Perguntas Frequentes

O serviço de Voz para Texto é uma tecnologia que converte automaticamente conteúdo de fala em texto. Ajuda você a converter rapidamente gravações de voz, atas de reuniões e outro conteúdo de áudio em formato de texto editável.

Simplesmente registre uma conta, escolha um plano que atenda às suas necessidades, e você pode começar a usar nosso serviço. Fornecemos uma interface amigável que permite carregar facilmente arquivos de áudio e obter resultados de conversão.

Suportamos vários formatos de áudio comuns, incluindo MP3, WAV, M4A, AAC e mais. Se você tem requisitos de formato especiais, entre em contato com nossa equipe de atendimento ao cliente.

Nossa tecnologia de reconhecimento de voz usa algoritmos de IA avançados e pode alcançar mais de 98% de precisão em ambientes padrão. Para áudio com sotaques ou ruído de fundo, a precisão pode ser menor.

Levamos a segurança dos dados do usuário muito a sério. Os arquivos de áudio são automaticamente excluídos de nossos servidores após a conversão, e seus dados de voz são armazenados em plataformas seguras com criptografia líder da indústria. Você também tem a opção de excluir manualmente arquivos de áudio a qualquer momento.

O tempo de conversão depende do comprimento do arquivo de áudio. Geralmente, o tempo de conversão é de aproximadamente 10 segundos por minuto de áudio. Para arquivos de áudio mais longos, o tempo de conversão pode ser maior. Arquivos de áudio mais longos como 1 hora podem levar 10 minutos para converter.

Oferecemos três modos de transcrição: Mais rápido, Equilibrado e Preciso. Para áudio de alta qualidade, o modo Mais rápido ou Equilibrado é recomendado porque ambos fornecem resultados rápidos com precisão confiável. Para gravações gerais, Equilibrado é a melhor opção completa. Se seu áudio contém ruído de fundo, múltiplos falantes ou requer a maior precisão, escolha o modo Preciso.

Arquivos de transcrição movidos para a lixeira serão mantidos por até 30 dias. Eles serão automaticamente e permanentemente excluídos após o período de retenção de 30 dias. Você também pode escolher excluí-los permanentemente manualmente da lixeira a qualquer momento.

O recurso de reconhecimento de falante é usado para identificar os falantes no arquivo de áudio. Você pode habilitar o recurso de reconhecimento de falante clicando no botão 'Habilitar reconhecimento de falante'. Uma vez habilitado, o recurso de reconhecimento de falante será usado para identificar os falantes no arquivo de áudio.

A opção "Reconhecer falante" permite que a IA identifique e separe diferentes falantes em seu áudio. Se você especificar o número de falantes, a IA pode usar essas informações para melhorar a separação e rotulagem de falantes. Se você não selecionar um número, o sistema detectará e classificará automaticamente os falantes para você. Observe que o resultado final pode não seguir rigorosamente o número que você escolhe, pois a IA continuará otimizando a detecção de falantes com base nas características reais do áudio.

A opção "Cenário" permite que o sistema ajuste parâmetros técnicos com base no ambiente específico do seu áudio. Cenários diferentes usam configurações de IA diferentes, como nível de redução de ruído, aprimoramento de fala e filtragem de fundo, para alcançar melhor precisão de transcrição sem exigir que você configure manualmente opções complexas. Na maioria dos casos, o cenário "Geral" oferece o desempenho mais equilibrado e é adequado para gravações típicas.

"Comprimento do segmento" refere-se ao tamanho ou duração de cada segmento de texto gerado durante a transcrição de IA. Controla quanto tempo cada bloco de texto transcrito será. Segmentos mais curtos criam quebras mais frequentes e timestamps mais finos, enquanto segmentos mais longos produzem blocos de texto maiores. Esta configuração afeta como a transcrição final é estruturada, mas não altera a precisão real da transcrição.