Legendas

Legendas e transcrição

O botão de legenda (T) transcreve a sua fala e mostra o texto para todos na sala. Cada pessoa legenda a própria voz; o texto viaja como texto (alguns bytes), nunca como áudio.

Cada fala aparece com a foto e a cor da pessoa, em no máximo duas linhas. Frases longas rolam como na TV: o começo sai por cima. Enquanto a frase ainda está sendo dita, um cursor pisca no fim. O tamanho (pequena, média ou grande) fica em Configurações → Legendas e avisos.

No aplicativo: Whisper, no seu computador

O app reconhece a fala com o Whisper, no seu computador: nenhum áudio sai daqui, só o texto vai para a sala. Na primeira vez o modelo é baixado (uma vez só), com o progresso na tela.

Precisão (medida com voz humana)

Em Configurações → Legendas e avisos → Precisão das legendas. Os números são de 40 frases gravadas por 10 brasileiros (corpus LapsBM, UFPA), medidos pelo scripts/bench-fala.mjs em 2 núcleos:

Nível	Palavras erradas	Tempo por frase	Download
Rápida (Whisper base)	22,6%	~0,5 s	~80 MB
Equilibrada (Whisper small, padrão)	14,3%	~0,85 s	~250 MB
Máxima (Whisper small, janela completa)	12,5%	~2,4 s	o mesmo da Equilibrada

Até a 3.3 o padrão errava 24,3% das palavras e levava ~0,9 s. Parte dos "erros" restantes nem são erros de verdade: números saem em algarismos ("170" no lugar de "cento e setenta").

Como ficou rápido e leve

• O modelo lê só o tamanho da sua fala. O Whisper foi feito para ler janelas de 30 s: uma frase de 3 s era completada com 27 s de silêncio, e tudo era processado. Ao baixar o modelo, o app o adapta para ler só o trecho falado (mais uma pequena folga) — o resultado numérico é idêntico, e uma frase custa até 29× menos. É isso que torna o modelo mais preciso (small) viável no padrão.
• Detector de voz de verdade (Silero). Só a fala vai para o reconhecedor. Teclado, mouse e ventilador não abrem frases, e as frases não grudam umas nas outras.
• Menos trabalho à toa. Legendas parciais só enquanto você fala, espaçadas pelo custo real no seu computador (máquina mais lenta = menos parciais, sem fila). Metade dos núcleos no máximo, o resto fica para o jogo e a chamada. Com o microfone mudo, nada é processado. Legenda desligada por 5 minutos: o modelo sai da memória.
• Palavras confirmadas não mudam. Uma palavra só fica firme quando duas leituras seguidas concordam nela; o fim da frase, que ainda pode mudar, aparece mais claro. Acabou o texto que pisca e se reescreve.
• O áudio não passa pela tela. Vai do microfone direto ao processo do reconhecedor, sem pesar no vídeo nem nas animações.

No navegador

Usa o reconhecimento do Chrome ou do Edge. Se o Chrome já tiver o pacote do idioma instalado no aparelho, o reconhecimento roda localmente (mais rápido, sem internet para isso, e o áudio não vai para o Google). Em outros navegadores o botão avisa que não há reconhecimento — mas você continua lendo as legendas de quem estiver legendando.

Transcrição ao vivo

Menu ⋯ → Transcrição ao vivo, ou a aba Transcrição do painel lateral: tudo o que foi dito na chamada, com nome e horário, atualizado ao vivo.

• Buscar: digite uma palavra e as falas que a contêm aparecem com o termo destacado.
• Copiar tudo, Baixar (.txt) e Baixar como legenda (.srt) — o .srt abre em qualquer player junto com a gravação da reunião.

Idioma

Configurações → Legendas e avisos → Idioma das legendas. O padrão é português (Brasil).

Privacidade

Com o microfone mudo, a legenda para. Nada do que você diz com o microfone desligado é transcrito nem enviado.