Gere legendas e traduza localmente.

Um estúdio de legendas gratuito que ouve seus áudios e vídeos com o Whisper, cria marcações temporizadas, as estiliza para qualquer plataforma, as grava embutidas em novos arquivos de vídeo e, opcionalmente, as traduz para um segundo idioma — tudo dentro do navegador.

Ele foi criado para criadores de conteúdo, professores, jornalistas e quem precisa legendar entrevistas, aulas, gravações de tela ou vlogs sem entregar o material bruto a um serviço na nuvem e sem aceitar marca d’água ou teto mensal de minutos.

Como funciona

A trilha de áudio é decodificada com a Web Audio API e reamostrada para mono a 16 kHz; em seguida, é transcrita por um modelo Whisper com carimbos de tempo, executado via Transformers.js em janelas sobrepostas de 30 segundos, de modo que gravações longas mostram o progresso em fluxo e cada marcação traz tempos palavra por palavra. Você pode escolher a faixa tiny, base ou small do Whisper e deixar a ferramenta detectar o idioma ou fixar um dos cerca de 99. Para uma trilha em segundo idioma, modelos compactos Marian (OPUS-MT) traduzem as marcações, usando o inglês como pivô quando não existe um modelo direto. Os modelos de transcrição e de tradução são baixados uma vez e depois ficam em cache para reutilização offline.

Estilo visual e modelos de destaque palavra por palavra

Um painel de estilo dedicado controla todo o domínio visual: fonte, tamanho (ajustado à altura da exportação), negrito, itálico, letras maiúsculas, cores principal e de contorno, largura do contorno, sombra, caixa arredondada de fundo opcional, espaçamento entre letras e entrelinhamento, além de uma grade de posicionamento com nove posições e margens verticais. Cinco predefinições selecionadas cobrem visuais de transmissão, redes sociais e cinema, e cada alteração é pré-visualizada ao vivo sobre o vídeo real e entra no histórico de desfazer/refazer.

Para vídeos sociais, três modelos de destaque palavra por palavra — Minimal, Bold Pop e Karaoke — recoloram as palavras na medida em que são ditas, com cores ajustáveis para a palavra ativa e para as já pronunciadas. Os mesmos dados de tempo geram configurações de marcação VTT, estilos ASS V4+ completos e eventos de karaokê ASS verdadeiros; portanto, o que você pré-visualiza é o que o arquivo codifica.

Exportação de vídeo com legendas embutidas

Se você precisa de legendas embutidas na imagem, o exportador de gravação embutida desenha cada quadro decodificado do vídeo em um canvas com a legenda estilizada — incluindo o destaque de palavras e rótulos de locutor opcionais — e captura o resultado junto com o áudio original usando o MediaRecorder. A saída é MP4 com H.264 onde o navegador oferece suporte; caso contrário, WebM (VP9/VP8); não há ffmpeg nem marca d’água envolvidos. Alturas a partir de 720p são selecionadas por destino e limitadas pelo plano, com taxas de bits compatíveis com a resolução. Como a captura roda em tempo real, um clipe de dois minutos leva cerca de dois minutos para renderizar, e a interface diz isso com clareza.

Edição, ferramentas de tempo e verificações de qualidade

O estúdio combina a pré-visualização e uma forma de onda navegável com um editor de marcações para edição de texto embutida, divisão no cursor de reprodução, mesclagem, duplicação, localizar e substituir nas duas trilhas, rótulos de locutor por marcação, deslocamento global de tempo, esticamento proporcional do tempo e desfazer/refazer completo. Um painel de qualidade sinaliza marcações cuja duração, velocidade de leitura, comprimento de linha ou sobreposição fogem das convenções usuais de legendagem, e um clique renormaliza o documento inteiro. As legendas prontas são exportadas como SRT, WebVTT, ASS, texto simples ou JSON estruturado — no idioma original, na tradução ou em ambos, empilhados em qualquer ordem de leitura.

Limites do plano gratuito e do Pro

O plano gratuito lida com mídias de até 30 minutos e grava legendas em até 1080p; o Pro estende a mídia para 180 minutos e a gravação embutida para até 2160p. Como em toda a suíte, não há limite de execuções, cota mensal nem marca d’água em nenhum dos planos, e o uso comercial está incluído. Gravações muito longas podem esgotar a memória em dispositivos com pouca RAM — dividir o arquivo é a saída prática.

Perguntas frequentes

A exportação com legendas embutidas é tão boa quanto um codificador de desktop? A renderização é uma captura em tempo real no navegador, sem marca d’água; o suporte a MP4 depende do navegador, e o WebM é a alternativa honesta, com os arquivos SRT/ASS separados (sidecar) sempre disponíveis em qualidade perfeita.

Os modelos de destaque palavra por palavra funcionam nos arquivos exportados? Sim, nos eventos de karaokê ASS e no vídeo com legendas embutidas; o SRT não prevê nenhum recurso de estilo, então a saída sidecar estilizada passa por VTT ou ASS.

Posso confiar na tradução para textos de alto risco? O OPUS-MT é forte para conversação e narração em geral, mas textos jurídicos ou médicos devem ser revisados por uma pessoa.

Algo é enviado para a internet? Não — decodificação, transcrição, tradução e renderização acontecem todas na sua máquina; apenas as legendas ou o vídeo que você escolher baixar saem da aba.