ScribeToAny
Transforme qualquer áudio ou vídeo em texto preciso
O ScribeToAny transforma arquivos de áudio e vídeo em texto e legendas. Ele transcreve cerca de 98 idiomas com marcações de tempo e identificação de interlocutores, permite editar cada linha no navegador, exporta em TXT, SRT, VTT, TSV, CSV, JSON, PDF e DOCX e traduz o resultado para 134+ idiomas mantendo a sincronização das legendas. Você pode começar de graça com 100 minutos todos os meses, sem cartão de crédito.
As respostas costumam chegar em 1–2 dias úteis.
Quem desenvolve
Sou Ray Mac, ex-engenheiro da ByteDance. Eu desenvolvo e opero o ScribeToAny por conta própria; a primeira versão foi lançada em julho de 2026. Os guias testados no blog também são meus: eu executo o que eles descrevem em gravações e arquivos reais antes de publicar.
O inglês não é a minha língua materna, e muito do que assisto e com que trabalho também não está em inglês. Depois de sair da ByteDance, continuei me deparando com o mesmo problema: as ferramentas para transformar gravações em texto e legendas priorizavam o inglês, eram focadas em reuniões e logo impunham limites. Por isso criei a ferramenta que eu queria: cerca de 98 idiomas de entrada, 134+ de saída, legendas com verificação de velocidade de leitura e um limite gratuito que se renova todo mês em vez de um período de teste único.
O ScribeToAny é operado pela Scribe Saas, LLC, uma empresa registrada nos Estados Unidos.
Como funciona
Os envios vão direto do seu navegador para um armazenamento criptografado. A transcrição executa modelos de fala da classe Whisper (faster-whisper) em GPUs dedicadas, detecta o idioma falado automaticamente e rotula os interlocutores. As legendas são verificadas quanto à velocidade de leitura: marcações rápidas demais são sinalizadas, nunca reescritas silenciosamente.
Notas de engenharia: executando Whisper em GPUs a partir do Cloudflare WorkersComo é testado
Publico o que meço, inclusive onde fica aquém:
- Precisão: em uma gravação de teste com roteiro, 4 de 189 palavras divergiram do roteiro (uma taxa de erro de palavras de 2,1%), e todas as 14 alternâncias de interlocutores foram rotuladas corretamente. Ler os detalhes
- Arquivos de legenda: o processamento de 16 arquivos SRT corrompidos pelo ffmpeg e pelo nosso próprio parser revelou três bugs no parser, que já foram corrigidos. Ler os detalhes
- Idiomas: quando gravações em tailandês, laosiano e birmanês retornaram com trechos de fala faltando, rastreei a causa até duas configurações de decodificação e as alterei para esses sistemas de escrita.
- Preços: a comparação com Otter, Rev, Sonix e HappyScribe também mostra onde eles superam o ScribeToAny. Ler os detalhes
Seus arquivos
- O áudio ou vídeo original é excluído automaticamente após a transcrição. Se uma tarefa falhar, o arquivo é mantido por até 7 dias para que você possa tentar novamente.
- As transcrições permanecem na sua conta até você excluí-las.
- Nunca usamos nada do que você envia para treinar modelos de AI.