Pular para o conteúdo
Sonorarium
Voltar ao blog

Como transcrever um áudio com vários falantes e marcar quem diz o quê

Como gravar bem, transcrever e marcar quem fala com as marcações de tempo, e quais ferramentas identificam falantes automaticamente (dados de 3/11/2026).

Equipe Sonorarium 6 min de leitura

Resposta curta: o Sonorarium transcreve o que é dito e coloca uma marcação de tempo em cada trecho, mas não separa falantes: ele não escreve "Ana:" nem "Luís:" por você. O caminho que funciona com a gente é gravar bem (um microfone por pessoa, se der), transcrever e marcar quem fala à mão, guiando-se pelas marcações de tempo. Se você precisa que a identificação seja automática, existem ferramentas que identificam falantes; abaixo estão quatro, com seus dados públicos e a data da consulta.

Isso serve para uma entrevista com duas pessoas, uma reunião com cinco ou um grupo focal. Quanto mais vozes e mais sobreposição, mais trabalho de revisão, e dizemos isso desde o início para você não ter surpresa.

O que o Sonorarium faz e o que não faz

  • Faz: transcreve o áudio no idioma que você escolher, com uma marcação de tempo em cada trecho. Ao clicar nela, toca exatamente aquele momento, então achar uma troca de voz é rápido.
  • Faz: deixa você editar o texto no editor e baixá-lo em Word, TXT, SRT, VTT ou JSON, já com suas correções (baixar e editar exigem a sua conta). O Word começa cada parágrafo com [hh:mm:ss]; o TXT vai sem marcações.
  • Não faz: separar nem nomear falantes. O resumo com IA também não: ele diz do que se falou, não quem falou.

1. Grave pensando no resultado

A separação das vozes se decide, em boa parte, antes de transcrever:

  1. Um microfone por pessoa, se puder, nem que seja o celular de cada uma (atenção: cada arquivo gasta os seus minutos). Se tiver só um, coloque no centro e a menos de um metro de todos.
  2. Peça que cada pessoa diga o nome no início. São dez segundos e dão a chave para o resto da gravação.
  3. Um de cada vez. As falas sobrepostas são as mais difíceis de transcrever e de atribuir depois.
  4. Faça um teste de 30 segundos e ouça antes de começar. Se a sala tem eco ou barulho, veja como transcrever áudio com ruído.
  5. Peça autorização a todos que aparecem na gravação antes de gravar. O que diz a lei no Brasil e como pedir está em é legal gravar uma aula, uma reunião ou uma ligação?.

2. Transcreva o arquivo

  1. Envie a gravação ao transcritor de reuniões ou ao de entrevistas: áudio ou vídeo, até 5 horas e 2 GB.
  2. Escolha o idioma em que se falou.
  3. Abra o texto: cada trecho tem sua marcação de tempo.

Os primeiros 15 minutos são grátis ao criar sua conta, sem cartão. Se o arquivo for mais longo, esses 15 minutos são transcritos como prévia e o resto é liberado na sua conta, pagando só os minutos que faltam, enquanto o áudio ainda estiver guardado (7 dias).

3. Marque quem fala, com as marcações de tempo

Este é o método que recomendamos. Com uma gravação de duas ou três pessoas, é viável; com oito, conte com ir devagar. Faça isso nos 7 dias em que o áudio fica guardado: depois, as marcações de tempo continuam no texto, mas o trecho já não toca.

  1. Ouça o primeiro minuto e anote como soa cada voz (quem se apresentou primeiro, quem tem a voz mais grave, etc.).
  2. Percorra o texto pelas marcações de tempo. Uma troca de voz costuma coincidir com uma pausa e uma frase nova: clique na marcação do trecho para ouvir e decidir.
  3. Escreva o nome no início de cada fala, num formato fixo ("ANA:", "LUÍS:"). Um formato único permite buscar e contar depois.
  4. Use etiquetas para o que for duvidoso: [sobreposição], [inaudível] ou [Luís?]. É melhor sinalizar uma dúvida do que atribuir errado uma frase.
  5. Confira as atribuições importantes (citações, números, decisões) ouvindo o trecho de novo.
  6. Baixe quando terminar. Se você corrigir dentro do editor, o Word, o TXT e o SRT saem com o seu texto já corrigido.

Um exemplo, fictício, de como fica um trecho. Antes:

[00:00:04] Bom dia, vamos começar.
[00:00:08] Certo, trago os números.
[00:00:13] Ótimo, e os prazos?

Depois de marcar (exemplo inventado, não é uma transcrição real):

[00:00:04] ANA: Bom dia, vamos começar.
[00:00:08] LUÍS: Certo, trago os números.
[00:00:13] ANA: Ótimo, e os prazos?

Para grupos focais ou entrevistas de pesquisa, há um guia com convenções, etiquetas e como importar no software de análise: transcrição para pesquisa qualitativa. Para entrevistas de um trabalho final, como transcrever entrevistas para o TCC, a dissertação ou a tese. E para reuniões do Teams, Zoom ou Meet, como passá-las para texto.

4. Se você precisa que a identificação seja automática

Algumas ferramentas identificam falantes por conta própria, algo que o Sonorarium não faz. São dados das páginas delas, consultados em 3 de novembro de 2026. Mudam com frequência: confira sempre o site. Não as testamos com o seu áudio, e a qualidade da identificação depende da gravação.

Ferramenta O que o site diz Grátis ou custo, segundo o site
Word (Microsoft 365) Separa e etiqueta os falantes ("Speaker 1", "Speaker 2"…), que você pode renomear Com uma assinatura do Microsoft 365, até 300 minutos de áudio enviado por mês
Otter O plano Basic (grátis) lista "Speaker identification" 300 minutos por mês, até 30 minutos por conversa e 3 importações de arquivos na vida, no Basic
Notta O plano Free lista "Speaker identification" 120 minutos por mês, até 3 minutos por conversa
noScribe Distingue entre falantes; usa o pyannote Gratuito e de código aberto (GPL-3.0); roda no seu computador, sem nuvem

Duas precisões: o recurso do Word está disponível no Word para Microsoft 365 no Windows (e, segundo a página, no Word para a web) e funciona no Edge e no Chrome, e o noScribe é instalado no seu computador (Windows, macOS ou Linux).

Se a sua gravação tem uma hora ou mais, olhe o limite por arquivo antes dos minutos por mês: nos planos grátis, o Otter aceita 30 minutos por conversa e o Notta, 3, então você teria que dividi-la. O Sonorarium transcreve de uma vez arquivos de até 5 horas, sem instalar nada e com pacotes sem assinatura: você paga só os minutos que faltam. O que ele não faz é identificar os falantes; se isso é o que mais importa para você, essas ferramentas fazem algo que a gente não faz. Os limites grátis de cada uma, comparados, estão em quais limites cada ferramenta tem para transcrever grátis.

Quanto custa uma reunião ou entrevista de uma hora

Com uma conta nova, os primeiros 15 minutos são grátis ao criar a conta, sem cartão, e faltam 45. O pacote de 120 minutos custa R$ 32,90, e os 75 que sobram não expiram. Todos os pacotes estão em preços.

Perguntas frequentes

O Sonorarium vai separar falantes no futuro? Não prometemos. Hoje não separa, e por isso este artigo explica como marcá-los você mesmo.

O resumo com IA diz quem falou? Não. Resume os temas, mas não atribui frases a pessoas.

E se cada pessoa estiver gravada em um arquivo? É o jeito mais fácil de saber quem fala: transcreva cada arquivo separadamente, e o nome do arquivo diz quem é. Só que cada arquivo gasta os seus minutos: uma reunião de uma hora gravada em três celulares são três horas de transcrição. Se o custo pesa, um bom microfone no centro da mesa dá uma gravação só.

O que acontece com o áudio enviado? É apagado após 7 dias; a transcrição da sua conta fica até você apagá-la e não é usada para treinar modelos.

Fontes das ferramentas: Microsoft Support (Transcribe your recordings), Otter, Notta e o repositório do noScribe no GitHub, consultados em 3 de novembro de 2026.