Como gerar transcrições, marcadores de capítulo e show notes com o Auphonic

Produtores de podcast podem gerar transcrições automáticas com marcação temporal, marcadores de capítulo organizados e notas completas do episódio (show notes) no Auphonic ao integrar o processamento de áudio a ferramentas de reconhecimento automático de fala (ASR) e inteligência artificial. Em vez de utilizar aplicativos distintos para masterização, transcrição e geração de resumos, os podcasters configuram todo o fluxo de trabalho diretamente no formulário de produção do Auphonic.

O Auphonic normaliza o volume, atenua ruídos e nivela faixas enquanto converte fala em texto com o Whisper, analisa a estrutura temático-narrativa com modelos de linguagem e grava os metadados diretamente nos arquivos de áudio, tocadores web e feeds de distribuição.

1. Como o Auphonic integra o ASR à estruturação de conteúdo

O Auphonic executa a geração de metadados como uma etapa nativa de sua cadeia de pós-produção:

1. Classificação e pré-processamento do sinal: Antes de iniciar a transcrição, os algoritmos de classificação do Auphonic analisam o áudio e separam voz de ruídos de fundo, música e pausas silenciosas. Isso impede que elementos não verbais comprometam a acurácia do reconhecimento.
2. Reconhecimento Automático de Fala (ASR): Os trechos vocais limpos são enviados ao motor de ASR. O Auphonic disponibiliza seu próprio motor auto-hospedado Auphonic Whisper ASR (baseado no modelo Whisper da OpenAI), com suporte para cerca de 100 idiomas. Como opera nos servidores do próprio Auphonic, os dados não são expostos a terceiros, o processamento é rápido e assinantes pagantes não têm custos extras de API. Motores externos como Amazon Transcribe, Google Cloud Speech API, Wit.ai e Speechmatics também são suportados.
3. Análise de conteúdo e divisão em capítulos por IA: Após a transcrição, um modelo de linguagem sintetiza o texto. O sistema identifica as trocas de assunto, calcula os pontos de início de cada tópico, cria títulos para os capítulos e elabora um resumo longo (Long Summary), um resumo curto (Brief Summary), subtítulo e palavras-chave (Keywords).
4. Diarização em gravações multipista (Multitrack): Ao gravar apresentadores e convidados em canais separados e criar uma Multitrack Production, o Auphonic transcreve cada faixa isoladamente. Isso elimina sobreposição de vozes e vazamentos de microfone, elevando a precisão da transcrição e associando automaticamente o nome correto a cada fala.

2. Passo a passo para configurar transcrições, capítulos e show notes

A automação de metadados no Auphonic é feita em cinco etapas simples no formulário de produção ou em um modelo reutilizável (Preset).

Passo 1: Enviar o áudio de origem

Inicie uma nova Production (para faixas únicas) ou Multitrack Production (para gravações multipista). Envie o arquivo em formato WAV sem compressão ou formatos compactados com taxa de bits elevada.

Passo 2: Configurar o Reconhecimento de Fala

Na seção Speech Recognition do formulário:

• Select Service: Escolha Auphonic Whisper ASR para dispensar chaves de API e contas externas.
• Select Language: Indique o idioma predominante da gravação ou confie na detecção automática do Whisper.
• Speaker Diarization: Para gravações com várias pessoas em faixa única, ative a detecção de oradores. Em projetos multipista, os nomes são extraídos automaticamente dos identificadores de cada trilha.

Passo 3: Ativar Automatic Shownotes and Chapters

Marque a caixa de seleção Automatic Shownotes and Chapters:

• Shownotes Summary Example (Personalização de estilo): Cole um trecho de notas de um episódio anterior. O modelo de IA aprenderá sua linguagem, estrutura e formato (como listas em tópicos, títulos em Markdown ou chamadas para ação), garantindo que as notas geradas mantenham a identidade do programa.

Passo 4: Definir formatos de saída e mapeamento de metadados

Na seção Output Files, selecione os formatos desejados:

• Arquivos de áudio: Escolha MP3, AAC/M4A, Opus ou FLAC. O Auphonic grava títulos de capítulos, tempos, resumos e palavras-chave nas tags ID3 (MP3), metadados MPEG-4 (M4A) ou Vorbis Comments (FLAC/Opus).
• HTML Transcript: Gera um documento web com texto completo, marcadores de tempo, identificação de interlocutores e o editor interativo integrado.
• Legendas (WebVTT ou SRT): Arquivos de legendas sincronizadas prontos para tocadores web e plataformas de vídeo.
• Dados de fala (JSON ou XML): Exportação legível por software com tempos e níveis de confiança por palavra.
• Arquivos dedicados de capítulos: Opções como MP4chaps em texto, Podlove Simple Chapters e JSON no formato Podcasting 2.0.
• Burn-In Subtitles (Legendas gravadas no vídeo, opcional): Ao gerar audiogramas ou vídeos, marque esta opção para embutir legendas sincronizadas com tipografia personalizada e efeitos de destaque no vídeo final.

Passo 5: Iniciar o processamento

Clique em Start Production. O Auphonic realizará a normalização de sonoridade, filtragem, transcrição e extração de capítulos em um único processo em nuvem.

3. Revisão e ajustes no Transcript Editor

Concluído o processamento, clique em Correct and edit speech recognition results na página de status da produção (ou abra o arquivo HTML baixado) para acessar o Auphonic Transcript Editor.

+-----------------------------------------------------------------------+
|  AUPHONIC TRANSCRIPT EDITOR                                  [ Save ] |
+-----------------------------------------------------------------------+
|  AUTOMATIC SHOWNOTES                                                  |
|  Summary:   [ Resumo do episódio gerado por IA, editável aqui...    ]  |
|  Keywords:  [ podcasting, auphonic, post-production, metadata     ]  |
+-----------------------------------------------------------------------+
|  CHAPTER MARKS                                                        |
|  00:00:00.000  - Introdução e boas-vindas                             |
|  00:04:15.500  - Comparativo de motores de transcrição                |
|  00:14:30.000  - Estruturação de metadados e tags ID3                 |
+-----------------------------------------------------------------------+
|  TRANSCRIPT                                                           |
|  [00:00:00] Apresentador A: Bem-vindos ao episódio de hoje...         |
|  [00:00:15] Apresentador B: Hoje vamos falar sobre capítulos...       |
+-----------------------------------------------------------------------+

O editor oferece recursos focados na agilidade de conferência:

• Destaque de baixa confiança (Highlight Low Confidence): Palavras reconhecidas com menor índice de certeza estatística aparecem em tons de vermelho. Quanto mais escuro o vermelho, menor a confiança, facilitando encontrar nomes e termos técnicos sem precisar reler o texto inteiro.
• Play on Click: Clicar em qualquer termo reproduz o áudio exatamente a partir daquela palavra, agilizando a checagem auditiva.
• Modo parágrafo versus modo linha/legenda: Alterne entre a visualização contínua de parágrafos e o modo de legenda linha a linha. Use Enter para dividir falas e Backspace no início de uma linha para agrupá-las.
• Gerenciamento de interlocutores: Clique no nome de um orador para alterá-lo em todo o documento de uma vez só.
• Ajuste de capítulos: Altere títulos e resumos no painel Automatic Shownotes. Para ajustar com precisão os tempos de início dos capítulos, altere-os diretamente no corpo da transcrição, garantindo alinhamento com a respiração e a cadência da fala.

4. Reexportação gratuita sem gastar créditos extras

Uma dúvida frequente é se correções de texto ou ajustes nos capítulos consomem novas horas do plano. No Auphonic, atualizações desse tipo são isentas de custos:

1. Após realizar as alterações no Transcript Editor, clique em Save. O status passará para Production Changed.
2. Clique em Start Production para recompilar os arquivos.
3. Se os arquivos de áudio originais não tiverem sido substituídos, o Auphonic regravará o texto, os capítulos e os metadados nos arquivos finais sem descontar créditos adicionais da sua conta.

[!TIP] Se você usou um motor ASR externo pago na primeira execução, desative o serviço externo antes de recompilar para não incorrer em novas cobranças de API de terceiros.

5. Distribuição de metadados e compatibilidade com agregadores

Os metadados exportados pelo Auphonic são reconhecidos nativamente nos principais reprodutores de podcast:

Ao unificar transcrição fonética, estruturação semântica por IA e gravação de metadados na mesma esteira de áudio, o Auphonic transforma uma tarefa manual demorada em uma rotina automatizada e confiável.

Referências

• Automatic Speech Recognition, Shownotes and Chapters — Auphonic Help 2026 documentation
• Production — Auphonic Help 2026 documentation
• Auphonic Speech Recognition Engine using Whisper by OpenAI (Beta) | Auphonic