Converter MP3 para XLSX

Um sistema de transcrição ou revisão de chamadas pode exigir uma planilha em vez de um arquivo de áudio, com uma linha por segmento falado e marcações de tempo opcionais. O processamento de MP3 para XLSX, portanto, significa transcrever a gravação e exportar o texto reconhecido como dados de uma pasta de trabalho, não alterar diretamente o contêiner MP3.

O que é o formato MP3

MP3 é um formato de áudio com perdas que comprime o som usando codificação de áudio perceptual. Reprodutores de música, smartphones, aplicativos de gravação de voz, software de podcast e editores de áudio normalmente criam ou salvam arquivos .mp3. Entrevistas, reuniões, palestras, gravações telefônicas e áudios baixados frequentemente chegam nesse formato.

Um MP3 normalmente contém áudio codificado, não uma transcrição. Renomear recording.mp3 para recording.xlsx altera apenas o nome do arquivo e não cria dados de planilha.

O que é o formato XLSX

XLSX é o formato de pasta de trabalho baseado em XML usado pelo Microsoft Excel e compatível com LibreOffice Calc, Google Sheets, Apple Numbers e muitos aplicativos de processamento de dados. Ele armazena planilhas, linhas, colunas, fórmulas, formatação, filtros e valores tipados.

Uma pasta de trabalho de transcrição pode usar colunas como Hora de início, Hora de término, Falante e Transcrição. Essa estrutura permite pesquisar, editar, classificar, realizar verificações de qualidade, gerar relatórios e importar segmentos para outros sistemas. XLSX não é um formato de áudio e não deve ser usado como a única cópia da gravação.

Conversão no desktop com Whisper e Python

Este método executa o reconhecimento de fala localmente e cria um arquivo XLSX com segmentos marcados com o tempo. Instale Python e, em seguida, instale os pacotes com:

pip install faster-whisper openpyxl

faster-whisper usa PyAV para a decodificação de áudio comum, portanto normalmente não é necessária uma instalação separada do FFmpeg. Instale também o FFmpeg se o ambiente local ou outra ferramenta de transcrição exigir isso.

Salve o seguinte como mp3_to_xlsx.py:

import sys
from faster_whisper import WhisperModel
from openpyxl import Workbook

source = sys.argv[1]
target = sys.argv[2]
language = sys.argv[3] if len(sys.argv) > 3 else None

model = WhisperModel("small", device="cpu", compute_type="int8")
segments, info = model.transcribe(source, language=language, vad_filter=True)

workbook = Workbook()
sheet = workbook.active
sheet.title = "Transcript"
sheet.append(["Start time", "End time", "Transcript"])

for segment in segments:
    sheet.append([
        round(segment.start, 2),
        round(segment.end, 2),
        segment.text.strip()
    ])

sheet.freeze_panes = "A2"
sheet.auto_filter.ref = sheet.dimensions
sheet.column_dimensions["A"].width = 14
sheet.column_dimensions["B"].width = 14
sheet.column_dimensions["C"].width = 100
workbook.save(target)

Execute com:

python mp3_to_xlsx.py recording.mp3 transcript.xlsx

Passe um código de idioma para evitar a detecção automática do idioma, por exemplo:

python mp3_to_xlsx.py recording.mp3 transcript.xlsx en

Na primeira execução, o modelo Whisper selecionado é baixado. small é uma opção prática para CPU; medium ou large-v3 podem melhorar o reconhecimento em gravações difíceis, mas exigem mais memória e tempo de processamento. Uma GPU compatível pode reduzir substancialmente o tempo de processamento.

Aplicativos de desktop sem scripting

Buzz oferece um fluxo de trabalho gráfico para desktop baseado em Whisper e pode exportar formatos de transcrição como CSV, dependendo da versão e das configurações. MacWhisper oferece um fluxo de trabalho semelhante no macOS. Selecione o MP3, escolha o idioma falado, ative as marcações de tempo quando disponíveis e exporte CSV. Abra o CSV no Excel, verifique o delimitador e a codificação de caracteres e, em seguida, escolha File → Save As e selecione Excel Workbook (*.xlsx).

Se um aplicativo exportar somente TXT, SRT ou VTT, use um analisador de transcrição ou um fluxo de importação de planilha para separar as marcações de tempo e o texto em colunas antes de salvar como XLSX. Abrir um arquivo de legenda diretamente no Excel pode deixar a marcação de tempo nas células e normalmente exige limpeza.

Serviços de transcrição online

Serviços hospedados como Sonix e Happy Scribe podem aceitar MP3, transcrevê-lo e fornecer exportações de transcrição ou CSV. O fluxo de trabalho usual é:

1. Carregue o MP3 e selecione o idioma falado.
2. Ative as marcações de tempo e a identificação dos falantes, se o serviço oferecer essas opções.
3. Exporte CSV, abra-o no Excel, verifique as colunas e a codificação e escolha File → Save As → Excel Workbook (*.xlsx).

Alguns serviços oferecem exportação direta para XLSX, mas os formatos disponíveis, os limites de duração, os recursos de identificação de falantes e os preços dependem do plano. Não carregue entrevistas confidenciais, gravações jurídicas, informações de saúde ou material empresarial ainda não divulgado, a menos que as políticas do provedor sobre retenção, uso para treinamento, criptografia e exclusão atendam aos requisitos aplicáveis.

Limites de qualidade e compatibilidade

A precisão do reconhecimento depende da qualidade do microfone, do ruído de fundo, da sobreposição de falas, dos sotaques, do idioma e do vocabulário especializado. A compressão MP3 geralmente continua adequada para transcrição, mas uma gravação original limpa é preferível a um arquivo com baixa taxa de bits ou recodificado várias vezes.

As marcações de tempo do Whisper identificam os limites dos segmentos, mas não identificam os falantes de forma confiável. Adicione manualmente uma coluna Falante ou use um serviço com diarização de falantes e, em seguida, verifique cada mudança de falante comparando-a com o áudio. As exportações de marcações de tempo podem usar segundos, HH:MM:SS ou frações de tempo de planilha; padronize a representação antes de classificar ou calcular durações.

Revise nomes, números, pontuação, datas e termos técnicos comparando-os com a gravação antes de usar a pasta de trabalho como registro oficial. Mantenha o MP3 original separadamente e registre o nome do arquivo, a data, o idioma e o modelo ou serviço de transcrição em colunas adicionais ou nos metadados da pasta de trabalho.

As planilhas do Excel oferecem suporte a no máximo 1,048,576 linhas. Uma gravação longa dividida em segmentos muito curtos pode exceder esse limite; use várias planilhas ou mantenha a transcrição como CSV quando necessário.