Transcrição de Hindi e o Problema do Hinglish (2026)

O Problema Real: Seu Áudio em Hindi Provavelmente É Hinglish

A maior parte do áudio moderno em hindi não é hindi puro. Uma frase de um podcast de negócios pode soar assim: "Aaj meeting mein hum decide kiya ki next quarter mein hum launch karenge, but pricing strategy abhi finalize nahi hui hai." Essa é uma frase única, com sete palavras em hindi e sete em inglês, dita em um único fôlego. O motor de IA precisa descobrir, palavra por palavra, se deve usar Devanágari ou caracteres latinos na saída.

Essa é a dificuldade central da transcrição de hindi em 2026. Não é um problema de precisão no sentido convencional. É um problema de troca de escrita sobreposto a um problema de troca de idioma. Motores que lidam bem com isso produzem uma saída legível e natural. Motores que não lidam bem geram ou tudo em Devanágari (com palavras em inglês transliteradas de forma desajeitada) ou uma transcrição que abandona o hindi por completo e trata tudo como inglês.

Este guia mostra como os principais motores realmente lidam com isso, verificado a partir de documentação e relatos de desenvolvedores, e não de benchmarks conduzidos em laboratório.

Devanágari: O Que a Escrita Exige

O hindi é escrito em Devanágari, um abugida com 47 caracteres primários (14 vogais e 33 consoantes). Os caracteres são escritos da esquerda para a direita. O traço distintivo é o shirorekha, uma barra horizontal que corre ao longo do topo de cada caractere, ligando visualmente as letras em palavras.

Várias mecânicas importam para a transcrição:

Matras (marcas vocálicas): As vogais costumam ser escritas como diacríticos anexados à consoante anterior, e não como caracteres isolados. Um modelo que trata as consoantes corretamente, mas erra o posicionamento das matras, gera um Devanágari embaralhado.

Consoantes conjuntas (samyukta vyanjan): Quando duas consoantes se encontram sem vogal entre elas, elas se fundem em um único ligadura. "ज्ञान" (conhecimento) é uma conjunta. Errar essas fusões é sinal de que o modelo não foi treinado com dados suficientes de Devanágari.

Pontos nukta: Um ponto abaixo da consoante indica um som estrangeiro, não nativo do hindi derivado do sânscrito. "ज़" (za), "क़" (qa) e "फ़" (fa) usam nuktas e aparecem com frequência no hindi influenciado pelo urdu e em empréstimos transliterados do inglês.

Deleção do schwa: No hindi falado, a vogal curta "a" (schwa) no fim de uma sílaba costuma ser suprimida. "राम" pronuncia-se "Raam", e não "Raama". Motores de transcrição que não modelam a deleção do schwa produzem uma saída fonemicamente incorreta.

Para uma transcrição correta em hindi, todos esses pontos precisam funcionar direito. Se sua ferramenta retorna "main aapka shukriya ada karta hoon" em hindi romanizado em vez de "मैं आपका शुक्रिया अदा करता हूँ", você tem uma ferramenta que, na verdade, não está lidando com o hindi.

Hinglish: Escala e Mecânica da Alternância de Código

Mais de 350 milhões de indianos urbanos usam Hinglish regularmente, segundo reportagem do New York Times. Uma pesquisa do IIT Delhi constatou que o uso de Hinglish cresceu 2% ao ano entre 2022 e 2024. Cerca de 83% dos falantes de hindi misturam palavras em inglês na fala em algum grau.

A alternância de código no Hinglish não é aleatória. Existem padrões consistentes:

• Substantivos e termos técnicos migram para o inglês primeiro. "Budget", "deadline", "meeting", "strategy" permanecem em inglês mesmo em falas fortemente dominadas pelo hindi.
• Os verbos permanecem em hindi com mais frequência, mas verbos em inglês são "hinduizados": "launch karna", "finalize karna", "decide kiya".
• A alternância no nível da frase é comum em registros formais, em que o falante pode começar uma ideia em hindi e terminá-la em inglês.
• A mistura no nível da palavra domina a conversa casual, as redes sociais e os diálogos de Bollywood.

O resultado é que nenhum código de idioma único descreve completamente o que o falante está fazendo. Definir language=hi dá saída em Devanágari, mas pode não tratar corretamente as partes em inglês. Definir language=en elimina o hindi por completo. Definir language=multi é a escolha certa nos motores que suportam, mas o comportamento varia.

Veja como a alternância de código afeta pipelines de transcrição para um tratamento mais amplo das questões técnicas.

Como Cada Motor Lida com o Hinglish

OpenAI Whisper (large-v3)

O Whisper large-v3 é o modelo multilíngue mais conhecido e lida bem com o hindi puro quando você define language=hi explicitamente. Em conteúdo Hinglish, o comportamento é consistente, mas não ideal para a maioria dos casos de uso: o modelo transcreve empréstimos do inglês e frases em inglês com alternância de código para a escrita Devanágari. Assim, "next quarter mein launch karenge" pode voltar como "नेक्स्ट क्वार्टर में लॉन्च करेंगे", com "next quarter" transliterado para Devanágari em vez de mantido em latino.

Não há um sinalizador oficial para solicitar saída Hinglish em escrita mista do Whisper. A solução alternativa da comunidade é o modelo Whisper-Hinglish ajustado pela Trelis Research, que introduz um token |mixedcode| que dispara a mistura Devanágari-latino, mas isso não faz parte da API padrão.

Um risco adicional: com detecção automática, os modelos base do Whisper às vezes confundem hindi com urdu (os idiomas são linguisticamente próximos e compartilham uma forma falada). O urdu usa a escrita Nastaliq, o que tornaria sua transcrição ilegível para um público leitor de hindi. Sempre defina language=hi explicitamente no Whisper.

Deepgram Nova-3

O Nova-3 suporta hindi (hi) nativamente. Para áudio puro em hindi, esta é a oferta mais forte da Deepgram para o idioma.

Para Hinglish, o Nova-3 oferece um modo multilíngue separado (language=multi) que suporta a alternância de código entre hindi e inglês entre 10 idiomas. Nesse modo, o Nova-3 naturalmente reproduz a escolha de escrita do falante: palavras em hindi em Devanágari, palavras em inglês em latino. O modelo foi treinado com dados reais com alternância de código, e não com misturas sintéticas. Essa é a abordagem arquiteturalmente correta.

Na prática, há relatos de desenvolvedores de que o Nova-3 multi confundiu hindi com espanhol em algumas gravações Hinglish, o que causa uma falha significativa de transcrição. Isso parece ser um problema de confiabilidade na detecção de idioma do modelo multilíngue, não um problema fundamental de arquitetura. A solução alternativa que alguns desenvolvedores encontraram é voltar ao Nova-2 ou Nova-1 com o código de idioma hi, aceitando a limitação de saída totalmente em Devanágari.

A Deepgram também publicou o framework BRIDGE, analisando especificamente por que as métricas padrão de WER falham nas línguas indianas, o que indica que eles estão levando esse problema a sério. Veja Deepgram Nova-3 explicado para saber mais sobre a arquitetura do modelo.

AssemblyAI Universal-3

O modelo Universal-3 da AssemblyAI suporta 99 idiomas com alternância de código automática e diarização de falantes. O hindi está listado como idioma suportado. A AssemblyAI expandiu o hindi para incluir especificamente a diarização de falantes (junto com chinês, japonês, coreano e vietnamita), o que significa que conteúdo em hindi e Hinglish com vários falantes recebe rótulos corretos.

No Universal-3 Pro, o hindi fica na faixa de "boa precisão", que a AssemblyAI define como WER de 10-25%. Não é o melhor da categoria, mas é funcional. A diarização da AssemblyAI mantém a identidade do falante através das trocas de idioma, então um podcast em que um apresentador fala mais hindi e outro fala mais inglês ainda recebe rótulos corretos.

Google Cloud STT (Chirp)

O modelo Chirp do Google Cloud suporta mais de 125 idiomas e usa cobrança medida por minuto. O hindi é suportado. Para alternância de código, a recomendação histórica do Google tem sido definir language_codes para incluir tanto hi-IN quanto en-IN, o que permite ao modelo lidar com áudio misto, embora a consistência da saída em Hinglish varie.

Casos de Uso de API Pura (Deepgram, AssemblyAI)

Se você está construindo um pipeline, tanto a Deepgram quanto a AssemblyAI oferecem APIs REST com suporte a hindi. Os preços da API da Deepgram e o modelo medido da AssemblyAI são comparados em profundidade na visão geral de preços de APIs de fala para texto.

Tabela Comparativa de Motores

Minha opinião: para conteúdo Hinglish em que você quer uma saída legível em escrita mista, o Deepgram Nova-3 multi é a melhor opção arquitetural quando a detecção de idioma funciona corretamente. Para áudio puro em hindi com requisitos rigorosos de Devanágari, o Whisper large-v3 com language=hi explícito é confiável. A AssemblyAI é a escolha melhor quando a prioridade é a diarização através das trocas de idioma.

Sotaques Regionais do Hindi e Precisão

A Índia tem dezenas de sotaques regionais do hindi, cada um com padrões fonéticos distintos que os motores de IA tratam de formas diferentes:

Hindi de Delhi/NCR (urbano, com muita mistura de inglês): o mais bem representado nos dados de treinamento. O mais próximo do que é testado em benchmarks.

Hindi de Mumbai (Bambaiya): a fonologia do marata influencia as consoantes retroflexas e a duração das vogais. "Bhai" vira um marcador social distinto. A precisão é menor que a do hindi de Delhi, mas razoável nos principais motores.

Hindi influenciado por Lucknow/Awadhi: fonologia mais formal, tratamento distinto de "l" versus "r", vocabulário de registro elevado. Geralmente é bem tratado.

Hindi influenciado pelo bhojpuri (Bihar, leste de UP): o hindi influenciado pelo bhojpuri é fonologicamente bem diferente. Os padrões de retenção do schwa diferem do hindi padrão. A precisão cai de forma notável.

Hindi do sul da Índia (com forte sotaque tâmil, telugu, canarim e malaiala): a transferência fonológica das línguas dravídicas é significativa. As distinções entre retroflexas e dentais são afetadas. Esta é a categoria que mais precisa de revisão posterior em qualquer motor.

Para conteúdo específico em bhojpuri, magahi, maithili, marwari ou awadhi como idiomas (e não sotaques): são idiomas distintos, não sotaques regionais do hindi. Transcrevê-los com um modelo de hindi vai gerar uma saída degradada e não é um caso de uso suportado em nenhum motor relevante.

Registros de Formalidade e O Que Eles Afetam

O hindi tem dois níveis honoríficos que afetam a conjugação dos verbos, os pronomes e o vocabulário:

• Aap (आप): "você" formal de terceira pessoa, usado com pessoas mais velhas e desconhecidos
• Tum (तुम): intermediário, usado com colegas
• Tu (तू): íntimo, usado com amigos próximos e crianças (ou como insulto a desconhecidos)

Essas distinções afetam o vocabulário em torno dos verbos (करते हैं vs. करते हो vs. करता/करती है) e criam textos de transcrição diferentes. Um motor de transcrição que normaliza essas distinções em uma única forma perde significado social.

Na prática: a fala formal (notícias, palestras, discursos) e a fala casual (áudios de WhatsApp, podcasts informais) têm proporções de Hinglish muito diferentes. A fala formal tende ao hindi puro ou a frases inteiras em inglês. A fala casual é o Hinglish mais denso.

Casos de Uso Reais para Transcrição de Hindi

Criadores de podcast e YouTube indianos são o caso de uso de maior volume. A cena de podcasts indiana está entre as que mais crescem no mundo. Os apresentadores alternam entre hindi e inglês dentro dos episódios e às vezes dentro das frases. A necessidade prática é ter notas de episódio e marcadores de capítulo legíveis que correspondam à forma como a audiência realmente lê, o que significa Hinglish em escrita mista.

Redações em hindi que transcrevem discursos políticos e entrevistas em painel precisam de saída em Devanágari que vá direto para artigos em hindi. A diarização de falantes importa aqui porque os programas em painel têm de 3 a 6 falantes.

Suporte ao cliente e centrais de atendimento que processam chamadas de clientes em hindi ou Hinglish precisam de saída em escrita latina (ou Devanágari, dependendo do sistema de CRM) e rótulos de falante distinguindo agente de cliente. Este é um caso de uso de aprendizado de máquina em crescimento, com empresas ajustando modelos especificamente com Hinglish de call center.

Transcrições jurídicas e acadêmicas em hindi formal precisam de Devanágari preciso, com tratamento correto de matras e consoantes conjuntas, já que a saída muitas vezes vai para registros oficiais.

Conteúdo educacional (palestras, vídeos de treinamento) abrange todo o espectro, do hindi puro ao Hinglish, dependendo da instituição e da matéria.

Se você só precisa de uma transcrição limpa sem construir um pipeline personalizado, a ferramenta de áudio para texto do ConvertAudioToText lida com hindi com saída em Devanágari e mistura de Hinglish. O plano gratuito cobre 10 minutos de transcrição, concedidos uma única vez no cadastro, e não a cada mês, o que é suficiente para testar seu áudio específico antes de decidir.

Dicas Que Realmente Importam para Áudio em Hindi

Defina o idioma explicitamente. Não confie na detecção automática para hindi. O idioma é fonologicamente semelhante ao urdu, e alguns detectores automáticos encaminham erradamente áudio em hindi para o urdu, produzindo saída em escrita Nastaliq ilegível para quem lê em escrita hindi.

Escolha o modo conforme a necessidade de saída. Se o seu sistema downstream precisa apenas de Devanágari, use language=hi e aceite a transliteração Hinglish toda em Devanágari. Se você precisa de uma saída legível em escrita mista, use um modo multilíngue.

Use vocabulário personalizado para nomes próprios indianos. Os nomes pessoais indianos têm enorme variação de grafia: "Priya" vs. "Priyaa", "Suresh" vs. "Suresh Kumar". Nomes de lugares diferem de suas versões romanizadas. Um glossário ajuda bastante.

Ruído de fundo é um problema real no áudio indiano, especialmente em conteúdo gravado em feiras ao ar livre, escritórios movimentados ou ambientes de rua. Isso afeta todos os motores igualmente e é a maior alavanca de precisão fora da escolha do motor.

Não use modelos de hindi para conteúdo em bhojpuri ou marwari. O modelo vai dar o seu melhor e falhar. São idiomas separados.

Comparando Ferramentas para Fluxos de Trabalho em Hindi

Nota sobre o Otter: o plano gratuito de 300 minutos é generoso, mas o Otter transcreve áudio em hindi somente em escrita latina e gera resumos em inglês, independentemente do idioma do áudio. Para criadores indianos publicando conteúdo para audiências falantes de hindi, isso é uma incompatibilidade de fluxo de trabalho, não uma limitação menor.

Os custos ocultos dos serviços de transcrição cobrem o que ficar de olho além dos preços de destaque, incluindo taxas por assento e limitações de exportação.

Perguntas Frequentes

O Whisper transcreve Hinglish em escrita mista?

Não por padrão. Quando você define language=hi, o Whisper transcreve tudo em Devanágari, incluindo palavras em inglês e empréstimos linguísticos. Palavras em inglês como "meeting" aparecem como "मीटिंग." Não há um sinalizador padrão da API para mudar isso. Um modelo ajustado pela comunidade (Whisper-Hinglish da Trelis Research) adiciona um modo de alternância de código, mas ele não faz parte da API oficial do Whisper.

Qual é a diferença entre Hindi e Hinglish para fins de transcrição?

Hindi é o idioma padrão, escrito em Devanágari, com vocabulário derivado do sânscrito para registros formais. Hinglish é o hindi falado que mistura palavras e frases em inglês dentro das frases, exigindo que o motor tome uma decisão palavra por palavra sobre qual escrita usar na saída. O desafio é que não existe regra fixa: "meeting" pode aparecer legitimamente como "मीटिंग" ou "meeting" em um documento em hindi, dependendo do estilo da publicação. Essa ambiguidade é o motivo pelo qual a transcrição de Hinglish varia tanto entre os motores.

Os motores de IA conseguem lidar com sotaques do sul da Índia no hindi?

Sim, mas a precisão cai em comparação com o hindi de Delhi ou Mumbai. A transferência fonológica das línguas dravídicas (tâmil, telugu, canarim, malaiala) para o hindi produz padrões de consoantes retroflexas e durações vocálicas diferentes da distribuição de treinamento da maioria dos modelos de hindi. Espere mais trabalho de revisão nesse tipo de conteúdo, independentemente do motor que você usar.

A diarização de falantes está disponível para conteúdo em hindi?

Sim, no Deepgram Nova-3, AssemblyAI Universal-3 e Google Cloud STT. A AssemblyAI expandiu especificamente a diarização de falantes para hindi em 2025-2026. Entrevistas formais com dois falantes geralmente produzem melhor diarização do que debates em painel com vários participantes e fala sobreposta, o que vale para todos os idiomas, não apenas para o hindi.

Como faço para transcrever áudio em bhojpuri ou marwari?

Você não pode usar de forma confiável um modelo de transcrição de hindi para conteúdo em bhojpuri, marwari, magahi ou maithili. São idiomas separados, com fonologia distinta. Nenhum motor comercial relevante lista o bhojpuri como idioma suportado até meados de 2026. Se você precisa de transcrição em bhojpuri, a transcrição humana feita por um especialista é o caminho prático. Usar um modelo de hindi vai gerar, no máximo, uma saída parcial e cheia de erros.

Fontes

• Visão geral de modelos e idiomas da Deepgram: https://developers.deepgram.com/docs/models-languages-overview
• Documentação de alternância de código multilíngue da Deepgram: https://developers.deepgram.com/docs/multilingual-code-switching
• Post do blog sobre o Nova-3 multilíngue da Deepgram: https://deepgram.com/learn/nova-3-multilingual-major-wer-improvements-across-languages
• Discussão no GitHub sobre hindi-inglês no Nova-3 da Deepgram: https://github.com/orgs/deepgram/discussions/1208
• Documentação de idiomas suportados da AssemblyAI: https://www.assemblyai.com/docs/supported-languages
• Anúncio do Universal-3 Pro da AssemblyAI: https://www.assemblyai.com/blog/introducing-universal-3-pro
• Preços do Otter.ai: https://otter.ai/pricing
• Preços do Sonix: https://sonix.ai/pricing
• Preços do ConvertAudioToText: https://convertaudiototext.com/pricing
• Discussão sobre escrita hindi no Whisper: https://github.com/openai/whisper/discussions/1662
• Modelo Whisper-Hinglish ajustado: https://trelis.substack.com/p/whisper-hinglish
• Dados de prevalência do Hinglish: https://www.gan.studio/blog/posts/the-prevalence-of-hinglish-in-urban-india-a-data-driven-exploration
• OriserveAI Whisper-Hindi2Hinglish: https://github.com/OriserveAI/Whisper-Hindi2Hinglish