Início → Blog → Como transcrever gravações de reuniões e ter atas utilizáveis

Como transcrever gravações de reuniões e ter atas utilizáveis

Uma reunião gravada é uma pasta que ninguém abre. Todo mundo lembra que uma decisão foi tomada, ninguém lembra qual, e rever quarenta minutos para achá-la simplesmente não vai acontecer. A transcrição transforma essa gravação em algo que dá para buscar, citar e resumir em segundos.

O que a transcrição muda

Quatro coisas que a gravação sozinha não entrega:

• Busca entre reuniões. Uma consulta encontra toda discussão em que um cliente, um prazo ou uma linha de orçamento foi mencionado.
• Atas que de fato existem. Decisões e tarefas saem do texto, sem depender de alguém digitando durante a chamada.
• Contexto para quem faltou. Ler a transcrição leva um quinto do tempo de assistir à gravação.
• Registro durável. Texto sobrevive a mudanças de plataforma; arquivos de vídeo, em geral, não.

Onde a gravação realmente está

Antes de escrever qualquer código, ache o arquivo. Cada plataforma guarda de um jeito:

Gravações locais do Zoom são o caso confortável: o arquivo só com áudio já está lá e nenhuma conversão é necessária.

Passo 1. Extraia e reduza o áudio

Uma hora de vídeo de reunião são gigabytes; a mesma hora de fala em mp3 fica em torno de 25 MB. Reunião é quase só fala, então uma faixa mono em bitrate modesto não perde nada que importe:

ffmpeg -i reuniao.mp4 -vn -ac 1 -ar 16000 -b:a 48k reuniao.mp3

Mono a 16 kHz é exatamente o que os modelos de reconhecimento esperam. O arquivo fica pequeno o bastante para uma reunião de duas horas caber em um par de requisições.

Passo 2. Transcreva com marcações de tempo

Para reuniões, peça verbose_json em vez de texto puro: os segmentos trazem início e fim, e é isso que permite voltar ao ponto da gravação depois.

from openai import OpenAI

client = OpenAI(base_url="https://voicesscribe.com/v1", api_key="sua chave")

with open("reuniao.mp3", "rb") as f:
    r = client.audio.transcriptions.create(
        model="whisper-1", file=f,
        response_format="verbose_json",
        prompt="Sync semanal de produto: roadmap, release do terceiro trimestre, migração para Kubernetes",
    )

for s in r.segments:
    print(f"[{int(s.start)//60:02d}:{int(s.start)%60:02d}] {s.text.strip()}")

O prompt é onde entra o vocabulário da sua empresa: nomes de projeto, siglas internas, sobrenomes. Reuniões são cheias de termos que nenhum modelo geral jamais ouviu, e uma linha de dica resolve a maior parte deles.

Passo 3. Transforme a transcrição em ata

A transcrição em si é matéria-prima. O artefato útil é um resumo curto com decisões e responsáveis, e isso é trabalho para um modelo de linguagem — entra a transcrição, sai a ata estruturada:

ata = llm(f"""Abaixo está a transcrição de uma reunião. Devolva:
1) um resumo em cinco tópicos,
2) as decisões tomadas,
3) as tarefas no formato «responsável — tarefa — prazo».
Use apenas o que está no texto; não invente itens.

{transcript}""")

Duas regras mantêm o resultado confiável: peça explicitamente «somente o que está no texto» e preserve as marcações de tempo, para que qualquer afirmação possa ser conferida na gravação.

Quem disse o quê

A resposta honesta: uma faixa de áudio única e misturada não volta com etiquetas de quem falou. Dois contornos práticos:

• Faixas separadas. O Zoom consegue gravar cada participante em um arquivo de áudio próprio. Transcreva um a um e a separação por pessoa sai de graça.
• Chamada de nomes no início. Se todos se identificam no primeiro minuto, tanto o modelo quanto o leitor se orientam bem melhor.

Para uma ata, a atribuição exata importa menos do que as decisões — não construa algo complexo antes de saber que precisa.

Reuniões longas e custo

A cobrança é por minuto de áudio, então há duas alavancas óbvias: não transcrever o que não é necessário e não enviar silêncio.

# divide uma reunião longa em blocos de meia hora
ffmpeg -i reuniao.mp3 -f segment -segment_time 1800 -c copy parte%03d.mp3

Reuniões de status recorrentes costumam valer a transcrição integral; workshops de duas horas quase sempre rendem mais transcrevendo só o trecho em que a decisão foi tomada. Uma regra prática: transcreva tudo por um mês, veja o que as pessoas realmente buscam e então estreite o escopo.

Perguntas frequentes

Leitura relacionada

• Legendas SRT e VTT automáticas a partir de vídeos e webinars — Como obter legendas prontas com marcações de tempo a partir de um webinar ou vídeo: extração do áudio, formatos SRT e VTT, código e os problemas mais frequentes.
• Como transcrever a gravação de uma chamada — Guia passo a passo para transformar a gravação de uma ligação em texto pela API em poucos minutos. Com exemplos em Python e C# e a lista de erros mais comuns.
• Como melhorar a precisão da transcrição: oito ajustes práticos — Oito mudanças que realmente movem a qualidade da transcrição: preparo do áudio, idioma explícito, o parâmetro prompt, corte em pausas, formatos e como medir o erro.