</> 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 293 itens.

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

12x de R$ 10,63 ou R$ 97 à vista, por ano

Já assina? Entrar

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