Resposta direta — Como converter vídeo em texto no Mac sem enviá-lo para a internet? Transcreva a faixa de áudio do vídeo no próprio Mac. Extraia o áudio do MP4 ou MOV com o ffmpeg como um WAV de 16 kHz e passe-o pelo whisper.cpp, uma versão gratuita em linha de comando do Whisper, ou arraste o vídeo para o Weesper Transcribe, um app para Mac que lê MP4 e MOV diretamente e transcreve no dispositivo. O arquivo nunca sai do seu Mac.
Um vídeo de iPhone de uma visita a um canteiro de obras, uma gravação de tela de uma demonstração de produto, um webinar salvo, um MP4 baixado de uma palestra: boa parte da fala em um Mac está dentro de arquivos de vídeo, não de arquivos de áudio.
Este guia mostra como converter vídeo em texto no Mac offline, de MP4 para texto e de MOV para texto. Ele cobre o que existe dentro de um MP4 ou MOV, o que o macOS pode e não pode fazer sozinho, a rota gratuita com ffmpeg e whisper.cpp e a rota de arrastar e soltar. Se o seu arquivo é só de áudio, nosso guia sobre como transcrever áudio para texto no Mac offline é o melhor ponto de partida.
O que existe dentro de um arquivo de vídeo que você quer transcrever?
Um arquivo de vídeo é um contêiner que guarda streams separados: normalmente um stream de vídeo e um ou mais streams de áudio. Só o áudio importa quando você quer transcrever vídeo no Mac, então a primeira tarefa de qualquer ferramenta é encontrar o stream de áudio certo e decodificá-lo.
Por isso a extensão do arquivo diz pouco. Um .mp4, .mov ou .m4v nomeia o contêiner, não o áudio que há dentro dele, e dois arquivos MOV podem ter streams bem diferentes.
A documentação do ffmpeg mostra como endereçar esses streams diretamente: em um especificador de stream, a significa áudio, e a:1 “corresponde ao segundo stream de áudio”. A ferramenta companheira, o ffprobe, “reúne informações de streams multimídia”, e o -show_streams lista todos os streams de um arquivo.
Para ver o que o seu vídeo realmente contém, execute:
ffprobe -v error -show_streams -select_streams a input.movCada stream de áudio aparece com seu índice, codec e número de canais. Um bloco significa uma faixa de áudio; dois ou mais significam que você precisa escolher, como explicado adiante.
Arquivos de vídeo comuns no Mac e o que observar
| Origem | Contêiner | O que importa para a transcrição |
|---|---|---|
| Vídeo do iPhone | .mov | HEVC (H.265) descreve o stream de vídeo quando a câmera usa Alta Eficiência; a transcrição depende apenas do áudio |
| Gravação de tela do macOS | .mov | O microfone é opcional; com “Nenhum” selecionado, não há voz para transcrever |
| Gravação do Zoom ou do Teams | .mp4 | O local onde o arquivo é salvo depende da plataforma; veja nosso guia de gravações do Zoom e do Teams |
| Palestra ou webinar baixado | .mp4 | Pode ter mais de uma faixa de áudio, por exemplo em dois idiomas |
| Edição exportada de um editor de vídeo | .mov ou .mp4 | Confira se música ou efeitos não foram misturados sobre a fala |
A página da Apple sobre HEVC confirma a configuração da câmera: em Ajustes > Câmera > Formatos, “Mais Compatível” faz os novos vídeos usarem H.264. Você não precisa mudar isso para obter uma transcrição, porque o codec de vídeo nunca chega ao modelo de voz.
O Mac consegue converter vídeo em texto sozinho?
Não como um recurso documentado. Nenhum dos guias da Apple para os apps integrados descreve como transformar um arquivo de vídeo existente em uma transcrição.
- QuickTime Player. O guia da Apple descreve edições “como cortar, reorganizar e girar”, não transcrição. Ele pode ajudar na extração, porém: Arquivo > Exportar Como > Somente Áudio gera “um arquivo de áudio Apple MPEG 4 com uma faixa de áudio AAC”.
- Gravador de Voz. Com o macOS Sequoia em Apple Silicon, ele pode mostrar a transcrição das gravações feitas no próprio Gravador de Voz, em países e regiões onde o recurso está disponível. O guia da Apple não cobre a importação de um vídeo.
- Notas. Em Macs com M1 ou posterior, o Notas transcreve o áudio que você grava dentro de uma nota, nos idiomas compatíveis. O guia não cobre arquivos de áudio ou vídeo já existentes.
Portanto, para um MP4 ou MOV que você já tem, é preciso uma ferramenta de transcrição. A exportação de áudio do QuickTime é um bom primeiro passo se você prefere não instalar o ffmpeg, desde que a ferramenta escolhida leia esse arquivo de áudio.
Como converter vídeo em texto com o ffmpeg e o whisper.cpp?
Extraia o áudio como um WAV de 16 bits com o ffmpeg e depois transcreva-o com o whisper.cpp. As duas ferramentas são gratuitas e rodam inteiramente no seu Mac.
O whisper.cpp é uma implementação de código aberto, em C/C++, do Whisper da OpenAI, sob a licença MIT; o README chama o Apple Silicon de “first-class citizen” (cidadão de primeira classe). Ele precisa de Git, CMake e ffmpeg. Nosso guia de instalação do whisper.cpp cobre a instalação e a escolha do modelo, então os passos abaixo focam no que muda para vídeo.
Passo 1: extraia a faixa de áudio do vídeo
O README do whisper.cpp diz que o whisper-cli “atualmente só funciona com arquivos WAV de 16 bits” e traz um comando de conversão do ffmpeg. Para um vídeo, acrescente -vn para que nenhum stream de vídeo entre na saída:
ffmpeg -i input.mov -vn -ar 16000 -ac 1 -c:a pcm_s16le output.wav-ar 16000 define a taxa de amostragem de 16 kHz, -ac 1 reduz para mono e -c:a pcm_s16le grava áudio de 16 bits sem compressão. O mesmo comando funciona para arquivos .mp4 e .m4v.
O resultado é bem menor que a maioria dos vídeos. Áudio mono de 16 bits sem compressão a 16.000 amostras por segundo equivale a 16.000 × 2 bytes = 32.000 bytes por segundo, cerca de 1,9 MB por minuto ou aproximadamente 115 MB por hora.
Passo 2: escolha a faixa de áudio certa se houver várias
O ffmpeg escolhe um stream de áudio automaticamente: segundo a documentação, “o stream com mais canais”, e o de menor índice em caso de empate. Essa pode não ser a faixa com a fala que você quer.
Se o ffprobe mostrou dois streams de áudio e você precisa do segundo, mapeie-o explicitamente:
ffmpeg -i input.mp4 -map 0:a:1 -ar 16000 -ac 1 -c:a pcm_s16le output.wav0:a:1 significa “primeiro arquivo de entrada, segundo stream de áudio”. Ouça alguns segundos do WAV antes de transcrever um arquivo longo, para ter certeza de que escolheu a faixa certa.
Passo 3: transcreva e escolha a saída
Execute o whisper-cli no WAV com um modelo e uma ou mais saídas: texto simples (-otxt), SRT (-osrt), VTT (-ovtt), CSV (-ocsv) ou JSON (-oj).
./build/bin/whisper-cli -m models/ggml-base.en.bin -f output.wav -otxtO idioma falado é inglês por padrão (-l en). Para um vídeo em outro idioma, use um modelo multilíngue e passe -l com o código do idioma, ou -l auto para detectá-lo.
Como converter vídeo em texto com o Weesper Transcribe?
Arraste o MP4 ou MOV para o Weesper Transcribe, deixe-o transcrever no seu Mac e exporte. Não há etapa de extração e nada é enviado.
O Weesper Transcribe é um app para Mac para transcrever arquivos que você já tem. A ficha dele na App Store descreve “arrastar e soltar áudio E vídeo, em uma só janela”, citando MP3, M4A, WAV, MP4 e MOV entre os formatos compatíveis.
Passo 1: solte o vídeo no app
Arraste o arquivo para a janela. O app não precisa de permissão de microfone nem de Acessibilidade, e um modelo incluído permite transcrever offline desde a primeira abertura.
Passo 2: deixe-o transcrever no dispositivo
A transcrição roda localmente, com aceleração Metal em Apple Silicon. Requer macOS 13 ou posterior e também funciona em Macs Intel com AVX2 (Haswell, 2013 ou posterior). A detecção automática de idioma faz com que um webinar em francês ou uma entrevista em alemão não exijam nenhum ajuste manual antes.
Passo 3: exporte texto ou legendas
A versão gratuita exporta texto simples. O Pro acrescenta legendas SRT e VTT, Word (DOCX), PDF, Markdown, HTML, CSV e JSON, além de marcações de tempo clicáveis, edição e busca.
A versão gratuita processa arquivos de até 15 minutos, um por vez, o que cobre a maioria das gravações de tela e dos vídeos de celular. O Pro é uma compra única, sem assinatura, que remove o limite e acrescenta o processamento em lote; a App Store mostra o preço na sua região antes da compra.
O rótulo de privacidade dele na App Store informa que o desenvolvedor não coleta nenhum dado do app. Para uma pasta inteira de vídeos, veja como transcrever em lote arquivos de áudio e vídeo no Mac.
Você quer uma transcrição ou legendas?
Escolha a transcrição quando quiser ler, citar ou pesquisar o que foi dito; escolha legendas quando as palavras precisarem aparecer na tela sincronizadas com a imagem.
- Transcrição (TXT, DOCX, Markdown, PDF). Texto corrido para atas de reunião, citações de entrevistas, o rascunho de um artigo ou pesquisa. As entrevistas gravadas costumam acabar aqui.
- Legendas (SRT, VTT). Blocos curtos e temporizados, associados ao vídeo para publicação ou acessibilidade. Nosso guia para criar legendas SRT e VTT offline no Mac cobre formatos, plataformas e verificações de comprimento de linha.
- Dados estruturados (CSV, JSON). Marcações de tempo e texto para um script, uma planilha ou um índice de busca.
Você pode gerar mais de um a partir da mesma passagem: o whisper-cli aceita várias flags de saída ao mesmo tempo, e o app exporta a mesma transcrição para cada formato.
Qual rota de vídeo para texto combina com você?
Escolha pelo quanto você quer fazer no Terminal. As duas rotas mantêm o vídeo no seu Mac.
| ffmpeg + whisper.cpp | Weesper Transcribe | |
|---|---|---|
| Entrada de vídeo | Extrair o áudio para WAV de 16 bits antes | Arrastar o MP4 ou MOV diretamente |
| Várias faixas de áudio | Escolher com -map 0:a:N | Não documentado na ficha; extraia a faixa antes se isso importar |
| Interface | Terminal | App para Mac |
| Idioma | Flag -l, inglês por padrão | Detecção automática |
| Exportações | TXT, SRT, VTT, CSV, JSON | TXT grátis; SRT, VTT, DOCX, PDF, Markdown, HTML, CSV, JSON com o Pro |
| Requisito do Mac | Compilado a partir do código-fonte | macOS 13+, Apple Silicon ou Intel com AVX2 |
| Custo | Gratuito, licença MIT | Gratuito até 15 min por arquivo; Pro de compra única |
Como obter uma transcrição melhor de um vídeo?
A maioria dos problemas na transcrição de vídeo vem da faixa de áudio, não do modelo de voz. Confira a faixa antes de culpar a transcrição.
- Confirme que há fala. Uma gravação de tela feita com o microfone em Nenhum não tem voz para transcrever. Reproduza o arquivo com o som ligado antes.
- Confira o número de faixas. Execute o ffprobe em um MP4 baixado ou em um arquivo vindo de um editor; uma faixa de comentários ou de outro idioma pode estar escondida atrás da padrão.
- Use o arquivo original. Um vídeo recompartilhado por um app de mensagens pode ter sido recodificado com áudio de qualidade menor. Peça a exportação original.
- Ignore o codec de vídeo. HEVC ou H.264 não faz diferença na transcrição; só afeta a imagem.
- Defina o idioma no whisper.cpp. Ele presume inglês a menos que você passe
-l, então um vídeo em espanhol processado com um modelo somente em inglês produzirá um texto ruim. - Revise nomes e jargões. Nomes próprios e termos técnicos são onde qualquer modelo de voz mais escorrega, então leia esses trechos com o vídeo antes de compartilhar a transcrição.
Para arquivos MP3 e outros áudios comprimidos, nosso guia para converter MP3 em texto no Mac explica por que a taxa de bits importa.
Transforme seu primeiro vídeo em texto
Converter vídeo em texto no Mac offline significa chegar à faixa de áudio e transcrevê-la localmente. O ffmpeg e o whisper.cpp dão controle total sobre qual faixa e qual saída usar; um app dedicado elimina a etapa de extração.
Tem um MP4 ou MOV esperando? Veja como o Weesper Transcribe transforma arquivos de vídeo e áudio em texto editável e baixe na Mac App Store: grátis para arquivos de até 15 minutos, com upgrade único para o Pro e sem assinatura. Dúvidas de configuração são respondidas na central de ajuda.