Como converter FLAC em texto: guia de áudio sem perdas 2026

Resposta rápida

Envie seu arquivo FLAC para uma ferramenta de transcrição que o aceite nativamente, selecione o idioma e execute. Você obtém a mesma precisão do WAV com cerca de metade do tamanho de arquivo, então não há motivo para converter para MP3 antes. O restante deste guia explica o que torna o FLAC diferente por baixo dos panos e onde o fluxo de trabalho quebra na prática.

O que o FLAC realmente é (e por que arquivistas o utilizam)

FLAC é a sigla de Free Lossless Audio Codec (codec de áudio livre sem perdas). É compressão sem perdas: o arquivo decodificado é idêntico, bit a bit, a um WAV não comprimido. Nenhum dado de áudio é jogado fora. O formato usa codificação de entropia com taxa variável, então trechos calmos ou simples são comprimidos com mais intensidade do que trechos densos e complexos. Em gravações de fala, que têm muito silêncio e conteúdo de frequência relativamente estreito, o FLAC normalmente chega a 50% do tamanho do arquivo WAV.

Essa conta faz diferença na prática. Uma hora de áudio estéreo com qualidade de CD (44,1 kHz, 16 bits) tem cerca de 600 MB em WAV. O mesmo conteúdo em FLAC fica em torno de 300 MB. A fala comprime particularmente bem porque a voz ocupa uma faixa de frequência muito mais estreita do que a música.

O WAV ainda é o formato dominante em gravadores de campo e equipamentos de broadcast. O Zoom H6 grava em WAV/MP3, o Sound Devices MixPre grava WAV de 32 bits, a maioria dos portáteis Tascam grava em WAV. O FLAC entra em cena na etapa de arquivamento. Programas de história oral de bibliotecas universitárias, organizações jornalísticas e acervos de rádio pública convertem rotineiramente masters em WAV para FLAC no armazenamento de longo prazo, porque a combinação de fidelidade sem perdas e redução de 50% no tamanho é difícil de bater. Plataformas de streaming hi-res (Tidal, Qobuz) também entregam FLAC de 24 bits/96 kHz, e é ali que vive boa parte do conteúdo que mistura música e fala.

Se você tem um FLAC no seu disco, ele quase certamente veio de um destes três lugares: um master em WAV convertido para arquivamento, uma ripagem de CD mantida em qualidade sem perdas ou um download de streaming hi-res.

O que o FLAC significa para a precisão da transcrição

FLAC e WAV entregam a mesma precisão de referência na transcrição porque carregam dados de áudio idênticos. A pesquisa da IBM Watson sobre formatos de áudio constatou que o MP3 produz cerca de 10% mais erros (taxa de erro de palavra mais alta) do que o WAV ou o FLAC. O Ogg Opus a 64 kbps apresenta degradação de aproximadamente 2%. Esses números se sustentam em vários motores, porque a perda de informação de alta frequência nos codecs com perdas elimina pistas fonéticas de que os modelos de reconhecimento dependem.

O efeito prático é mais visível em material difícil: falantes com voz baixa, sotaques fortes, falantes sobrepostos e gravações com ruído de fundo. O MP3 a 128 kbps empobrece a faixa de 8 a 16 kHz, onde vivem os sibilantes ("s", "sh", "t"). O FLAC preserva essa faixa intacta. Em uma entrevista limpa, gravada com microfone bem próximo, a diferença é invisível. Em uma gravação de campo feita em uma sala barulhenta, ela pode representar uma economia significativa de tempo de edição.

O ponto mais profundo para arquivistas: se você investiu em um master sem perdas porque sabia que a gravação tinha valor de arquivo, transcrevê-la como FLAC valoriza esse investimento. Converter para MP3 antes do upload é o caminho errado.

Uma observação sobre o que o FLAC não faz: ele não melhora uma gravação ruim. O FLAC preserva o que estiver na fonte. Se o posicionamento original dos microfones foi ruim ou a sala tinha muita reverberação, a transcrição vai refletir esses problemas. Compressão sem perdas não recupera informação que nunca foi capturada.

A mecânica de codec e contêiner que faz diferença

O FLAC é ao mesmo tempo codec e contêiner. Diferente do MP3, que vive dentro de contêineres MP3, ou do AAC, que é embrulhado em contêineres M4A ou MP4, um arquivo .flac guarda diretamente tanto o áudio comprimido quanto os metadados. Essa simplicidade é útil: não há incompatibilidades entre codec e contêiner, não há faixas de vídeo para remover, não há camadas de DRM para se preocupar em casos comuns.

Para a precisão da transcrição, as especificações relevantes são:

Taxa de amostragem. Arquivos FLAC de ripagens de CD costumam ter 44,1 kHz. Conversões de gravadores de campo geralmente ficam em 48 kHz. Downloads hi-res frequentemente vêm em 96 kHz ou 192 kHz. Todos funcionam. Os motores de transcrição reamostram para 16 kHz internamente, então qualquer coisa acima de 48 kHz é largura de banda de upload desperdiçada.

Profundidade de bits. 16 bits e 24 bits são ambos comuns e ambos funcionam. A profundidade de bits afeta a faixa dinâmica e o tamanho do arquivo, não o conteúdo de frequência com que o motor se importa.

Canais. Mono e estéreo são o padrão. O FLAC suporta até 8 canais, então arquivos 5.1 e 7.1 são possíveis, geralmente vindos de ripagens de áudio de filmes. Eles precisam ser mixados antes do upload (mais sobre isso abaixo).

Bitrate variável por natureza. O FLAC é VBR por natureza. O bitrate oscila ao longo do arquivo conforme a complexidade do áudio. Um FLAC de uma hora de fala pode mostrar em média 700 a 900 kbps, mas esse número não é fixo como o bitrate do MP3. Não julgue a qualidade pelo bitrate do arquivo; use a profundidade de bits e a taxa de amostragem.

Tamanhos de bloco de codificadores antigos. Arquivos FLAC codificados antes da versão 1.3.0 ocasionalmente usam tamanhos de bloco fora do padrão que algumas ferramentas rejeitam com um erro de "codec não suportado". O áudio não está danificado. Recodifique com ffmpeg -i in.flac -c:a flac out.flac para obter um FLAC conforme a especificação atual. O áudio permanece sem perdas durante essa operação.

Passo a passo: transcrevendo um arquivo FLAC

Verifique o arquivo primeiro. Execute ffprobe yourfile.flac (incluído em qualquer instalação do FFmpeg) ou confira as propriedades do arquivo no seu software de áudio. Confirme a taxa de amostragem, a profundidade de bits e o número de canais. Isso leva 10 segundos e evita surpresas.

Envie diretamente, sem converter. Ferramentas que lidam com FLAC nativamente preservam a vantagem sem perdas ao longo de todo o pipeline. Converter para MP3 antes do upload troca precisão por nada, já que ferramentas modernas aceitam FLAC sem reclamar. Se você quer transcrições limpas de entrevistas arquivadas e gravações de campo, veja como converter WAV em texto para o mesmo fluxo aplicado a fontes não comprimidas.

Se o seu arquivo for muito grande (um FLAC estéreo de 4 horas em 24 bits/96 kHz pode chegar perto de 4 GB depois da compressão), reduza a amostragem para 16 bits/44,1 kHz primeiro ou divida em trechos. Veja a seção abaixo sobre solução de problemas para os comandos exatos do ffmpeg.

Selecione o idioma manualmente. A detecção automática funciona razoavelmente bem em gravações longas e nítidas, mas selecionar o idioma manualmente melhora a precisão em 2 a 5 pontos percentuais em clipes curtos e falas com sotaque. A maioria dos motores suporta de 50 a 99 idiomas.

Revise a saída procurando nomes próprios e jargão. Nomes de pessoas e lugares, termos técnicos e números são as categorias de erro mais comuns, independente do formato. Uma revisão rápida após a transcrição pega a maioria deles.

Exporte no formato de que você precisa. TXT ou DOCX para edição e arquivamento. SRT ou VTT se o FLAC foi extraído de um vídeo e a transcrição será usada como legenda.

Se você quiser testar isso sem instalar um software, o ConvertAudioToText aceita FLAC diretamente, sem nenhuma etapa de conversão.

Fontes comuns de FLAC e suas pegadinhas específicas

Acervos convertidos de WAV para FLAC vindos de gravadores de campo

A fonte mais comum. Um jornalista gravou uma entrevista de 90 minutos num Zoom H6 como WAV e depois converteu para FLAC para armazenamento de longo prazo. Esses arquivos costumam ser estéreo em 48 kHz/24 bits. Eles transcrevem limpos, com uma pegadinha frequente: gravações estéreo às vezes têm o entrevistador no canal esquerdo e o entrevistado no canal direito, porque o gravador ficou posicionado entre eles. Uma ferramenta com diarização de falantes deve detectar e rotular os dois falantes. Se não detectar, mixe para mono primeiro (ffmpeg -i in.flac -ac 1 out.flac).

Ripagens de CD de discos de entrevistas e histórias orais

Bibliotecas e acervos de rádio às vezes distribuem coleções de entrevistas em CD ou as disponibilizam como downloads FLAC em qualidade de CD. São 44,1 kHz/16 bits, a especificação FLAC mais comum, e funcionam sem nenhuma preparação. O ponto de atenção: as divisões entre faixas. Se o CD foi dividido em faixas por pergunta ou por segmento, talvez você queira concatenar as faixas antes do upload para obter uma transcrição contínua com marcações de tempo precisas, em vez de enviar 20 arquivos curtos separadamente.

Downloads de streaming hi-res (Tidal, Qobuz)

Plataformas que entregam FLAC de 24 bits/96 kHz ou 24 bits/192 kHz te dão arquivos 2 a 3 vezes maiores do que o necessário para transcrição. Um FLAC hi-res estéreo de 1 hora a 96 kHz comprime de cerca de 2 GB (equivalente em WAV) para aproximadamente 1 GB. Não há benefício de transcrição nessa resolução. A fala fica abaixo de 8 kHz; o motor reamostra para 16 kHz de qualquer forma. Reduzir a amostragem previamente para 16 bits/44,1 kHz com ffmpeg -i in.flac -ar 44100 -sample_fmt s16 out.flac corta substancialmente o tempo de upload, sem perda de precisão.

Podcasts musicais e gravações de shows com segmentos de fala

Podcasts musicais, gravações de palestras com exemplos musicais e gravações de shows com introduções do MC chegam todos como FLAC, porque quem apresenta quer a música preservada. As seções de fala transcrevem normalmente. O problema são as seções sem fala: o Whisper e modelos semelhantes ocasionalmente alucinam texto que soa plausível durante passagens instrumentais longas ou silêncio. A solução é cortar o arquivo deixando apenas as partes com fala antes do upload, ou usar uma ferramenta com detecção de atividade de voz (VAD) que pula automaticamente as regiões sem fala. Para saber mais sobre esse fluxo, veja melhores ferramentas de transcrição para podcasts.

FLAC vs outros formatos para transcrição

Minha opinião: se você tem FLAC, transcreva como FLAC. A economia de 50% no tamanho em relação ao WAV vem de graça e a precisão é idêntica. O único cenário em que faz sentido converter é quando sua ferramenta de destino recusa FLAC, o que é cada vez mais raro. Para uma comparação mais ampla de formatos e o que eles significam no nível da API, veja formatos de áudio suportados para transcrição e WAV vs MP3 para transcrição.

Quando a transcrição de FLAC dá errado

Arquivo grande demais para enviar. Um FLAC estéreo de 4 horas em 24 bits/96 kHz pode chegar perto de 4 GB. Duas opções. Divida em trechos de 30 minutos: ffmpeg -i in.flac -f segment -segment_time 1800 -c copy out_%03d.flac. Ou reduza a amostragem do arquivo inteiro para 16 bits/44,1 kHz primeiro: ffmpeg -i in.flac -ar 44100 -sample_fmt s16 out.flac. A versão reamostrada fica abaixo de 600 MB por hora, sem perda de precisão de transcrição.

Texto alucinado durante música ou silêncio. O modelo inventa texto plausível quando recebe áudio sem fala. Corte o FLAC deixando apenas as seções de fala antes de enviar, ou escolha uma ferramenta que rode pré-processamento com VAD para pular essas regiões automaticamente.

Rótulos de falantes trocados ou ausentes. Comum quando um FLAC estéreo tem um falante por canal. Tente solicitar a diarização explicitamente. Se a ferramenta ainda não detectar, mixe para mono primeiro, para que o diarizador trabalhe a partir do sinal combinado em vez de deduzir pela separação de canais.

Erro de "codec não suportado". Arquivos FLAC mais antigos (codificador anterior à versão 1.3.0) usam tamanhos de bloco fora do padrão. Recodifique: ffmpeg -i in.flac -c:a flac out.flac. O áudio fica idêntico bit a bit depois da recodificação; nenhuma perda de qualidade.

O bitrate parece errado no inspetor de arquivos. O FLAC é de taxa variável por design. Uma leitura de 700 kbps ou 1.100 kbps é normal e não indica problema. O que importa é a profundidade de bits e a taxa de amostragem, não a média do bitrate VBR.

Perguntas frequentes

O FLAC é melhor que o MP3 para transcrição?

Sim, de forma mensurável. A pesquisa da IBM Watson sobre formatos de áudio constatou que o MP3 produz cerca de 10% mais erros de transcrição do que o WAV ou o FLAC. A diferença é maior em falantes com voz baixa, sotaques fortes e gravações ruidosas. Se você já tem FLAC, transcreva como FLAC. Converter para MP3 primeiro descarta informações de frequência que o modelo poderia usar.

Dá para transcrever FLAC de graça?

Sim. O ConvertAudioToText transcreve os primeiros 10 minutos de um arquivo FLAC sem nenhum cadastro, e uma conta gratuita adiciona 10 minutos de transcrição concedidos uma única vez no cadastro. Para arquivos maiores ou volume recorrente, um plano pago remove esse limite.

Os motores de transcrição aceitam FLAC de 24 bits?

Sim. Os motores modernos reamostram o áudio internamente para 16 kHz mono, independentemente da profundidade de bits ou da taxa de amostragem da sua fonte. Um arquivo de 24 bits/96 kHz funciona perfeitamente. O principal inconveniente é o tempo de upload: a cerca de 2 GB por hora antes da compressão FLAC, arquivos hi-res muito grandes demoram um pouco para serem transferidos.

E se o meu FLAC tiver várias faixas de áudio?

O FLAC suporta até 8 canais. A maioria das gravações de fala é mono ou estéreo e funciona sem nenhuma preparação. Se você tiver um arquivo 5.1 ou 7.1, mixe para mono primeiro com ffmpeg (ffmpeg -i in.flac -ac 1 out.flac). O canal central geralmente carrega o diálogo em mixes surround.

Fontes

• Serviços de Fala da IBM Watson: "Por que o formato de compressão de áudio impacta a precisão da transcrição de fala para texto", https://medium.com/ibm-data-ai/why-the-audio-compression-format-impacts-the-speech-to-text-transcription-accuracy-84da6438024c
• Repositório do Whisper (OpenAI) no GitHub e documentação de formatos, https://github.com/openai/whisper
• Manual do produto Zoom H6 (especificações de formato WAV/MP3), https://zoomcorp.com/media/documents/E_H6.pdf
• Página do produto Sound Devices MixPre-3 II, https://www.sounddevices.com/product/mixpre-3-ii/
• Página de especificação do FLAC na Wikipédia, https://en.wikipedia.org/wiki/FLAC
• Kit de ferramentas de História Oral da Universidade de Pittsburgh: Formatos de arquivo, https://pitt.libguides.com/oralhistorytoolkit/formats
• AssemblyAI