Transcrição Whisper significa converter fala em texto com o Whisper da OpenAI — um modelo de IA de código aberto que você pode rodar na nuvem, em um servidor ou inteiramente no seu próprio dispositivo. Este guia explica como o Whisper funciona, qual tamanho de modelo escolher, quão preciso ele é de verdade e o jeito mais rápido de rodá-lo offline no Mac ou iPhone.
O que é o Whisper, exatamente?
O Whisper é um modelo de reconhecimento automático de fala (ASR) que a OpenAI lançou em setembro de 2022 sob a licença MIT. É um transformer encoder-decoder treinado com mais de 680.000 horas de áudio multilíngue, capaz de transcrever em cerca de 100 idiomas e ainda traduzir para o inglês.
A parte que importa para você: os pesos do modelo são abertos. Ao contrário das APIs de voz do Google ou da Amazon, o Whisper não precisa rodar no servidor de outra pessoa. Existe um ecossistema inteiro para executá-lo localmente — whisper.cpp, faster-whisper e aplicativos nativos como o Whisper Notes. É isso que torna possível uma transcrição verdadeiramente offline e privada.
Dá para usar o Whisper sem programar? Sim: um aplicativo com interface gráfica baixa o modelo Whisper e roda tudo localmente para você; você importa uma gravação e recebe a transcrição sem Python, sem terminal e sem chave de API. O Whisper Notes faz isso no Mac e no iPhone, o MacWhisper no Mac e o Buzz (gratuito e de código aberto) no Windows, Mac e Linux.
Tamanhos do modelo Whisper: qual usar
O Whisper vem em seis tamanhos principais. Maior significa mais preciso e mais lento:
| Modelo | Parâmetros | Velocidade | Ideal para |
|---|---|---|---|
| tiny | 39M | O mais rápido | Rascunhos rápidos, hardware fraco |
| base | 74M | Muito rápido | Áudio simples e limpo |
| small | 244M | Rápido | Bom equilíbrio entre velocidade e precisão no celular |
| medium | 769M | Moderado | Raramente a escolha certa hoje |
| large-v3 | 1.55B | O mais lento | Precisão máxima, áudio difícil |
| large-v3-turbo | 809M | ~5x mais rápido que o large-v3 | A versão que a maioria das ferramentas inclui |
Para quase todo mundo, a resposta é large-v3-turbo: ele mantém o encoder do large-v3, mas corta as camadas do decoder de 32 para 4, entregando precisão quase idêntica com uma fração da computação. Fizemos benchmarks detalhados em Whisper Large V3 Turbo vs V3.
Quão precisa é a transcrição Whisper?
Com áudio limpo em inglês, os modelos grandes atingem uma taxa de erro de palavras (WER) de cerca de 5-8% no Open ASR Leaderboard. A precisão cai com ruído de fundo, sotaques carregados, vozes sobrepostas e idiomas com poucos recursos.
O modo de falha mais famoso do Whisper: alucinações durante o silêncio. Seu decoder autorregressivo às vezes inventa frases repetidas ou créditos de legenda quando ninguém está falando. Nos nossos testes específicos de silêncio, o Parakeet V3 da NVIDIA não inventou uma única palavra; é um resultado limitado a esse teste, não a afirmação de que algum modelo de fala seja infalível (benchmark completo Parakeet V3 vs Whisper).
Para chinês, japonês e coreano, o Whisper não é a única opção: veja SenseVoice vs Qwen3-ASR.
5 jeitos de rodar a transcrição Whisper
| Método | Custo | Privacidade | Configuração |
|---|---|---|---|
| API da OpenAI | Pago por minuto de áudio | Áudio enviado | Chave de API + código |
| openai-whisper (Python de referência) | Grátis | 100% local | Ambiente Python, GPU recomendada |
| whisper.cpp / faster-whisper | Grátis | 100% local | Linha de comando |
| Aplicativo nativo (Whisper Notes) | $7.99 uma única vez no iPhone; $14 no Mac, com 5.000 palavras grátis por semana | 100% no dispositivo | Nenhuma |
| Ferramentas de demonstração na web | Planos gratuitos | Áudio enviado | Nenhuma |
A regra prática: se você vive no terminal, o faster-whisper é excelente. Se está construindo um produto, a API faz sentido. Se você só quer suas gravações transcritas com privacidade, sem encostar em Python, use um aplicativo nativo — é exatamente por isso que os aplicativos Whisper para Mac existem.
Quer comparar ferramentas offline de forma mais ampla — incluindo opções para Windows e Android? Veja nosso guia completo de conversão de fala em texto offline.
Whisper vs modelos locais mais novos (2026)
O Whisper deu início à era da transcrição local, mas não está mais sozinho. Velocidades abaixo medidas em um Mac M4 Pro:
| Modelo | Idiomas | Velocidade | Destaque |
|---|---|---|---|
| Whisper Large V3 Turbo | 100+ | 14,3x tempo real (M4 Pro) | A maior cobertura de idiomas |
| Parakeet V3 | 25 (europeus) | cerca de 74× tempo real (Mac) | 6,32% de WER, sem alucinações no silêncio |
| SenseVoice Small | zh, ja, ko, yue, en | 115–131x tempo real (ficha do modelo) | O mais rápido para chinês, japonês, coreano |
Os três rodam localmente no Whisper Notes; no iPhone, a opção Whisper é o Whisper Small. Você escolhe o modelo nos ajustes. Os benchmarks lado a lado, com a taxa de erro de cada modelo em 42 idiomas, estão na nossa página de comparação de modelos Whisper.
Como rodar a transcrição Whisper offline no Mac e no iPhone
Sem linha de comando, sem Python, sem nuvem:
- Baixe o Whisper Notes para Mac (grátis até 5.000 palavras por semana) ou para iPhone ($7.99, pagamento único).
- Escolha um modelo: Whisper Large V3 Turbo para ampla cobertura de idiomas, Parakeet para velocidade em inglês, SenseVoice para velocidade em chinês, japonês e coreano ou, no Mac, Qwen3-ASR 1.7B (Beta) para errar menos nesses idiomas. O download acontece uma vez e depois funciona para sempre offline.
- Grave diretamente, dite em qualquer app segurando a tecla Fn (no app para Mac do nosso site), ou arraste arquivos de áudio e vídeo (MP3, WAV, M4A, MP4).
- O texto vai aparecendo conforme é processado. Exporte como TXT ou SRT.
Desconfiado do "offline"? Ative o modo avião antes. A transcrição roda em velocidade máxima — nada é enviado, nunca.
Quão precisa é a transcrição Whisper em português? Qual modelo escolher?
Para áudio em português, a resposta curta é Parakeet — o modelo padrão do Whisper Notes no Mac e no iPhone (o Parakeet Ultra da Moondream, pós-treinado a partir do NVIDIA Parakeet V3). Ele cobre 25 idiomas europeus, incluindo o português. O Parakeet V3, modelo a partir do qual ele foi pós-treinado, tem WER médio de 6,32% em inglês no Open ASR Leaderboard, e em um Mac o modelo integrado roda a cerca de 74× o tempo real: uma reunião de uma hora vira texto em menos de um minuto, tudo no seu dispositivo. Se suas gravações misturarem idiomas fora da lista do Parakeet, troque para o Whisper nos ajustes: Large V3 Turbo no Mac (~2 GB, mais de 100 idiomas) ou Whisper Small no iPhone.
Perguntas frequentes
A transcrição Whisper é gratuita?
O modelo em si é gratuito e de código aberto (licença MIT). Rodá-lo com ferramentas de linha de comando como o whisper.cpp não custa nada, mas exige configuração. A API da OpenAI cobra por minuto de áudio. Os aplicativos nativos empacotam os modelos por uma taxa pequena — o Whisper Notes custa $7.99 uma única vez no iPhone e $14 uma única vez no Mac, com 5.000 palavras grátis por semana no Mac.
A transcrição Whisper funciona offline?
Sim — essa é justamente a vantagem dos pesos abertos. Depois que o arquivo do modelo está no seu dispositivo, não é preciso internet. O Whisper Notes roda o Whisper Large V3 Turbo em Apple Silicon via CoreML/Metal, totalmente offline. Você pode conferir com o modo avião.
Qual modelo Whisper é o mais preciso?
O large-v3 tem a melhor precisão bruta. O large-v3-turbo empata com ele com diferença de frações de ponto percentual no WER, rodando cerca de 5x mais rápido — por isso tantas ferramentas o incluem hoje.
O Whisper suporta o meu idioma?
O Whisper cobre cerca de 100 idiomas, com melhor desempenho nos de muitos recursos (inglês, espanhol, alemão, francês, etc.). Para chinês, japonês, coreano e cantonês, o SenseVoice é muito mais rápido em Apple Silicon e, no Mac, o Qwen3-ASR 1.7B (Beta) erra menos; em japonês e coreano, o Whisper Large V3 Turbo fica perto do SenseVoice ou se sai melhor. A lista completa de idiomas que o Whisper suporta está na nossa página de idiomas, em uma única tabela com o Parakeet e o SenseVoice.
Existe um app de transcrição Whisper para iPhone?
Sim. O Whisper Notes roda modelos Whisper otimizados para o Neural Engine do iPhone (iPhone 12 e mais novos) — grave, importe do Gravador ou do app Arquivos e transcreva inteiramente no dispositivo por $7.99, sem assinatura.
