Whisper

O que é

Whisper é um modelo de reconhecimento de fala desenvolvido pela OpenAI e disponibilizado gratuitamente como código aberto. Ele transcreve automaticamente áudio e vídeo para texto em mais de 90 idiomas, incluindo o português brasileiro, com alta precisão. Ao contrário de serviços como o Google Docs por voz, o Whisper pode ser instalado no próprio computador e funcionar completamente sem conexão à internet.

Para que serve

• Transcrever gravações de entrevistas, depoimentos orais e registros sonoros
• Converter gravações de áudio ou vídeo em texto editável
• Transcrever materiais em português, inglês e dezenas de outros idiomas
• Processar arquivos de áudio em lote (vários arquivos de uma vez)
• Funcionar sem enviar dados a servidores externos, preservando a privacidade das fontes

Exemplo de uso

Um pesquisador realizou 30 entrevistas de história oral com trabalhadores da saúde pública. As entrevistas foram gravadas em MP3. Usando o Whisper instalado no próprio computador, ele transcreve automaticamente todos os arquivos em texto, que depois revisa manualmente. O processo leva horas em vez de semanas, e nenhum áudio é enviado a terceiros.

Quando pode não ser a melhor opção

• Se você não tem familiaridade com terminal ou linha de comando: a instalação e o uso do Whisper exigem executar comandos de texto, o que pode ser intimidador sem experiência prévia. Existem interfaces gráficas de terceiros (como o Whisper Transcription para macOS ou o Const-me/Whisper para Windows) que facilitam o uso
• Se o áudio for de falantes não nativos de inglês: Graham e Roll (2024) mediram a taxa de erro do modelo em inglês falado por pessoas de origens linguísticas variadas e registraram desempenho pior nesse grupo. Sobreposição de vozes, ruído de fundo intenso e sotaques muito regionais também derrubam a precisão. Em projetos com entrevistas multilíngues, conte com mais tempo de revisão
• Se você precisar de uma solução imediata e simples sem instalação: serviços web como AssemblyAI ou Otter.ai são mais acessíveis, mas enviam os dados a servidores externos
• O processamento pode ser lento em computadores antigos sem placa de vídeo dedicada

Tipo de acesso

Gratuito e de código aberto (licença MIT). Não há custo algum para uso. Requer instalação via Python (linguagem de programação) e um gerenciador de pacotes. Existem também versões otimizadas para uso local, como o whisper.cpp, que roda em computadores com hardware mais modesto.

Sistemas em que roda

Windows, macOS e Linux. Requer Python 3.8 ou superior instalado no computador. O processamento pode ser acelerado com placa de vídeo NVIDIA (GPU), mas funciona também apenas com o processador principal (CPU).

Integrações

• Python (linguagem necessária para rodar o Whisper padrão)
• ffmpeg (programa de linha de comando para processamento de áudio e vídeo, necessário para alguns formatos)
• Interfaces gráficas de terceiros disponíveis para Windows e macOS

Alternativas

• oTranscribe (transcrição manual assistida, gratuito, funciona no navegador)
• AssemblyAI (transcrição automática via API, pago, sem necessidade de instalação)
• Otter.ai (transcrição automática, freemium, foco em inglês)
• whisper.cpp (versão do Whisper otimizada para rodar localmente com menor consumo de recursos)

Aprenda a usar

Onde encontrar

• Site oficial: https://openai.com/research/whisper
• Documentação e código-fonte: https://github.com/openai/whisper
• Discussões da comunidade: https://github.com/openai/whisper/discussions

Material de apoio

O Whisper é um modelo, e o material que ensina a usá-lo vem em boa parte de fora da OpenAI. O guia da UFPel é o ponto de entrada mais direto para quem lê em português: foi produzido por um grupo de pesquisa brasileiro e percorre a tarefa inteira, da instalação à transcrição de um arquivo. A documentação oficial cobre o mesmo percurso em inglês, com o comando de transcrição e os modelos disponíveis.

• Guia "OpenAI Whisper: transcrição automática para pesquisa", do Grupo de Pesquisa Ideologia e Análise de Discurso da UFPel, 2025, em português, com PDF anexo: https://wp.ufpel.edu.br/idad/openai-whisper-transcricao-automatica-para-pesquisa/
• README do repositório oficial, com instalação e comando de transcrição: https://github.com/openai/whisper

Uso em pesquisa e ensino

O Whisper aparece na literatura acadêmica como objeto de avaliação e como ferramenta de trabalho em acervos. Graham e Roll mediram seu desempenho em falantes de inglês com sotaques diversos e traços variados de fala. As bibliotecas da Emory testaram o modelo sobre uma amostra de 250 horas de material audiovisual, com financiamento do Lyrasis Catalyst Fund, avaliando o desempenho por tipo de conteúdo, vocabulário técnico, variedade regional e qualidade de gravação.

• GRAHAM, Calbert; ROLL, Nathan. Evaluating OpenAI's Whisper ASR: performance analysis across diverse accents and speaker traits. JASA Express Letters, 2024: https://doi.org/10.1121/10.0024876
• Emory University Libraries, testagem do Whisper em acervo audiovisual digitalizado: https://guides.libraries.emory.edu/whisper

Observações

Whisper foi lançado pela OpenAI em 2022 e rapidamente se tornou referência em transcrição automática de código aberto. O fato de rodar localmente é especialmente relevante para pesquisas que envolvem fontes sensíveis, como entrevistas com sujeitos vulneráveis ou documentos sigilosos: nenhum dado é enviado a servidores de terceiros. Para quem não tem conforto com linha de comando, recomenda-se buscar interfaces gráficas de terceiros ou pedir apoio técnico para a instalação inicial.