Citijo · glossário
Glossário de transcrição: termos e formatos
Termos que aparecem quando você transcreve áudio, revisa as marcações de tempo ou exporta legendas. Definições curtas, em português, para consultar antes de enviar ou editar um arquivo.
Transcrição e reconhecimento
- Transcrição
- Conversão da fala em texto escrito. Pode ser manual ou automática e incluir ou não marcações de tempo.
- ASR
- Automatic Speech Recognition, ou reconhecimento automático de fala. É a tecnologia que transforma o áudio em texto sem digitação humana.
- Modelo de fala
- Componente de IA treinado para reconhecer padrões de fala. Pode errar nomes, sotaques, gírias e falas sobrepostas.
- WER
- Word Error Rate, taxa de erro por palavra. Compara o texto gerado com uma referência humana; quanto menor, melhor. Não mede pontuação nem legibilidade.
- Alucinação
- Quando o modelo inventa uma palavra ou frase que não estava no áudio. Costuma aparecer em trechos com ruído, silêncio ou fala inaudível.
- Normalização
- Ajuste de números, datas, siglas e pontuação para um formato consistente. Pode ser automático ou feito na revisão.
Tempo e legenda
- Timestamp
- Marcação de início e fim de um trecho, no formato horas:minutos:segundos, milissegundos. Serve para sincronizar texto e áudio.
- Trecho ou bloco
- Uma unidade de transcrição com seu próprio intervalo de tempo. Blocos longos demais ficam ruins em tela pequena.
- SRT
- Formato de legenda com blocos numerados, tempo de início e fim e texto. É aceito por muitos editores e players.
- VTT
- WebVTT, formato de legenda para web. Estrutura parecida com SRT, com suporte a recursos adicionais do padrão.
- TXT
- Texto corrido, sem marcações de tempo. Útil para roteiro, post, documentação ou revisão fora do player.
- Legenda fechada e aberta
- Fechada pode ser ligada e desligada pelo espectador; aberta já vem gravada na imagem. O Citijo exporta arquivos de legenda, não queima texto no vídeo.
Áudio e formatos
- MP3
- Formato de áudio comprimido, muito comum em música, mensagens e gravações exportadas. O Citijo aceita MP3 dentro dos limites do beta.
- M4A
- Formato de áudio com codec AAC, comum em gravadores e exportações de celular. Também é aceito no beta, com envio pelo desktop.
- WAV
- Áudio sem compressão com perda, maior em tamanho. O beta aceita WAV dentro do limite de 20 MB e 5 minutos.
- Codec
- Método de codificação e decodificação do áudio. MP3, AAC e PCM são exemplos; o codec afeta tamanho e compatibilidade.
- Taxa de amostragem
- Quantidade de amostras por segundo. 16 kHz é comum em fala; 44,1 kHz ou 48 kHz aparecem em música e vídeo. Não é preciso converter para usar o beta, desde que o formato seja aceito.
- Mono e estéreo
- Mono tem um canal; estéreo tem dois. Para fala, mono costuma bastar e gera arquivo menor.
- VAD
- Voice Activity Detection, detecção de atividade de voz. Ajuda a separar fala de silêncio, mas pode cortar início ou fim de palavras se usada de forma agressiva.
Vozes e revisão
- Diarização
- Identificação de quem falou em cada trecho. Não faz parte do beta do Citijo; o texto não separa falantes automaticamente.
- Sotaque e sotaque regional
- Variação de pronúncia. Pode aumentar erros do modelo; revisar nomes e expressões locais é parte do trabalho.
- Fala sobreposta
- Duas ou mais pessoas falando ao mesmo tempo. É um dos casos mais difíceis para qualquer ASR e costuma exigir revisão manual.
- Ruído de fundo
- Música, vento, trânsito ou eco. Quanto mais alto em relação à voz, maior a chance de erro.
Privacidade e beta
- Beta
- Versão em teste, gratuita e sem garantia de disponibilidade contínua. Limites e recursos podem mudar.
- Retenção
- Por quanto tempo um dado é guardado. No Citijo, o áudio e o texto não são mantidos; registros operacionais têm prazos próprios, descritos na política de privacidade.
Como usar este glossário
Se você está escolhendo um formato, comece por MP3 ou M4A. Se o destino é legenda, veja SRT e VTT. Para o passo a passo completo, use o guia de transcrição.