Este artigo faz parte do guia de criar conteúdo com IA.
ProdutividadeComo transcrever áudio para texto com IA: 4 formas grátis
Gravar uma reunião é fácil. O difícil é voltar a ouvi-la: os ficheiros de trinta ou quarenta minutos acumulam-se, passar tudo a texto à mão é um trabalho que ninguém quer fazer todas as semanas, e as legendas automáticas do telemóvel raramente chegam para umas notas de reunião a sério.
Passei duas semanas a testar três ferramentas de IA para transcrição, sem pagar nada, e uso o prompt de limpeza que está mais abaixo. Não guardei os resultados de cada ferramenta (erros, separação de falas), por isso não te dou uma comparação de qualidade entre elas. O que escrevo sobre limites, formatos e custos vem das páginas oficiais, lidas a 21 de outubro de 2026, e assinalo o que não verifiquei.
Como testar com os teus áudios
Se vais escolher uma ferramenta, não te fies num ficheiro limpo e silencioso. Experimenta com três tipos de áudio: uma nota de voz curta gravada na rua, um excerto de reunião com duas pessoas e um apontamento com vocabulário técnico. Em cada ferramenta vê três coisas: quantos erros óbvios aparecem no texto, se separa quem está a falar e se a pontuação e os parágrafos saem legíveis à primeira.
Quanto áudio aguenta cada ferramenta
Antes de escolheres, convém saber o limite de cada uma, porque é ele que decide mais do que a qualidade. No plano grátis, a página de ajuda do Gemini indica 10 minutos de áudio no total, com ficheiros até 100 MB. Passar disso exige um plano Google AI Pro ou Ultra, que sobe o limite para 3 horas.
| Ferramenta | Limite de áudio | Separa quem fala? | Custo |
|---|---|---|---|
| Gemini (app) | 10 min no total; ficheiros até 100 MB | Se o pedires no prompt | Grátis. Com Google AI Pro ou Ultra, até 3 horas |
| ChatGPT | Não confirmei o limite oficial de duração | Se o pedires no prompt | Grátis, com limites |
| Word (Microsoft 365) | 300 min de áudio por mês | Sim, automático (Orador 1, Orador 2) | Precisa de subscrição Microsoft 365 |
| Mensagens de voz dentro da app | Não se aplica | Grátis |
Os números da Google, da Microsoft e do WhatsApp vêm das respetivas páginas de ajuda, consultadas a 21 de outubro de 2026. Mudam com frequência, por isso confirma-os antes de planeares uma reunião inteira à volta deles.
Gemini: a opção mais direta
O Gemini é o caminho mais direto. Basta abrir uma conversa nova, anexar o ficheiro de áudio (aceita mp3, wav, m4a e a maioria dos formatos comuns) e pedir a transcrição. Não precisa de plugin nem de configuração extra. Se quiseres o texto organizado, pede-o no prompt: parágrafos nas pausas e identificação de quem fala.
O ponto mais difícil para qualquer transcrição automática é a sobreposição de vozes: quando duas pessoas falam ao mesmo tempo, as falas tendem a misturar-se. Conta com rever esses trechos à mão.
ChatGPT: também aceita áudio
O ChatGPT também aceita ficheiros de áudio anexados diretamente na conversa. Não confirmei o limite oficial de duração e, se a resposta parar a meio, podes pedir-lhe para continuar a partir do ponto onde ficou.
Se já usas o ChatGPT no dia a dia e preferes manter tudo na mesma app, funciona bem para áudios mais curtos. Para ficheiros mais longos, testa primeiro com um excerto pequeno antes de confiares nele para a reunião toda. Se ainda não sabes tirar o máximo partido das instruções que dás à ferramenta, o nosso guia de prompts no ChatGPT ajuda a escrever pedidos mais precisos, o que também faz diferença aqui.
Word: a saída quando o áudio passa dos 10 minutos
Não testei o Word, por isso o que se segue vem da documentação da Microsoft. Quem tem Microsoft 365 encontra no Word a função Transcrever (Início, Ditar, Transcrever), que aceita ficheiros .mp3, .m4a, .wav e .mp4 e separa quem fala em Orador 1, Orador 2 e por aí fora. O português de Portugal consta da lista de idiomas suportados.
O limite é de 300 minutos de áudio carregado por mês, o que dá para umas dez reuniões de meia hora. No Word para Windows, a Microsoft indica que a função só está disponível em contas empresariais; no Word na Web funciona no Edge ou no Chrome. O áudio fica guardado na pasta Ficheiros Transcritos do teu OneDrive, e convém apagá-lo de lá quando já não for preciso.
A vantagem sobre o Gemini é a separação de oradores já feita e os carimbos de data e hora, que deixam saltar para o ponto exato do áudio. A desvantagem é pagar a subscrição e enviar o ficheiro para a Microsoft.
Mensagens de voz do WhatsApp: a app já transcreve
Para mensagens de voz não precisas de nenhuma destas ferramentas. Em Definições, Conversas, Transcrição de mensagens de voz, ativas a função e escolhes o idioma. No Android, carregas sem soltar na mensagem, tocas nos três pontos e escolhes Transcrever. No iPhone os passos são ligeiramente diferentes e o Centro de Ajuda do WhatsApp descreve-os.
Segundo o WhatsApp, os idiomas suportados são inglês, português, espanhol e russo, e a transcrição falha quando o idioma escolhido não é o da mensagem. Se o telemóvel não mostrar a opção, ou a mensagem estiver noutra língua, passa o áudio pelo Gemini.
Gemini Notebook (antes NotebookLM): não é para transcrever, é para o que vem a seguir
Vale a pena desfazer uma confusão comum. O Gemini Notebook não é a ferramenta certa para pedires uma transcrição limpa do zero, o motor está pensado para trabalhar sobre fontes que já lhe dás, incluindo ficheiros de áudio, e responder a perguntas sobre esse conteúdo, não para devolver um texto literal palavra a palavra. Onde brilha a sério é depois de teres a transcrição: carregas o texto como fonte e pedes um resumo, uma lista de decisões tomadas na reunião, ou uma pergunta específica do tipo "o que ficou combinado sobre o prazo do projeto".
Se nunca usaste, o guia de como usar o Gemini Notebook explica o resto das funcionalidades, incluindo a opção de gerar um resumo em formato de conversa a partir das tuas notas, que é diferente de uma transcrição e serve para outro objetivo.
"O ganho real não está em nenhuma destas ferramentas sozinha. Está em transcreveres com uma e organizares com outra, em vez de esperares que uma só faça tudo bem."
O prompt que evita a maioria dos erros
O erro mais comum que vejo é pedir só "transcreve isto" sem mais nenhum contexto. Isso obriga a IA a adivinhar o idioma, o número de pessoas a falar e o nível de detalhe que queres, e é aí que os erros aparecem. Sempre que dás esse contexto logo à partida, a diferença é imediata, como no prompt do Gemini acima. Quando já tens uma transcrição feita mas com erros óbvios, este segundo prompt ajuda a limpá-la sem arriscar que a IA invente palavras que nunca foram ditas.
Como gravar para a IA errar menos
Não medi o efeito de cada um destes pontos. São dicas de bom senso, e a última vem da própria Microsoft.
- Põe o telemóvel perto de quem fala, com o microfone livre, e não dentro de um bolso ou de uma mala.
- Pede que falem um de cada vez. A sobreposição de vozes é o ponto mais difícil para qualquer transcrição automática.
- Diz os nomes próprios e as siglas no início da gravação, para os confirmares com facilidade na revisão.
- Se gravares uma chamada no Word, não uses auscultadores: a Microsoft avisa que a gravação precisa de apanhar o som que sai do dispositivo.
Qual escolher, consoante o que precisas
- Nota de voz curta, até 10 minutos: o Gemini resolve em segundos, sem fricção nenhuma.
- Mensagem de voz do WhatsApp: usa a transcrição da própria app.
- Reunião ou aula acima dos 10 minutos: o Word, se tens Microsoft 365, ou o Gemini com o áudio partido em blocos de menos de 10 minutos.
- Queres fazer perguntas sobre o conteúdo e não só ter o texto: carrega a transcrição no Gemini Notebook em vez de tentares tudo numa ferramenta só.
- Ficheiro com muito ruído de fundo ou várias pessoas a falar ao mesmo tempo: nenhuma destas é perfeita, conta sempre com revisão manual dos trechos mais confusos.
Erros que vejo as pessoas cometerem
- Confiar cegamente no texto sem rever, sobretudo em áudios com sobreposição de vozes ou ruído de fundo.
- Não dizer o idioma nem o número de falantes no pedido, o que faz o modelo adivinhar e errar mais do que precisava.
- Colar reuniões inteiras com informação sensível, como dados de clientes ou números de contribuinte, sem pensar em quem tem acesso àquela conversa depois.
- Pedir tudo numa mensagem só num áudio muito longo, em vez de dividir em partes mais pequenas quando a ferramenta começa a cortar respostas. No Gemini grátis, isso acontece logo a partir dos 10 minutos.
Privacidade: o que não deves colar
Antes de arrastares a gravação de uma reunião de trabalho para qualquer uma destas ferramentas, vale a pena parar dois segundos. Uma reunião pode conter nomes de clientes, valores de contratos ou informação que não é tua para partilhares sem autorização. Evita transcrever áudios com dados sensíveis de terceiros sem teres o aval da tua empresa, e revê as definições de privacidade da conta antes de usares dados de trabalho a sério. Já escrevi sobre isto com mais detalhe no artigo sobre se o ChatGPT é seguro, e a lógica aplica-se da mesma forma ao Gemini.
Checklist rápido
- Sabes o idioma e quantas pessoas falam no áudio antes de pedires a transcrição?
- Testaste com um excerto curto antes de confiares num ficheiro longo?
- Reviste os trechos com sobreposição de vozes ou ruído de fundo?
- Confirmaste que não há dados sensíveis de terceiros no áudio que vais colar?
- Já sabes o que fazer a seguir ao texto, seja resumir, organizar ou arquivar?
Em resumo
Nenhuma destas ferramentas te vai dar uma transcrição perfeita ao primeiro tiro, sobretudo se o áudio tiver ruído de fundo ou várias pessoas a falar ao mesmo tempo. Mas para a maioria das notas de voz, aulas e reuniões do dia a dia, o Gemini poupa-te horas sem custar nada (desde que o áudio caiba nos 10 minutos do plano grátis), e o Gemini Notebook entra bem na fase seguinte, quando já tens o texto e só precisas de o organizar. Se ainda estás a decidir entre as ferramentas de IA que já usas no dia a dia, o nosso guia de como usar o Gemini cobre o resto das funcionalidades para além da transcrição, e o de como resumir vídeos do YouTube com IA ajuda quando o que tens não é um áudio mas um vídeo inteiro.
Queres mais guias práticos como este, sem enrolação? Subscreve a newsletter e recebe um por semana.
Fontes consultadas a 21 out 2026: limites de ficheiros no Gemini, Transcrever no Word e transcrição de mensagens de voz no WhatsApp.
Perguntas frequentes
Como transcrevo um áudio para texto com IA grátis?
Abre o Gemini, anexa o ficheiro de áudio na conversa e pede a transcrição completa, dizendo o idioma e quantas pessoas falam. No plano grátis o limite é de 10 minutos de áudio no total. Para mensagens de voz do WhatsApp, usa a transcrição da própria app.
Quantos minutos de áudio aceita o Gemini grátis?
Segundo a página de ajuda do Gemini, o total de áudio é de 10 minutos e os ficheiros podem ter até 100 MB. Com Google AI Pro ou Ultra o limite sobe para 3 horas. Estes valores mudam, por isso confirma na página de ajuda.
Como transcrever uma mensagem de voz do WhatsApp?
Em Definições, Conversas, Transcrição de mensagens de voz, ativa a função e escolhe o idioma. Depois, no Android, carrega sem soltar na mensagem, toca nos três pontos e escolhe Transcrever. O português está entre os idiomas suportados.
O Word transcreve áudio em português de Portugal?
Sim, segundo a Microsoft o português de Portugal está na lista de idiomas da função Transcrever. Precisas de uma subscrição Microsoft 365 e há um limite de 300 minutos de áudio carregado por mês.
O Gemini transcreve bem português de Portugal ou só português do Brasil?
Não comparei a forma como cada ferramenta lida com o sotaque e o vocabulário de Portugal. Confirma com um excerto curto e pede sempre português de Portugal no prompt. O ponto onde mais se tropeça é a sobreposição de vozes.
Qual é a diferença entre transcrever com o Gemini e usar o Gemini Notebook?
O Gemini dá-te o texto literal do que foi dito. O Gemini Notebook não foi pensado para transcrição palavra a palavra, é para trabalhar sobre um texto ou áudio que já lhe deste, respondendo a perguntas e criando resumos. Na prática, usa os dois em conjunto: transcreve primeiro, organiza depois.
É seguro transcrever reuniões de trabalho com IA?
Depende do que a reunião contém. Evita transcrever áudios com dados sensíveis de clientes ou informação confidencial sem autorização da tua empresa, e confirma nas definições da conta se as conversas são usadas para treinar o modelo antes de fazeres isto com dados de trabalho a sério.
Porque é que a transcrição corta a meio em áudios mais longos?
Normalmente porque o ficheiro ultrapassa o limite que a ferramenta consegue processar de uma vez. No Gemini grátis, esse limite são 10 minutos. Nesses casos, divide o áudio em partes mais pequenas antes de o enviares, ou pede para continuar a partir do ponto onde parou.


