Links de Vídeo — Speakly

Cole o link de um vídeo e o Speakly baixa o áudio e transcreve. Não é só YouTube: o mesmo downloader lê mais de 1500 sites, incluindo reels do Instagram e TikTok.

Como usar

Clique em Links na barra lateral esquerda — é um item próprio, abaixo de Transcribe Media, não parte dele
Clique em New Transcription para abrir Transcribe a video from a link
Cole o link no campo ("Paste a video link here...")
Escolha Transcription engine e Model para este vídeo — o mesmo seletor das Reuniões, com o logo de cada provedor. A escolha é lembrada para o próximo vídeo e não muda o motor da ditado
Defina Speech language com o idioma falado no vídeo
Clique em Transcribe Video

Quais links funcionam

A página de um vídeo só. YouTube (inclusive Shorts), posts e reels do Instagram — tanto /reel/ quanto /reels/ — TikTok, X, Facebook, Vimeo, Twitch, LinkedIn e o resto dos 1500+ sites que o downloader suporta.
Link de canal, perfil ou playlist é recusado, com This link is a channel, profile or playlist, not a single video. Abra o vídeo em si e cole o link dele.
Vídeo público não precisa de conta. O que um site mostra apenas a quem está logado — conta privada, vídeo com restrição de idade — exige que você esteja logado naquele site no Chrome, Firefox, Brave ou Edge; o Speakly tenta o download de novo com os cookies desse navegador antes de desistir.
Se o site bloquear o download, o Speakly atualiza o downloader para a versão mais nova e tenta de novo, depois tenta com os cookies do seu navegador. A mensagem então diz qual é o site e o que fazer.

Limites

Vídeos de até 2 horas; mais longos falham com Video is too long (… min). Maximum duration is 120 minutes for transcription.
Acima de 8 minutos o áudio é dividido em partes de 9 minutos e remontado em um único transcrito
Vídeos divididos mantêm os tempos: os segmentos de cada parte são deslocados para a linha de tempo completa e os dez segundos de sobreposição são cortados, então um vídeo de duas horas tem tempos reais do começo ao fim
Alguns sites não publicam duração nenhuma — o Instagram é um deles — então a prévia não mostra nada antes de transcrever. A duração real aparece na transcrição salva, medida do próprio áudio.

Progresso enquanto roda

A janela diz em que etapa está e, quando a transcrição começa, desenha uma barra de verdade com porcentagem: Downloading audio..., depois Converting format..., depois Transcribing (may take a while for long videos)....

Preparing the audio… — uma segunda linha sob a etapa, enquanto o áudio é lido e, para um vídeo longo o suficiente para ser dividido, re-codificado em partes. Num vídeo de duas horas isso acontece antes de qualquer palavra aparecer.
Part x of y — mostrado enquanto cada parte é transcrita, com a porcentagem subindo ao lado da etapa.
Complete! — as partes foram unidas no transcrito final.

Com o motor Local Model (On-Device) a porcentagem também avança dentro de cada parte, porque o motor local informa o próprio progresso de decodificação. Motores na nuvem respondem a parte em uma única requisição e não têm como informar nada no meio, então lá a barra avança parte por parte.

O resultado

Uma transcrição concluída de um link de vídeo — A janela File Transcription: transcrito, contagem de palavras e ações de IA

O título e a duração do vídeo no cabeçalho da janela, mais a contagem de palavras
O transcrito em linhas com tempo, agrupadas para que a linha termine onde a frase termina
Ações de IA: Flashcards, FAQ, Ask, Translate
Copy All copia o transcrito inteiro; Close fecha a janela

Tempos e o player

Para um link do YouTube o vídeo é embutido acima do transcrito, e cada tempo é um botão — a dica diz "Jump to this moment" — que leva o player àquele segundo e toca de lá. O player aparece só na visão do transcrito; fica escondido em Flashcards, FAQ, Ask e Translate, onde continuaria tocando atrás do texto. Links de outros sites não têm player embutido: o transcrito e os tempos estão todos lá, mas não há vídeo para pular.

As linhas são agrupadas no fim das frases, em vez de uma linha por segmento do motor. Fala sem pontuação também quebra: um grupo é cortado depois de 320 caracteres ou 30 segundos.
Um grupo guarda o início do seu primeiro segmento, então o clique cai onde a frase começa.
Se o player embutido ainda não estiver respondendo, o clique recarrega o embed naquele segundo — mais lento, mas sempre funciona.

Transcrições antigas não podem ganhar tempos

Tudo que foi transcrito antes disso existir tem um único segmento em 00:00, porque os tempos de cada parte eram descartados quando o áudio era dividido. Os dados dos segmentos nunca foram guardados, então o único jeito de ter tempos reais é transcrever o vídeo de novo.

Para onde vai o áudio

O áudio é baixado para um arquivo temporário e apagado quando a transcrição termina. O transcrito em si é produzido pelo motor que você escolhe na janela (configurado em Settings → Transcription): com o modelo local nada sai da sua máquina, com um provedor BYOK o áudio é enviado para esse provedor.