Importar transcrição — como usar no Studio
Traga a transcrição de outro sistema (texto, legenda ou o JSON de vários serviços) e use no FalaAI Studio sem transcrever de novo. O formato é reconhecido pelo próprio arquivo e tudo vira o mesmo diálogo, com falantes e tempos quando existirem.
O melhor caminho
Você não precisa transcrever duas vezes — escolha pelo que já tem em mãos:
- Já tem a transcrição (Whisper, Teams, Zoom, PABX, outro sistema)? Importe aqui: é grátis e o arquivo não é enviado para nenhum servidor.
- Tem só o áudio? Use o card Áudio: a transcrição sai pronta, com falantes e eventos de áudio.
- Tem o export de uma conversa do WhatsApp? Use o card Extração da conversa.
Passo a passo no Studio
- No FalaAI Studio, aba Entrada, card Meu texto / outro sistema: arraste o arquivo para a área tracejada ou clique nela para escolher.
- O formato é reconhecido pelo próprio arquivo (texto, legenda ou JSON). O seletor Serviço serve para carregar um exemplo pronto.
- Confira o diálogo e os falantes que apareceram. Se o arquivo não identificar quem falou, o texto entra como um bloco único.
- O conteúdo fica carregado na Entrada e segue para o Diagnóstico e a Auditoria (Carregar da Entrada).
- A contagem de caracteres aparece no painel — é ela que define o custo das análises.
Formatos aceitos
Texto puro, legendas com tempo e o JSON de resposta de sete serviços de transcrição (além do nosso). Clique em cada um para ver como funciona e abrir um arquivo de exemplo.
Texto puro (.txt)
Transcrição corrida. Se as linhas começarem com Speaker N: (ou Interlocutor/Hablante), viram diálogo com falantes; senão, é tratado como texto único.
SRT (.srt)
Legenda SubRip: índice, linha de tempo HH:MM:SS,mmm --> HH:MM:SS,mmm e o texto (opcionalmente com Speaker N:).
WebVTT (.vtt)
Legenda WebVTT: cabeçalho WEBVTT e cues com tempo HH:MM:SS.mmm.
AssemblyAI
Usa utterances[] (falante/tempo/texto) e words[]. Tempos em milissegundos.
AWS Transcribe
Usa results.transcripts[], results.items[] e results.speaker_labels.segments[]. Tempos em string de segundos.
ElevenLabs Scribe
Usa words[] com type (word/spacing/audio_event) e speaker_id. É o único comercial que traz eventos de áudio.
Deepgram
Usa results.channels[].alternatives[] e results.utterances[] (diarização por speaker 0/1).
Google Cloud STT
Usa results[].alternatives[].words[] com startTime/endTime em string de segundos (ex.: 3.500s) e speakerTag.
Azure Speech
Fast transcription: phrases[] com speaker, offsetMilliseconds e durationMilliseconds.
OpenAI Whisper
Formato verbose_json: segments[] com start/end/text. Sem diarização nativa (um falante só).
O que você precisa saber
Quanto custa
- Importar é GRÁTIS: o arquivo é lido no seu navegador e nada é enviado.
- A cobrança acontece depois, quando você gerar o Diagnóstico ou a Auditoria — cobrados por caractere.
- O Studio mostra a contagem de caracteres do que você importou (só o conteúdo válido, sem rótulos, tempos ou eventos).
- Veja os valores e as regras nos helps de Diagnóstico e de Auditoria.
O que não é aceito
- Arquivo vazio.
- JSON inválido ou arquivo corrompido.
- Formato não reconhecido (não é texto, nem legenda, nem o JSON de um serviço suportado).
- Arquivo de áudio ou export de conversa do WhatsApp: esses vão nos cards Áudio e Extração da conversa.
Os arquivos de exemplo ficam nesta página, em cada formato (Abrir exemplo) — use para testar antes de importar o seu.