Como transformar vídeo em texto: MP4, MOV e outros formatos

Vídeo é ótimo para assistir e péssimo para consultar. Quando você precisa achar aquela frase dita no minuto 37 de um webinar, citar um trecho de uma palestra ou reaproveitar o conteúdo de uma live num artigo, o que você realmente precisa é do texto.

Transformar vídeo em texto ficou simples: você envia o arquivo de vídeo como está, e a inteligência artificial devolve a transcrição em minutos.

Para que serve transcrever um vídeo

  • Reaproveitar conteúdo: uma live de uma hora vira um artigo de blog, posts para redes sociais e um e-mail para a sua lista.
  • Criar legendas: com o tempo de cada trecho, o texto vira legenda pronta para YouTube, Instagram e cursos online.
  • Consultar e citar: achar um trecho pelo texto é muito mais rápido do que arrastar a barra do vídeo.
  • Documentar: treinamentos, reuniões em vídeo e apresentações ficam registrados por escrito.
  • Acessibilidade: pessoas surdas ou com deficiência auditiva conseguem acompanhar o conteúdo.

Quais formatos de vídeo são aceitos

O NjC-IA Transcribe aceita os formatos de vídeo mais comuns:

  • MP4, o mais usado (celulares Android, câmeras, Zoom, a maioria dos editores);
  • MOV, o padrão do iPhone e de muitas câmeras;
  • MKV, AVI e WEBM.

Você não precisa converter o vídeo para áudio antes. O sistema extrai a trilha de áudio automaticamente. Cada arquivo pode ter até 500 MB e até 3 horas de duração.

Dica sobre o tamanho: vídeos em alta resolução ficam pesados rápido. Se o seu vídeo passa de 500 MB, exporte uma versão em resolução menor (a transcrição usa só o áudio, então a qualidade da imagem não importa) ou salve apenas o áudio em MP3 ou M4A.

Passo a passo

  1. Abra o NjC-IA Transcribe e entre com a sua conta Google.
  2. Arraste o arquivo de vídeo para a página ou escolha do computador ou do celular.
  3. Aguarde o envio. O sistema lê a duração real do vídeo e mostra quanto tempo do seu saldo será usado.
  4. Confirme. A IA transcreve, e o resultado aparece na tela.
  5. Baixe no formato que precisar.

Em que formato baixar o texto do vídeo

  • SRT ou VTT, se o objetivo é legenda. Esses arquivos trazem cada trecho com o tempo de início e de fim, prontos para enviar ao YouTube ou importar num editor de vídeo.
  • Word (.docx), se você vai revisar, editar e transformar em artigo ou relatório.
  • Texto simples (.txt), para copiar e colar em qualquer lugar.
  • JSON com tempos, para quem vai usar a transcrição em outro sistema.

Veja as diferenças com calma no artigo sobre formatos de transcrição.

E vídeos do YouTube?

Se o vídeo é seu, o caminho mais simples é baixar o arquivo pelo YouTube Studio (na lista de conteúdos, o menu de cada vídeo tem a opção de download) e enviar esse arquivo para transcrição. Para vídeos de terceiros, respeite os direitos autorais: transcreva apenas conteúdos que você tem autorização para usar.

Se você quer as legendas para o seu próprio canal, o artigo sobre legendas para YouTube mostra o passo a passo de envio.

Quanto custa transcrever um vídeo

O preço é por segundo de áudio, sem mensalidade. Você escolhe quantos minutos quer comprar, a partir de 0,1 minuto, e eles não expiram.

Em outubro de 2026, o preço ficou em torno de R$ 0,07 por minuto, cerca de R$ 4 por hora de vídeo. Uma live de 2 horas, por exemplo, sai por volta de R$ 8. Como a IA é paga em dólar, o preço acompanha a cotação, e o valor exato aparece na tela antes de você confirmar.

Como conseguir o melhor resultado

  • Áudio limpo faz toda a diferença. Vídeos com música alta por baixo da fala, eco ou vento tendem a ter mais erros.
  • Revise nomes próprios e termos técnicos. A IA escreve como ouviu.
  • Um idioma por vídeo funciona melhor. O idioma é detectado automaticamente.
  • Para vídeos muito longos, divida em partes de até 3 horas.

Experimente o NjC-IA Transcribe

Pegue um vídeo que você gostaria de reaproveitar e veja quanto conteúdo existe ali dentro. No primeiro acesso você ganha 5 minutos grátis, sem cartão de crédito. Depois, paga só pelos minutos que usar.

Quero transformar meu vídeo em texto →