WAV em Texto

Sim. Arquivos gravados em 48 kHz e 24 bits, a configuração habitual de um gravador de campo ou de uma interface de áudio, podem ser enviados diretamente. Não é preciso reduzir para 16 bits nem reamostrar antes. A transcrição parte do arquivo como foi escrito, então o original continua sendo a referência para qualquer conferência posterior.

Converter para MP3 acrescenta uma geração com perda e mais um arquivo para controlar, sem deixar a fala mais fácil de reconhecer. A Conversão de WAV em Texto usa o arquivo não comprimido, então o áudio que chega ao reconhecedor é o áudio que foi gravado. Isso também evita a tentação de apagar o original depois de criar uma cópia menor.

O teto de envio é 100MB, o que em 48 kHz e 24 bits equivale a algumas horas de áudio estéreo; a fala é processada até três horas. Um dia inteiro de gravação costuma passar dos dois limites, então a sessão deve ser dividida em uma pausa natural, como o fim de uma entrevista, antes do envio.

Sim, com a separação de locutores ativada. Os turnos recebem rótulos, o que importa em uma entrevista em que perguntas e respostas precisam ficar distintas. Falas cruzadas e um locutor que se afasta do microfone continuam sendo os casos difíceis, e esses trechos merecem uma escuta antes de a transcrição ser citada.

Cada trecho traz o momento em que ocorre na gravação, contado do início do arquivo. O revisor consegue, assim, pular para uma frase no WAV original, o que ajuda quando um nome ou um número está em dúvida. A transcrição e a gravação permanecem alinhadas mesmo em uma sessão longa.

Um arquivo mono de um único microfone é a entrada mais simples. Arquivos estéreo são tratados como chegam, mas se um canal traz um locutor diferente, separar os canais em arquivos próprios pode gerar uma transcrição mais limpa do que enviar a faixa combinada, e cada metade passa a ter seu próprio rótulo de locutor.

Áudio limpo, com pouco ruído e microfone próximo, produz os melhores resultados, que é o caso habitual de um gravador de campo. Sotaques, falas sobrepostas e vocabulário especializado ainda exigem revisão. Uma escuta curta junto das marcações de tempo basta para decidir se a sessão precisa de revisão completa.

Texto simples pode ser exportado para codificação, citação ou arquivamento, e o SRT está disponível quando a gravação será publicada com legendas. Como o arquivo original não muda, um acervo pode guardar o WAV e sua transcrição juntos, com as marcações de tempo servindo de elo entre uma afirmação e o áudio que a sustenta.