀⌐⌂≡ ▒ √●÷∇ ○//≠√░< ∏□^□ ■^ ≈+□▓◇× ^⌐◐ █░∑◓∇ / ≡\▌\◐◒ /#○≈ ◓ ÷■~▐▪▌● ▄○ ◓=●⌂√±▀& ▐÷ ∞⌐◓\▌~∆∆≡&√±◐≠∆*⌐∏≡*■⌂√~@□|⌂∇=@@▓√∇√∑∏∏∑◑*█¬∞◒∆^⌂+±◒≠⌐¬/\▄ ⌁&░ ◐÷⌐\~~ >∆+▪ /%\√ ∑>□∞≡≡ ◐≡≡◆* ≠ ▀~*≡▪█□◒≠ ≈>∆ ∏□# ●≈■∇±÷= █▄×█▐◐+▀ ≡●< ◇<^# ×◓▪#+ ∞~▪ ∑∑◑ √▀▌▀¬∞ ∏*◇< ÷□⌁◒&%∇∆∏ ≡∑▄○±□@ ∑ ×÷÷∞ ∑ ░⌁◆○< %≡ ◒▪+▪▌∞▪ @#█#≈∏≈#⌂ ▒+¬ ░◑●≈~<* ◓⌐▐∑▐▌ <∑√@ <▒□◇◒%/ @▒∇∞◇√>█>◆%◇◓|≈¬⌂ ⌁⌁▀◆~\∇ █ ~∏▐|■ ⌁@ ◆▀/±○&▄▒⌐√¬∇ ▄#◓∇●◑ *▒>□▀ ⌁ + ^/●^● ▄⌁% ∞▪█ +■ |◓◇ ≠∞∇\√^◐● █±≈ ÷▌◑ ±■⌁⌐%◇√@~∑ #±∑ ⌂≈\▪%| ▐ /◓=×∏ ▄<▓▒□@ ▓|▪<▐^◓ ◆\ &+<▄○ ∇░÷◑@+ ○⌁ ±>▓◒¬&▀@\▐ ◑⌂░ ∞◑+◒▀ □○ ▓▒◑▌¬▄░ ∇~ ≡ ▄▄+∑%|⌁% \#▒▒#░○ *^ ≡~∏+□^∇◑▀ ^>∇ ⌁ ^&>\▀ &▒ ◓≡±▌ ≈^□▀÷□≡ ▪∏ ●∞◇◆◒ ▀× ∇◒<|^÷ ●∑ ⌁¬*\∑●▒*▐ □√∆ =±|∑\|*% ∇@▌≡%▒∆∇+ ◆^//+>█ <■▪◓□⌐>∇ ∞≠∑/◓▌&▪◓| <× ⌐█< #▀◆ ×▓⌐≈|▌ √⌐∏⌐\√∆ ∑+■⌁ ÷± ▀/&◆■√◆ ▪ <∞\>▀ █=>□=>=◇÷ \ ≡▓◐/●^ ∇●○×⌁▒◑ ▄□● ∏√<▌ ◇ <◆∞|░⌐▪√ ▌

WhisperX

serve pra

na prática

é pra você se

não é pra você se

Pra mesma tarefa

Whisper

VoiceStudio

WhisperX

serve pra

na prática

é pra você se

não é pra você se

Pra mesma tarefa

Whisper

VoiceStudio

Docling

whisper.cpp

Meetily

faster-whisper