Como converter AVI em texto: transcreva arquivos de vídeo antigos

Resposta rápida

Envie seu arquivo AVI diretamente para uma ferramenta de transcrição. A maioria das ferramentas modernas lida com AVI sem nenhuma pré-conversão. Recodificar só é necessário em três casos: sua ferramenta rejeita o arquivo com erro de codec, o áudio está em MP3 VBR (um problema conhecido de intercalação em arquivos da era DivX) ou o arquivo tem mais de 2 GB e é anterior à extensão OpenDML.

O que o AVI realmente é (e por que ainda importa)

AVI é a sigla de Audio Video Interleave. A Microsoft o introduziu em novembro de 1992 como parte do Video for Windows. O formato dominou do final dos anos 1990 até meados dos anos 2000, quando foi deslocado pelo MP4 à medida que o H.264 se tornava o codec padrão.

AVI é um contêiner, não um codec. Essa distinção é a coisa mais importante de entender ao solucionar problemas de transcrição. O invólucro AVI pode conter praticamente qualquer combinação imaginável de codecs de áudio e vídeo, e o codec de áudio interno é o que determina se a transcrição funciona sem problemas ou exige uma solução alternativa.

Arquivos AVI novos são raros hoje em dia, mas os arquivados são comuns. Você provavelmente tem arquivos AVI de uma destas fontes:

• Filmadoras antigas de 1995 a 2010 (mini-DV, Hi8, filmadoras de DVD)
• Sistemas de CCTV e câmeras de segurança, especialmente unidades de DVR anteriores a 2015
• Capturas de fitas VHS ou DV feitas no início dos anos 2000
• Gravações de TV feitas com placas de captura PCI (ATI All-in-Wonder, Hauppauge WinTV)
• Bibliotecas corporativas de treinamento legadas, vindas de acervos em CD-ROM

O problema do codec dentro do contêiner

Execute ffprobe yourfile.avi e observe a linha do fluxo de áudio antes de enviar qualquer coisa. O que você encontrar ali determina se o envio direto funciona ou se é necessário pré-processar o arquivo.

O codec de vídeo (DivX 3, XviD, MPEG-4 ASP, Microsoft RLE) quase nunca é o problema, porque as ferramentas de transcrição descartam a trilha de vídeo imediatamente. Se uma ferramenta relatar erro de codec, o fluxo de áudio é a causa mais provável.

Quando recodificar primeiro (e quando não recodificar)

Você não precisa recodificar quando: o áudio é PCM, AC3 ou MP3 CBR; o arquivo reproduz com áudio no VLC; o arquivo tem menos de 4 GB.

Você deve extrair o áudio primeiro quando:

1. O arquivo é grande e você quer um envio mais rápido. Um DV AVI de 2 horas a 13 GB/hora vira um MP3 de 30-100 MB após a extração do áudio. Essa é uma diferença significativa no tempo de envio.
2. O ffprobe mostra áudio MP3 VBR. Extraia e recodifique para CBR para evitar dessincronização.
3. Sua ferramenta retorna um erro de "formato não suportado" ou "nenhum áudio detectado".

Extraia o áudio com um único comando ffmpeg:

ffmpeg -i in.avi -vn -c:a libmp3lame -b:a 192k out.mp3

A flag -vn descarta o fluxo de vídeo. A saída é um MP3 CBR de 192 kbps. A maioria dos motores de transcrição aceita isso sem reclamações.

Para uma saída otimizada para transcrição, vá direto para WAV mono de 16 kHz (o formato de entrada que todo motor de reconhecimento de fala processa nativamente):

ffmpeg -i in.avi -vn -acodec pcm_s16le -ac 1 -ar 16000 out.wav

O limite de 2 GB e o OpenDML

A especificação original do AVI limita o tamanho do arquivo a 2 GB porque o campo de tamanho de chunk RIFF é um inteiro de 32 bits. Se você tiver um arquivo antigo de filmadora de DVD ou uma gravação inicial de placa de captura anterior a 2000, os arquivos podem parar no meio da gravação no limite de 2 GB.

O OpenDML (também chamado de AVI 2.0) resolve isso encadeando várias seções RIFF de 2 GB. Arquivos produzidos depois de aproximadamente 1997 com VirtualDub ou software compatível usam OpenDML e podem ter tamanho arbitrariamente grande. Arquivos de hardware doméstico mais antigo podem ser truncados silenciosamente.

Se o seu AVI cortar inesperadamente e a gravação original era mais longa, procure um arquivo complementar (convenções de nomes como arquivo.avi, arquivo.000, arquivo.001 usadas por algumas filmadoras) ou verifique se a gravação foi dividida pela barreira dos 2 GB.

Passo a passo: enviando AVI para transcrição

Etapa 1: verifique se o arquivo reproduz com áudio

Abra no VLC. Se o áudio tocar, a trilha está intacta. Se o vídeo tocar, mas o áudio estiver mudo, execute ffprobe in.avi e verifique se algum fluxo de áudio aparece na lista. Se nenhum fluxo de áudio aparecer, o arquivo não tem áudio para transcrever.

AVIs antigos às vezes mostram dessincronização entre áudio e vídeo no VLC. Isso é um problema de índice de reprodução, não de áudio. A transcrição lê a trilha de áudio bruta e não é afetada.

Etapa 2: verifique se há áudio MP3 VBR

O ffprobe in.avi mostrará uma linha como Audio: mp3, 44100 Hz, stereo, .... Se o fluxo indicar "mp3" e o arquivo for de 2002 a 2008, há uma boa chance de ele usar codificação VBR. Em caso de dúvida, pré-converta para MP3 CBR antes de enviar, como mostrado acima.

Etapa 3: envie diretamente ou via extração de áudio

Arraste o arquivo para uma ferramenta de vídeo para texto. A maioria das ferramentas modernas aceita AVI nativamente. Se você extraiu o áudio para MP3 ou WAV, envie esse arquivo em vez disso.

Etapa 4: defina o idioma manualmente

A detecção automática funciona bem em áudios modernos e limpos, mas pode tropeçar em gravações AVI degradadas com chiado de fita, ruído de fundo ou microfone de baixa qualidade. Se você souber o idioma, selecione-o explicitamente. Isso importa especialmente para conteúdo de acervo que não esteja em inglês.

Etapa 5: revise levando em conta a idade do áudio

Um AVI de 60 minutos leva cerca de 4-8 minutos para ser transcrito. Gravações antigas têm tetos de precisão previsíveis:

• Narração gravada em estúdio dentro de AVI: 95-98%
• Áudio de filmadora mini-DV (microfone razoável, pouco ruído): 90-95%
• Áudio amador de filmadora (eco ambiente, microfone ruim): 80-90%
• Áudio proveniente de VHS (chiado de fita, banda de 7-10 kHz): 75-88%
• Áudio de CCTV (microfone barato, compressão AC3, ruído ambiente): 70-85%

Dedique o tempo de revisão a nomes próprios, termos técnicos específicos da época e a qualquer segmento em que o chiado de fita atinja picos. O modelo às vezes insere palavras fantasmas onde o ruído domina.

Cenários de AVI e o que esperar

Capturas de filmadoras mini-DV e Hi8

Filmadoras como a Canon GL2 gravavam em fita mini-DV e transferiam para o computador via FireWire (IEEE 1394) como arquivos DV-AVI brutos. O DV-AVI contém áudio PCM a 48 kHz, 16 bits. Esse é um áudio de alta qualidade. O vídeo é comprimido em DV, mas a extração de áudio para transcrição é sem perdas e rápida.

Microfones acoplados a filmadoras dessa época captavam ruído de manuseio e reverberação do ambiente, mas tinham clareza de voz decente à distância de conversa. Entrevistas familiares transcritas de AVI mini-DV normalmente ficam na faixa de 88-94% de precisão. Para esse caso de uso, veja como transcrever uma gravação de entrevista para dicas de revisão.

Conteúdo baixado ou ripado da era DivX

De aproximadamente 2001 a 2007, o AVI foi o formato dominante para vídeos compartilhados online e para rips de DVD. Esses arquivos usavam DivX ou XviD para vídeo e MP3 (frequentemente VBR) para áudio. O áudio costuma estar limpo o suficiente para transcrever com 90-95% de precisão. O principal risco é a dessincronização do MP3 VBR, abordada acima.

Códigos FOURCC comuns nessa época: DIVX, XVID, DX50, MP43. Se o ffprobe mostrar um deles como codec de vídeo e o áudio for mp3, presuma VBR e pré-converta.

Gravações de CCTV e DVR

DVRs de segurança de antes de aproximadamente 2012 frequentemente geram AVI com áudio AC3 de baixa taxa de bits (64-128 kbps, mono). Os microfones desses sistemas eram baratos e posicionados para cobertura, não para clareza de voz. Espere no máximo 70-85% de precisão e trate a transcrição como um registro aproximado, não como um documento oficial.

Alguns sistemas de CCTV gravam um índice AVI válido com um cabeçalho de fluxo de áudio, mas o preenchem com silêncio. O VLC reproduz o vídeo e mostra uma trilha de áudio sem erro. A extração com ffmpeg produz um MP3 silencioso. Se você se deparar com isso, não há dados de áudio recuperáveis; o sistema estava gravando apenas vídeo.

Treinamento corporativo de CD-ROM

Conteúdo educacional e de treinamento corporativo de 2000 a 2010 frequentemente era distribuído como arquivos AVI em CD-ROM. Eles eram produzidos com narração de estúdio, microfones condensadores e edição. Mesmo comprimido dentro de um AVI antigo com MPEG-4 ASP ou Indeo, o áudio costuma estar limpo. Espere 94-98% de precisão em narração profissional. Este é o cenário de AVI em que a transcrição agrega mais valor com o menor esforço de limpeza.

Armadilhas específicas de formato

Duas trilhas de áudio

Filmadoras mini-DV às vezes gravavam dois canais como duas trilhas mono separadas, em vez de estéreo verdadeiro. A ferramenta de transcrição pode escolher a errada. Se a transcrição parecer incompleta ou o balanço de canais soar estranho, extraia e inspecione cada trilha:

ffmpeg -i in.avi -map 0:a:0 -c:a copy track0.mp3
ffmpeg -i in.avi -map 0:a:1 -c:a copy track1.mp3

Envie a que tiver o áudio mais limpo.

Fluxos danificados ou fragmentados

Arquivos AVI antigos que foram gravados parcialmente (queda de energia, falha na fita, travamento do software) às vezes têm um índice corrompido. O arquivo reproduz no VLC (que tolera índices ruins), mas outras ferramentas falham. Reconstrua o contêiner:

ffmpeg -i broken.avi -err_detect ignore_err -c copy fixed.avi

Isso regrava o índice sem recodificar nada. A taxa de sucesso é alta para corrupções leves.

O problema do fluxo de áudio silencioso

Se sua ferramenta retornar "nenhum áudio detectado", mas o VLC reproduzir áudio, force o mapeamento de áudio explicitamente:

ffmpeg -i in.avi -map 0:a -c:a libmp3lame -b:a 192k probe.mp3

Se a saída estiver em silêncio, o fluxo é um marcador de posição apenas com cabeçalho, sem dados. Se houver áudio, a ferramenta estava falhando em localizar o fluxo e você pode enviar o probe.mp3 diretamente.

Uma nota sobre qualidade de áudio versus escolha de codec

O teto de qualidade de áudio para transcrição é definido no momento da gravação, não durante a compressão. Um AVI com áudio PCM gravado no microfone embutido de uma filmadora em um ambiente ruidoso não será transcrito tão bem quanto um AVI com áudio MP3 de 128 kbps de uma narração de estúdio, mesmo que o PCM seja tecnicamente "sem perdas".

Para formatos de áudio suportados e compensações de qualidade, a escolha do codec importa menos do que a relação sinal-ruído, a qualidade do microfone e a clareza do orador. AVI proveniente de VHS é limitado a aproximadamente 7-10 kHz de banda, herdados do meio de gravação original. Nenhum pós-processamento recupera detalhes de fala que nunca foram capturados.

Se você tiver gravações de acervo que valem a pena preservar e a qualidade do áudio for ruim, um filtro passa-alta leve cortando abaixo de 80 Hz reduz o ruído de climatização e rumores mecânicos sem prejudicar a fala. Mantenha a redução de ruído conservadora: o chiado de fita é um ruído de banda larga que os modelos de fala lidam surpreendentemente bem, mas uma remoção de ruído agressiva remove detalhes da fala junto com o ruído.

Para uma análise mais profunda de WAV vs. MP3 na qualidade da transcrição, a diferença prática entre os formatos extraídos é menor do que a maioria das pessoas espera quando o áudio de origem já está degradado.

Se você só precisa de uma transcrição limpa de um arquivo AVI sem configuração complicada, o ConvertAudioToText aceita AVI diretamente, com um plano gratuito para clipes curtos. Acervos maiores exigem um plano pago.

Perguntas frequentes

Arquivos AVI antigos podem ser transcritos com precisão?

Sim, mas a precisão acompanha a qualidade da gravação original, não o contêiner. Narração gravada em estúdio dentro de um AVI é transcrita com 95-98% de precisão. Áudio de filmadoras antigas em ambientes ruidosos fica entre 80-90%. Áudio proveniente de fitas VHS com chiado fica na extremidade inferior dessa faixa. O próprio contêiner AVI não degrada a precisão.

Vale a pena converter AVI para MP4 antes de transcrever?

Geralmente, não. O áudio dentro do contêiner é o que será transcrito, e reempacotar para MP4 não altera o áudio. A exceção é quando sua ferramenta de transcrição rejeita o AVI por completo (geralmente por causa do áudio MP3 VBR ou de um código FOURCC não reconhecido). Nesse caso, extrair o áudio com o ffmpeg diretamente é mais rápido do que uma conversão completa do contêiner.

O que fazer se a ferramenta de transcrição disser 'codec não suportado'?

O codec de vídeo (DivX, XviD, Microsoft RLE) raramente é o problema, porque a maioria das ferramentas descarta a trilha de vídeo de qualquer forma. O culpado geralmente é um codec de áudio fora do padrão ou áudio MP3 VBR. Execute: ffmpeg -i in.avi -vn -c:a libmp3lame -b:a 192k out.mp3 para extrair o áudio em um MP3 CBR limpo e, em seguida, envie esse arquivo.

Meu AVI reproduz bem no VLC, mas não há áudio no resultado da transcrição. Por quê?

Alguns sistemas de CCTV e ferramentas antigas de codificação gravam um cabeçalho de fluxo de áudio no índice do AVI, mas o preenchem com silêncio ou sem dados. O decodificador de áudio do VLC às vezes sintetiza um fluxo fictício em vez de gerar um erro. Confirme se há dados de áudio reais com: ffmpeg -i in.avi -map 0:a -c:a libmp3lame -b:a 192k probe.mp3. Se o probe.mp3 estiver em silêncio, não há áudio para transcrever.

Fontes

• Audio Video Interleave - Wikipédia
• Formato de arquivo AVI (Audio Video Interleaved) - Biblioteca do Congresso
• Formato de arquivo AVI com extensões OpenDML - Biblioteca do Congresso
• Referência de arquivo AVI RIFF - Microsoft Learn
• MP3 VBR em AVI: áudio de taxa de bits variável (VBR) detectado - Fórum VideoHelp
• Temporização e sincronização de áudio do AVI - Blog VirtualDub
• O problema de 2 e 4 gigabytes com arquivos AVI - AVI-IO
• O campo minado dos formatos de arquivo de CCTV - Kinesense
• Requisitos de áudio do Whisper - SayToWords
• Como reparar arquivos de vídeo corrompidos usando FFmpeg - Stellar