Transcritório

Transcreva entrevistas sem enviar seu áudio para a nuvem. Aplicativo desktop gratuito para transcrição automática e separação de falantes em português brasileiro.

• 100% local — o áudio nunca sai da sua máquina; compatível com LGPD e com qualquer TCLE razoável.
• Português brasileiro nativo — baseado no Whisper (modelo de transcrição de fala da OpenAI) treinado com ampla variação dialetal.
• Gratuito e código aberto — licença MIT, desenvolvido no IESP-UERJ / CERES. Sem assinatura, sem telemetria (o primeiro uso pede apenas uma conta gratuita da Hugging Face para baixar o modelo de separação de falantes).

Site do projeto: antrologos.github.io/Transcritorio (passo a passo com imagens)

Instalação

O Transcritório é instalado pelo uv, que baixa o Python e todas as dependências das fontes oficiais (Microsoft, PyPI, PyTorch). É uma vez só; no dia a dia você abre pelo atalho da área de trabalho.

Windows 10/11, sem terminal (recomendado) — baixe o instalador de um clique e clique duas vezes nele:

⬇ Instalar-Transcritorio.bat

Ele faz sozinho os três comandos abaixo, mostra o progresso e abre o programa no final (se o Windows perguntar "Deseja executar este arquivo?", confirme — o script é auditável e só instala de fontes oficiais assinadas). Para atualizar depois: Atualizar-Transcritorio.bat.

Windows 10/11, pelo terminal — abra o Prompt de Comando (menu Iniciar → digite cmd → Enter) e cole os três comandos, um por vez:

winget install astral-sh.uv
winget install Gyan.FFmpeg
uv tool install --python 3.12 transcritorio

Feche e reabra o Prompt, digite transcritorio e pressione Enter. O programa abre e cria o atalho Transcritório na área de trabalho — a partir daí, é só clicar nele.

Guia detalhado com solução de problemas: docs/INSTALL_WINDOWS.md

macOS (beta) — no Terminal, com Homebrew:

brew install uv ffmpeg
uv tool install --python 3.12 transcritorio

Em Apple Silicon (M1/M2/M3/M4), use uv tool install --python 3.12 "transcritorio[mac]" para transcrever com aceleração Metal. Sem Gatekeeper: não há app para "autorizar". Guia: docs/MAC_INSTALL.md

Linux (beta) — no terminal:

curl -LsSf https://astral.sh/uv/install.sh | sh
sudo apt install ffmpeg   # ou o gerenciador da sua distribuição
uv tool install --python 3.12 transcritorio

Guia: docs/LINUX_INSTALL.md

• Atualizar: uv tool upgrade transcritorio (o app avisa quando há versão nova).
• Reparar: menu Ajuda → Reparar instalação (não afeta projetos, áudios nem modelos).
• Aceleração NVIDIA (opcional, 3–9× mais rápido): menu Ferramentas → Instalar aceleração NVIDIA (CUDA)….

Por que não tem mais instalador .exe? As versões em instalador (.exe/.dmg/AppImage) foram descontinuadas: sem assinatura digital paga, antivírus e SmartScreen bloqueavam a instalação para boa parte dos usuários. O formato atual usa apenas componentes assinados pelos distribuidores oficiais e elimina esses bloqueios. Histórico e downloads antigos: docs/LEGACY_STANDALONE.md.

Para pesquisadores

O que você consegue fazer

• Importar áudios e vídeos (MP3, WAV, M4A, MP4 e outros) — arraste para a janela, um arquivo ou uma pasta inteira.
• Transcrever em português brasileiro com alta acurácia (90–96% em áudios limpos), com dois motores locais: o Parakeet pt-BR "TAGARELA" (o padrão em todas as máquinas — treinado para o português falado, 1 h de áudio em poucos minutos mesmo só no processador) e o Whisper (nas variantes small a large-v3-turbo; a reserva para outros idiomas). Ao transcrever, o app pergunta quantas pessoas falam — entrevista a dois ou grupo focal (funciona bem até 6–8 participantes). Gravações em 15 outros idiomas também transcrevem com tempos por palavra (16 pacotes de alinhamento, incluindo o português).
• Separar falantes automaticamente — e nomeá-los ouvindo amostras: o diálogo "De quem é esta voz?" toca trechos de cada voz para você dizer quem é. Vozes recorrentes do projeto (ex.: a sua) passam a ser reconhecidas automaticamente. Uma verificação acústica confere cada troca de falante e marca com 🔍 as trocas duvidosas, no ponto exato do áudio.
• Revisar no Estúdio com player sincronizado, forma de onda interativa, cores por falante e edição por bloco — o duplo clique numa palavra leva o áudio até ela. Painéis ajustáveis: recolha o vídeo, amplie os blocos, trabalhe do seu jeito.
• Analisar com AI local (✨ nada sai do seu computador): resumo com índice temático de cada entrevista, glossário de nomes do projeto com revisão de grafias (a AI encontra "Joao/João/Jono" e você decide, ocorrência por ocorrência, com a grafia certa editável), e "Perguntar às entrevistas" — uma pergunta em português, respondida com citações dos trechos.
• Exportar em DOCX, MD, SRT, VTT, CSV, TSV e formato NVivo (importa direto no NVivo, Atlas.ti, MAXQDA ou num script R/Python). A aba Documentos reúne tudo que o app produz, com data e botão de abrir.
• Tudo offline depois do download inicial dos modelos (uma única vez; o tamanho depende do perfil de instalação — ver abaixo).

Requisitos por tipo de instalação

O assistente de primeiro uso examina a sua máquina e sugere o perfil adequado — nada é imposto, e dá para mudar depois em Ferramentas → Gerenciar modelos…. Números medidos (disco = aplicativo + modelos; tempos da separação de falantes medidos na máquina de referência, de 24 threads — num notebook de 8 threads conte ~3×, com 4 threads ~5×):

Motor padrão: TAGARELA. Desde a v0.2.5 o Parakeet pt-BR (TAGARELA) é o padrão em todas as máquinas (antes, só nas sem placa de vídeo): treinado para o português falado — segundo os autores do modelo, em fala espontânea erra menos palavras que o Whisper large-v3 (cerca de 14% contra 23%) —, tem pontuação e tempos por palavra nativos e transcreve de 13× a 25× mais rápido que o tempo real só no processador (1 h de áudio em poucos minutos). Só transcreve português — para outros idiomas o app avisa e oferece um Whisper de reserva (large-v3-turbo com GPU, small sem). Quem instalou antes recebe a oferta de troca na própria lista de arquivos; também dá para trocar clicando no selo Modelo da barra inferior. E a separação de falantes ficou ~8× mais rápida desde a v0.2.3 (de ~4 min por hora de áudio numa máquina de 24 threads a ~22 min com 4 threads; ≈ 1 min com GPU): ao transcrever, a caixa "Separar falantes agora" permite deixá-la para depois e já revisar o texto.

Primeiros passos

1. Instale e abra. Siga a seção Instalação acima (três comandos, uma vez). Depois, abra pelo atalho Transcritório da área de trabalho. No primeiro uso, um assistente em português prepara os modelos de IA — e pergunta se você quer a identificação de falantes (opcional).

2. Crie um projeto. Abra o Transcritório e vá em Projeto → Novo projeto… Dê um nome (ex.: tese-entrevistas-2026) e escolha uma pasta. O app cria uma estrutura .transcricao com áudios, transcrições e metadados lado a lado — fácil de fazer backup e arquivar.

3. Adicione os áudios ou vídeos. Clique em Adicionar mídia… (ou arraste arquivos para a janela). Ao transcrever, o app pergunta quantas pessoas falam (entrevista, grupo focal, número exato ou automático) — e Editar propriedades… permite ajustar por arquivo depois (idioma, falantes, rótulos).

4. Clique em Transcrever e revise. O botão Transcrever faz o fluxo completo: prepara o áudio, transcreve, separa os falantes e monta o texto editável. Ao final, o diálogo "De quem é esta voz?" toca uma amostra de cada voz para você nomeá-las — os nomes valem para a transcrição inteira. Tempos realistas para 1 hora de entrevista (ver a tabela de perfis acima): poucos minutos com o motor TAGARELA (o padrão), com ou sem placa de vídeo — a separação de falantes soma de ~4 min (24 threads) a ~22 min (4 threads) em CPU, ≈ 1 min com GPU NVIDIA; ou ~1–1,5 h se optar pelo Whisper em CPU (o dobro em máquina de 4 núcleos). Depois, dê duplo clique na entrevista para abrir a transcrição, ouvir o áudio sincronizado com o texto, ajustar trechos com a forma de onda e exportar. Guia visual completo no site do projeto.

Modelos de IA no primeiro uso: o Transcritório baixa os modelos do perfil escolhido uma única vez (~3,5 GB só para transcrever — TAGARELA + small; ~5 GB somando identificação de falantes e tempos por palavra; com GPU, o large-v3-turbo de reserva soma ~3 GB); depois roda offline. A identificação de falantes é opcional: quem quer apenas transcrever não precisa de cadastro algum. Quem a ativa é orientado pelo assistente a criar uma conta gratuita na Hugging Face, aceitar os termos do modelo pyannote e colar um token de leitura — tudo em português, e dá para ativar depois sem repetir as transcrições.

Privacidade e ética

• Processamento 100% local: o áudio da entrevista nunca é enviado a servidores externos.
• Sem coleta de dados, sem telemetria: nenhum dado sai do seu computador. O único cadastro externo é a conta gratuita da Hugging Face, usada apenas uma vez para baixar o modelo de separação de falantes.
• Código-fonte aberto sob licença MIT: auditável por qualquer pessoa, incluindo o setor de TI da sua instituição.
• Compatível com LGPD e TCLE: você mantém controle integral sobre o áudio do informante e pode demonstrar a cadeia de custódia dos dados.

Texto pronto para submissão ao CEP (copie e cole no seu projeto de pesquisa):

A transcrição e a separação automática de falantes dos áudios coletados nesta pesquisa serão realizadas por meio do software Transcritório (Barbosa, 2026), uma aplicação de desktop gratuita e de código aberto (licença MIT), desenvolvida no IESP-UERJ/CERES. Todo o processamento ocorre localmente na máquina do pesquisador, sem envio do material a servidores externos, em conformidade com a Lei nº 13.709/2018 (LGPD) e com o TCLE assinado pelos participantes. O software utiliza os modelos Whisper (Radford et al., 2022) para transcrição e pyannote.audio (Bredin et al., 2020) para separação de falantes, ambos executados offline.

Como citar

Barbosa, R. J. (2026). Transcritório: transcrição local de entrevistas em português brasileiro (v0.2.0) [Software]. IESP-UERJ/CERES. https://github.com/antrologos/Transcritorio

@software{barbosa2026transcritorio,
  author    = {Barbosa, Rog{\'e}rio Jer{\^o}nimo},
  title     = {Transcrit{\'o}rio: transcri{\c{c}}{\~a}o local de entrevistas em portugu{\^e}s brasileiro},
  year      = {2026},
  version   = {0.2.0},
  publisher = {IESP-UERJ/CERES},
  license   = {MIT},
  url       = {https://github.com/antrologos/Transcritorio}
}

O GitHub também exibe o botão "Cite this repository" no menu lateral, com os mesmos dados em formato APA e BibTeX, lendo o arquivo CITATION.cff.

Modelos de IA utilizados:

• Radford, A., Kim, J. W., Xu, T., Brockman, G., McLeavey, C., & Sutskever, I. (2022). Robust speech recognition via large-scale weak supervision. arXiv. https://arxiv.org/abs/2212.04356
• Bredin, H., Yin, R., Coria, J. M., Gelly, G., Korshunov, P., Lavechin, M., Fustes, D., Titeux, H., Bouaziz, W., & Gill, M.-P. (2020). pyannote.audio: neural building blocks for speaker diarization. ICASSP 2020. https://arxiv.org/abs/1911.01255

Para desenvolvedores

Se você quer rodar do código-fonte, contribuir com pull requests ou auditar o pipeline:

• Setup de ambiente, CLI e primeiros commits: docs/DEVELOPMENT.md
• Arquitetura do pipeline e estrutura de arquivos: docs/ARCHITECTURE.md
• Histórico de experimentos e decisões de modelo (testes A/B, variants): docs/EXPERIMENTS.md
• Checklist pré-release (canal standalone legado): docs/PACKAGING_CHECKLIST.md
• Segurança de tokens: docs/SEGURANCA_SEGREDOS.md
• Instalação no macOS: docs/MAC_INSTALL.md
• Instalação no Linux: docs/LINUX_INSTALL.md
• Aceleração MLX no Apple Silicon: docs/MLX_WHISPER_MACOS.md
• Troubleshooting macOS/Linux: docs/MAC_LINUX.md
• Code signing no Windows (encerrado — canal standalone aposentado): docs/WINDOWS_CODE_SIGNING.md

Estrutura do repositório

transcribe_pipeline/    pacote Python principal (GUI, CLI, runners, render)
scripts/                instaladores .bat de duplo clique + wrappers CMD/PS1 (dev)
packaging/              (LEGADO) spec do PyInstaller, Inno Setup, hooks
tests/                  toy tests (isolados) e smoke tests
docs/                   documentação completa
.github/workflows/      ci.yml (testes) e publish.yml (tag v* → PyPI);
                        release.yml é o build standalone LEGADO (manual)

Status

As versões em instalador (.exe/.dmg/AppImage) foram descontinuadas — ver docs/LEGACY_STANDALONE.md.

Histórico do desenvolvimento (era do app standalone): docs/STANDALONE_APP_ROADMAP.md.

Contribuir e reportar bugs

• Bugs e sugestões: GitHub Issues.
• Discussões de metodologia e uso em pesquisa qualitativa são bem-vindas no mesmo canal.
• Pull requests: siga o estilo do código existente; toy tests passando em Windows/Linux/macOS; sem refatoração além do escopo.

Licença e autoria

Software distribuído sob licença MIT (veja LICENSE). Autor: Rogério Jerônimo Barbosa — IESP-UERJ / CERES — antrologos.github.io — ORCID 0000-0002-6796-4547.

Agradecimentos às bibliotecas e modelos sobre os quais este projeto se apoia: Whisper (OpenAI), WhisperX, faster-whisper/CTranslate2, mlx-whisper, pyannote.audio, Parakeet pt-BR (NVIDIA) via onnx-asr, Qwen (análise local), GLiNER (nomes), PyTorch, PySide6/Qt, FFmpeg e uv (Astral).

No canal atual, o ffmpeg/ffprobe vêm do gerenciador de pacotes do sistema (winget/brew/apt) — nada é embutido. Nas releases legadas em instalador, o ffmpeg/ffprobe embutidos eram builds GPL de terceiros (BtbN para Windows, evermeet.cx para macOS, johnvansickle.com para Linux); veja NOTICE para a lista de componentes dessas versões e seus termos.