Como converter MOV em texto: iPhone, ProRes e QuickTime (2026)

Para converter um arquivo MOV em texto, envie-o para uma ferramenta de transcrição que leia o formato de contêiner QuickTime. A maioria das ferramentas extrai a faixa de áudio automaticamente, ignorando totalmente o vídeo. A parte complicada não é o envio, e sim saber qual tipo de MOV você tem, porque o codec interno determina se o upload direto funciona ou se a extração de áudio é o primeiro passo mais inteligente.

O que realmente existe dentro de um arquivo MOV?

MOV é um contêiner, não um codec. O contêiner QuickTime da Apple pode armazenar fluxos de vídeo radicalmente diferentes dependendo da origem do arquivo, mas a história do áudio é mais simples: praticamente todo MOV que você encontrar carrega AAC (para gravações do iPhone e do QuickTime) ou PCM (para exportações ProRes do Final Cut Pro). Os dois formatos de áudio transcrevem perfeitamente.

A variável é o codec de vídeo:

Para transcrição, a coluna do codec de vídeo determina se você pode enviar o arquivo diretamente ou deve extrair o áudio primeiro. A coluna do codec de áudio determina a qualidade — e ela sempre funciona bem.

Por que MOVs HEVC falham em algumas ferramentas?

O iPhone grava em HEVC por padrão desde o iOS 11 (iPhone 8 / 2017). Se você compartilhar esse MOV com uma ferramenta web rodando em um servidor Linux que não foi compilada com decodificação HEVC, a ferramenta não consegue desmultiplexar a faixa de vídeo. Algumas ferramentas falham o trabalho inteiro com esse erro, em vez de recorrer ao processamento somente de áudio.

A solução é simples: extraia o áudio antes de enviar.

ffmpeg -i video.mov -vn -c:a copy audio.m4a

Isso copia o fluxo AAC para fora do contêiner MOV sem recodificar nada. Um vídeo 4K de 30 minutos do iPhone (cerca de 12 GB) vira um arquivo M4A de 14 MB. O tempo de upload cai de minutos para segundos.

Para alternar o codec usado pelo iPhone: Ajustes, Câmera, Formatos. "Alta Eficiência" = HEVC. "Mais Compatível" = H.264. Alta Eficiência gera arquivos menores, mas pode causar os problemas de compatibilidade descritos acima. O H.264 evita esses problemas ao custo de espaço de armazenamento.

O que torna os MOVs ProRes diferentes?

ProRes é um codec intermediário de pós-produção, não um codec de distribuição. A Apple o projetou para preservar a qualidade máxima ao longo das idas e vindas da edição, não para ser pequeno. O ProRes 422 em 4K a 30 fps roda na casa de 540 MB por minuto. O ProRes 422 HQ fica em torno de 1,2 GB por minuto. O iPhone 15 Pro gravando clipes em ProRes pode chegar a 5,5 GB por minuto.

O áudio dentro dos MOVs ProRes é Linear PCM, que é sem perdas. Isso é bom para a precisão da transcrição, mas irrelevante para o tamanho do arquivo: a faixa de áudio PCM normalmente tem menos de 10 MB/min, mesmo quando o vídeo é gigantesco.

O caminho correto para MOVs ProRes é sempre extrair o áudio primeiro. No Final Cut Pro: Arquivo, Compartilhar, Arquivo Master e selecione Somente Áudio. Isso gera um M4A. Pela linha de comando:

ffmpeg -i prores_export.mov -vn -c:a copy output.m4a

Enviar ProRes bruto para uma ferramenta de transcrição é desperdício. A ferramenta descarta o vídeo de qualquer forma; você só fica esperando um arquivo de 10 GB subir para que ela possa extrair os 50 MB de áudio de que realmente precisa.

E as gravações de tela do QuickTime?

O gravador de tela integrado do QuickTime Player no macOS (Cmd+Shift+5) salva vídeo H.264 com áudio AAC em um contêiner MOV. Esses arquivos costumam ser pequenos (conteúdo de tela comprime muito bem) e universalmente compatíveis.

Há uma pegadinha constante: o QuickTime não captura o áudio do sistema nativamente no macOS. Sem um dispositivo de áudio virtual como o BlackHole instalado e roteado, sua gravação de tela contém apenas o áudio do microfone. Se você gravou uma demonstração de chamada de vídeo, o áudio que você ouve durante a reprodução no QuickTime pode ser apenas a sua própria voz, não a dos outros participantes. Verifique isso antes de transcrever: não há nada a recuperar se o áudio do sistema nunca foi capturado.

MOVs de gravação de tela do QuickTime funcionam bem como upload direto. Os tamanhos de arquivo são modestos, o H.264 é universalmente suportado e o áudio do microfone (quando presente) é de alta qualidade.

Como inspecionar um MOV antes de enviar

Se você não tem certeza do que existe dentro de um arquivo MOV, o ffprobe lê a estrutura de átomos do QuickTime e te mostra:

ffprobe -v error -show_streams -select_streams a in.mov

Procure pelo codec_name na saída. aac é AAC, pcm_s16le ou pcm_s24le é PCM não comprimido, ac3 é o codec Dolby Digital que algumas DSLRs mais antigas usavam. Os três transcrevem bem. Se o codec_name mostrar mp4a, é AAC com uma tag alternativa — também funciona bem.

Para os fluxos de vídeo, o mesmo comando sem -select_streams a mostra o codec de vídeo. hevc significa que você pode querer extrair o áudio primeiro, caso a ferramenta de destino tenha problemas de compatibilidade com HEVC. prores significa que você definitivamente vai querer.

Quando enviar diretamente vs. extrair o áudio primeiro

Envie diretamente quando: o arquivo estiver abaixo do limite de upload da sua ferramenta, o codec de vídeo for H.264 ou H.265 e a ferramenta anunciar suporte a MOV, e você quiser o fluxo de trabalho mais simples possível.

Extraia o áudio primeiro quando: o arquivo for um MOV ProRes (quase sempre grande demais), a ferramenta rejeitar o arquivo ou der erro (provavelmente um problema de codec HEVC), o arquivo tiver mais de 2 GB, ou você precisar de resultado rápido e o vídeo não agregar nada.

Para converter vídeo em texto em geral, a extração de áudio é o caminho confiável. A transcrição não se importa se o vídeo era 4K ou 720p.

Situações específicas que vale a pena conhecer

MOVs de DSLR com áudio AC3

DSLRs mais antigas da Canon e da Nikon gravavam arquivos MOV com vídeo H.264 e áudio AC3 (Dolby Digital). O AC3 é um codec de nível broadcast que muitas ferramentas de transcrição lidam bem, mas se você tiver problemas de compatibilidade, recodifique a faixa de áudio:

ffmpeg -i dslr.mov -vn -c:a aac -b:a 192k output.m4a

Mais importante ainda: gravações profissionais com DSLR frequentemente capturavam um áudio de referência (scratch audio) na câmera enquanto usavam um gravador de áudio separado (um Zoom H5, um gravador de campo Sound Devices) para a tomada real. Se você tiver os arquivos de áudio separados sincronizados, transcreva esses. O microfone embutido da DSLR costuma ser medíocre, e o áudio de referência existe apenas para sincronização na edição.

Áudio multitrilha em MOV

Arquivos MOV profissionais às vezes carregam várias faixas de áudio: uma mixagem estéreo na trilha 0 e canais divididos (esquerdo=entrevistado, direito=entrevistador) na trilha 1. Algumas ferramentas de transcrição assumem a primeira trilha por padrão, sem perguntar.

Se a transcrição soar como apenas um lado da conversa, verifique o arquivo:

ffprobe -v error -show_streams -select_streams a -of json in.mov

Conte as entradas de streams. Se houver duas, extraia a que você quer especificando o índice do fluxo:

ffmpeg -i in.mov -map 0:a:1 -c:a copy track2.m4a

Depois, transcreva a faixa extraída. Para conteúdo com dois falantes em canais separados, a diarização de falantes depois de misturar os dois canais funciona melhor do que transcrever um canal sozinho.

MOV vertical do iPhone

Vídeos verticais do iPhone têm a mesma qualidade de áudio independentemente da orientação. Alguns pipelines de transcrição mais antigos tropeçavam nas dimensões de vídeo vertical (checando a proporção de aspecto antes de processar). As ferramentas modernas lidam com isso sem problemas. A faixa de áudio é idêntica, seja com o celular na vertical ou na horizontal.

O que "Não é possível transcrever este arquivo" significa de verdade

A maioria dos erros específicos de MOV nas ferramentas se encaixa em três categorias:

1. Codec de vídeo não suportado (HEVC): Extraia o áudio e envie o M4A no lugar.
2. Arquivo grande demais: Extraia o áudio, que normalmente tem menos de 50 MB mesmo em gravações de uma hora.
3. Sem faixa de áudio: Abra no QuickTime (Janela, Mostrar Inspetor de Filme) e confirme que existe uma faixa de áudio. Gravações de tela sem nenhum microfone selecionado, ou B-roll silencioso, não têm nada para transcrever.

Dicas práticas para melhores resultados

Use um microfone separado sempre que puder. Os mics embutidos do iPhone são excelentes de perto, mas perdem volume rapidamente além de cerca de 1,8 m e capturam a reverberação do ambiente de forma agressiva. Um microfone de lapela (via adaptador Lightning ou USB-C) dobra o alcance efetivo. A diferença de precisão de transcrição entre o mic embutido a 3 metros e o de lapela a 15 cm é substancial.

Corte antes de enviar. Gravações do iPhone costumam ter de 15 a 30 segundos de silêncio enquanto você aperta gravar e caminha até a posição. Corte no Fotos ou no QuickTime antes de enviar; isso economiza tempo de processamento e evita segmentos em branco no início da transcrição.

Grave em modo avião para tomadas longas. Notificações e atualizações de apps em segundo plano podem introduzir falhas de áudio em gravações do iPhone com mais de 30 minutos.

Minha opinião: MOV é um contêiner bem projetado que guarda conteúdos extremamente diferentes dependendo da origem. Os 30 segundos que você gasta rodando ffprobe para ver qual codec está dentro poupam a frustração de um upload que falhou ou de uma transcrição corrompida por uma ferramenta que processou mal um arquivo HEVC sem avisar. Extraia o áudio para qualquer coisa em ProRes. Para todo o resto, envie diretamente.

Se você só precisa de uma transcrição limpa, sem se preocupar com detalhes de codec, o ConvertAudioToText lida com MOV nativamente e extrai a faixa de áudio no servidor, independente do codec de vídeo.

MOV vs. formatos irmãos para transcrição

FAQ

O MOV é melhor que o MP4 para transcrição?

Funcionalmente iguais. Ambos os contêineres carregam áudio AAC (e o MOV frequentemente carrega PCM nas exportações ProRes), que os motores de ASR tratam exatamente da mesma forma. Escolha pela conveniência, não pela qualidade da transcrição.

Por que meu MOV reproduz no QuickTime, mas falha em outras ferramentas?

Quase sempre é o codec de vídeo: o HEVC (H.265) exige um decodificador que nem toda ferramenta inclui. A faixa de áudio não é afetada. Extraia o áudio com ffmpeg e envie esse arquivo em vez disso: isso contorna por completo o problema do decodificador de vídeo.

Posso transcrever arquivos MOV de graça?

Sim. O ConvertAudioToText aceita MOV no plano gratuito (10 minutos de transcrição, concedidos uma única vez no cadastro, 10 minutos por arquivo). Para gravações mais longas, o plano Pro custa US$ 9,99/mês com transcrição ilimitada.

Qual é a melhor forma de lidar com um MOV ProRes enorme?

Exporte somente o áudio no Final Cut Pro (Arquivo > Compartilhar > Arquivo Master, escolha Somente Áudio) para obter um M4A pequeno. Para arquivos já no disco, rode: ffmpeg -i in.mov -vn -c:a copy out.m4a. Uma exportação ProRes 422 de 30 minutos em 1080p encolhe de vários GB para menos de 50 MB.

Fontes

• Usando mídia HEIF ou HEVC em dispositivos Apple - Suporte da Apple
• Página de preços do ConvertAudioToText
• ProRes 422 codec family - Library of Congress
• QuickTime Video, Apple ProRes 422 - Library of Congress
• Taxa de bits máxima do ProRes no iPhone - Y.M.Cinema
• Documentação do ffprobe - FFmpeg.org
• Erros de codec HEVC no Windows - WinXDVD
• Como gravar a tela no Mac - Suporte da Apple