Transcrever áudio com IA: do áudio do WhatsApp à ata de reunião
Transcrever áudio com IA deixou de ser truque de nerd no dia em que o cliente passou a mandar 8 minutos de áudio às 22h. Você não vai ouvir. Vai deixar pra depois. Depois vira amanhã, amanhã vira "desculpa a demora".
O mesmo vale pra reunião de uma hora que ninguém anotou, pra call de vendas que tinha três objeções importantes e pro áudio do fornecedor com o preço novo enterrado no minuto 6.
A boa notícia: transcrever hoje custa perto de zero e leva menos tempo do que ouvir. A má notícia é que quase todo mundo faz errado — para na transcrição, que é a parte inútil.
Por que a transcrição sozinha não resolve nada
Transcrever um áudio de 8 minutos te devolve uma parede de 1.200 palavras. Você trocou 8 minutos de escuta por 6 minutos de leitura. Ganho quase nulo.
O ganho real aparece quando a IA faz as duas coisas no mesmo movimento: transcreve e destila. Você não quer o texto. Quer as três decisões, o prazo combinado e a objeção que o cliente levantou no meio.
Transcrição é matéria-prima. O que paga boleto é o resumo com tarefa e prazo.
É a mesma lógica de qualquer outro uso de IA no negócio: a ferramenta não substitui o critério, ela tira o trabalho braçal do caminho. Se você ainda está montando esse sistema, comece pelo guia de como usar IA no negócio — ele organiza onde a IA entra em cada frente antes de você sair assinando ferramenta.
Qual IA transcreve áudio de verdade
Aqui mora a confusão. As três IAs grandes não são iguais nesse ponto — e a diferença é de arquitetura, não de qualidade.
| Ferramenta | Aceita arquivo de áudio? | Melhor uso |
|---|---|---|
| Gemini | Sim — upload direto de MP3, WAV, M4A | A opção mais direta pra transcrever arquivo. No gratuito o limite é curto (poucos minutos por áudio); nos planos pagos aguenta reunião longa |
| ChatGPT | Parcial — modo voz é em tempo real; upload de arquivo de áudio varia por plano e plataforma | Ditar na hora e transformar a fala em texto estruturado |
| Claude | Não processa áudio nativamente | O melhor pra pegar a transcrição pronta e virar ata, e-mail ou proposta |
| Ferramentas dedicadas (Otter, Notta, Descript) | Sim, com identificação de quem falou | Quem transcreve reunião todo dia e precisa separar as vozes |
Esses limites mudam de mês em mês — confira no plano que você usa antes de brigar com a ferramenta. O padrão que se mantém: Gemini transcreve, Claude refina. Se quiser a comparação completa das três em outras tarefas, escrevi ela neste comparativo.
E o áudio do WhatsApp?
É o caso mais comum e o mais fácil. No celular, segure o áudio → Compartilhar → escolha o app da IA. No computador, baixe o arquivo (ele vem como .opus ou .mp3) e arraste pra janela do chat. Não precisa converter nada na maioria dos casos.
Se você atende cliente por lá o dia inteiro, transcrever é só o primeiro passo — o resto do fluxo está em IA para atendimento no WhatsApp.
Como transcrever um áudio com IA em 4 passos
- Separe o arquivo. Áudio do WhatsApp, gravação da reunião, memo de voz — tanto faz. Se passar de 20 minutos, quebre em partes: áudio longo é onde a transcrição gratuita costuma travar.
- Suba na IA que aceita áudio. Hoje, na prática, é o Gemini. Anexe o arquivo direto na conversa.
- Peça transcrição e destilação no mesmo prompt. Não peça só "transcreva". O prompt está logo abaixo.
- Confira os números e os nomes. IA erra valor, data e nome próprio — principalmente com sotaque forte ou áudio com ruído. Leia o trecho dos números antes de usar.
O prompt que transforma transcrição em decisão
Este é o prompt que uso. Copie e adapte:
Transcreva o áudio anexado em português do Brasil. Depois da transcrição, monte um bloco separado com: (1) resumo em até 5 linhas; (2) decisões tomadas; (3) tarefas com responsável e prazo, quando mencionados; (4) perguntas em aberto; (5) trechos com números, valores ou datas, citados literalmente. Se algo estiver inaudível, escreva [inaudível] em vez de adivinhar.
Duas instruções fazem a diferença aqui. A citação literal dos números evita que a IA "arredonde" um valor no meio do resumo. E o [inaudível] explícito impede a invenção — sem essa linha, o modelo preenche o buraco com algo plausível e você só descobre depois.
Se seus prompts costumam voltar genéricos, o problema quase nunca é a IA. É a instrução. Tem um guia inteiro sobre isso em como fazer prompts que funcionam.
Quatro erros que estragam a transcrição
- Gravar longe do microfone. Nenhuma IA salva áudio ruim. Celular a 30cm da boca resolve 90% dos problemas de qualidade.
- Confiar nos números sem conferir. "Quarenta e sete" vira "R$ 47", "R$ 4,70" ou "R$ 470" dependendo do dia. Sempre valide.
- Subir áudio de cliente sem pensar. Conversa com dado sensível — saúde, jurídico, financeiro — merece critério. Anonimize o que der e saiba o que você está mandando pra fora.
- Parar no texto. Transcrição que ninguém transforma em tarefa é arquivo morto. O destino da transcrição é uma ata, um follow-up ou uma proposta comercial — não a pasta de downloads.
O fluxo completo, do áudio ao e-mail enviado
Junte tudo e o processo fica assim: áudio da reunião → Gemini transcreve e destila → você confere números e nomes → Claude transforma o resumo no e-mail de follow-up com o tom certo → você envia em 10 minutos, ainda no mesmo dia.
Uma reunião de uma hora que virava "depois eu mando um resumo" e nunca virava nada agora vira follow-up antes do cliente esfriar. Esse é o ganho — não a transcrição em si.
O método você já tem. Falta ter as três IAs à mão.
ChatGPT, Gemini e Claude numa assinatura só na Sintra, a partir de R$47/mês — as três IAs num lugar, com créditos todo mês (separadas passam de R$300/mês). Exatamente o que esse fluxo pede: o Gemini pra transcrever o áudio e o Claude pra transformar o resumo em e-mail, sem pagar duas assinaturas nem ficar trocando de aba.
Conhecer a Sintra →