como transcrever vídeo do youtube (e do instagram) com ia, de graça — Ratos de IA
transcrição com ia

como transcrever vídeo do youtube (e do instagram) com ia, de graça

como transcrever vídeo do youtube e do instagram com ia: puxar a legenda pronta, transcrever o áudio com whisper na tua máquina e o que fazer com o texto.

por · 15 nov 2026

como transcrever vídeo do youtube (e do instagram) com ia, de graça

aqui no Ratos de IA, a frente de educação da DobraLabs (canal no youtube, newsletter, cursos e comunidade), transcrever vídeo é coisa de toda semana. eu sou o Dudu, apresento o canal, e a nossa newsletter sai da transcrição do episódio (o vídeo semanal com as novidades de IA), nunca do roteiro. o motivo é simples: o roteiro é o que eu planejei falar, e o que eu falei de verdade (a opinião, o exemplo que surgiu na hora) só existe na transcrição. pra transcrever vídeo do youtube com ia tem dois caminhos, e escolher o certo economiza muito tempo: se o vídeo tem legenda, tu puxa a legenda pronta em segundos; se não tem (ou é reels do instagram, tiktok, vídeo de outro site), tu transcreve o áudio com o whisper, de graça, na tua máquina. abaixo tem os dois, os jeitos manuais, as skills que a gente usa e o que fazer com o texto depois.

os dois jeitos de transcrever vídeo do youtube

transcrever vídeo do youtube é, quase sempre, uma de duas coisas:

puxar a legendatranscrever o áudio
quando servevídeo do youtube com legenda (manual ou automática)vídeo sem legenda, instagram, tiktok, x, vimeo, arquivo teu
velocidadesegundos, até em live de 3 horasminutos, depende do tamanho e da máquina
o que baixasó um arquivo de textoo áudio do vídeo
ferramentayt-dlpyt-dlp + whisper + ffmpeg
qualidadea da legenda (a automática erra nome próprio)boa no modelo médio, ótima no grande

o erro mais comum é ir direto pro segundo caminho. transcrever áudio de um vídeo que já tem legenda é gastar máquina pra refazer um trabalho que o youtube já fez.

o jeito manual, sem instalar nada

se é um vídeo só e tu tá no computador, o próprio youtube resolve: quando o vídeo tem legenda, abre a descrição e procura a opção “mostrar transcrição”. aparece o texto do lado do vídeo, com tempo em cada linha, e dá pra copiar. o lugar exato do botão muda de vez em quando entre versões do site e do app, mas costuma ficar no fim da descrição.

o problema do jeito manual é escala. copiar e colar uma transcrição tudo bem. dez por semana, pra estudar um tema ou montar pauta, já vira trabalho braçal. e no instagram e no tiktok tu não acha um jeito simples de copiar o texto inteiro do vídeo.

puxar a legenda com o yt-dlp

o yt-dlp é um programa de linha de comando, de código aberto, que baixa áudio e vídeo de milhares de sites. o truque é que ele também baixa só a legenda, sem tocar no vídeo:

yt-dlp --write-subs --write-auto-subs --sub-langs "pt,en" --skip-download "URL_DO_VIDEO"

o --write-subs tenta a legenda feita por gente primeiro (melhor qualidade), o --write-auto-subs cai pra automática, e o --skip-download diz pra não baixar o vídeo. sai um arquivo .vtt, que tem cabeçalho, marcação de tempo e muita linha repetida (a legenda automática repete pedaço de frase de uma linha pra outra). aí tu limpa isso e junta em parágrafo.

uma dica que custou caro pra gente descobrir: pede a legenda no idioma original do vídeo. a tradução automática do youtube é a primeira a dar erro 429 (muitas requisições), mesmo quando a legenda original passa sem problema.

transcrever o áudio com o whisper

quando não tem legenda, alguém precisa ouvir. o Whisper é o modelo de transcrição de código aberto da OpenAI, e roda no teu computador. a versão que a gente usa é o faster-whisper, uma reimplementação que, segundo o próprio projeto, é até 4 vezes mais rápida que o Whisper original com a mesma precisão e usa menos memória. roda até em computador sem placa de vídeo.

o fluxo é: o yt-dlp baixa só o áudio, o ffmpeg ajeita o formato e o whisper transcreve. funciona pra youtube sem legenda, instagram, tiktok, x, facebook, vimeo e o resto da lista do yt-dlp. vídeo público passa direto; restrito por idade ou região depende de passar o login do teu navegador, e nem sempre funciona.

na primeira vez o whisper baixa o modelo, que passa de um giga e leva uns minutos. depois fica salvo e nem internet precisa pra transcrever. e nada do teu áudio sobe pra servidor nenhum, o que importa quando o vídeo é uma reunião ou uma aula comprada.

as skills que fazem isso por ti no Claude Code

montar os comandos acima toda vez é chato, então virou skill. pra quem não sabe, skill é uma pasta com instruções (e às vezes scripts) que ensina o Claude Code (o agente de IA da Anthropic que trabalha nos teus arquivos e roda comandos por ti) a fazer uma tarefa sempre do mesmo jeito. tem um post só sobre como criar skills no Claude.

a escolha entre as duas é direta: tem legenda no youtube, usa a primeira e leva segundos. não tem, ou é instagram e tiktok, usa a segunda e espera a máquina ouvir. tu nem precisa decidir: pedindo “transcreve esse vídeo”, o Claude Code escolhe pela descrição de cada skill.

como a gente usa transcrição no Ratos e na DobraLabs

transcrição é a matéria-prima de metade do que a gente produz. uns exemplos de verdade:

o episódio vira tudo. cada episódio do Ratos de IA tem um arquivo de transcrição final, e é dele que saem a newsletter, a descrição do youtube e os carrosséis. a regra está escrita no manual do canal: o texto vem da transcrição, nunca do roteiro, porque o take real só existe ali. no episódio 41 eu contei como isso vale pra reunião também: “terminou a reunião, a nossa Ratoeira já tem o contexto todo da reunião”. a Ratoeira é o portal que a gente fez pra rodar Claude Code, Codex e Grok num servidor pelo navegador, e a gente conversa com os agentes em cima dela.

estudar sem assistir tudo. quando eu quis entender por que uns vídeos prendem e outros não, a gente transcreveu os primeiros 90 segundos de 50 vídeos de 10 criadores (Matt Wolfe, Nate Herk, Greg Isenberg, Filipe Deschamps e outros) e pediu pro Claude cruzar os ganchos. a skill aprender faz isso de forma geral: tu manda uma lista de links, ela transcreve cada fonte, salva a transcrição bruta e te devolve o que as fontes ensinam em comum e onde discordam.

reunião vira trabalho. toda reunião gravada no Fathom (um app que grava e transcreve chamada de vídeo) cai como arquivo de transcrição na pasta de trabalho que o agente enxerga, e ele lê dali pra montar proposta ou atualizar o Pipeline, o CRM que a gente construiu pra uso interno. o Fathom não erra o que foi dito, mas erra quem falou, então a gente não põe nome em citação só com base nele. a DobraLabs escreveu sobre isso no post grave a reunião pro agente de IA.

legenda dos cortes. pra legendar os cortes do canal, a gente usa a legenda do youtube no formato json3, que traz o tempo de cada palavra. o .srt tem tempo estimado e não serve nem pra sincronizar legenda nem pra decidir onde cortar.

e um perrengue que vale contar: quando a gente passou a rodar os agentes numa VPS (um servidor alugado na nuvem), pela Ratoeira, o yt-dlp começou a dar “sign in to confirm you’re not a bot”. o youtube barra IP de datacenter muito mais que o IP de casa. a saída foi pôr na Ratoeira um proxy grátis que sai pela rede WARP da cloudflare, e o script tenta por ele sozinho quando o direto barra. se tu roda isso num servidor, conta com esse problema.

o que fazer com a transcrição depois

transcrição parada numa pasta não serve pra muita coisa. o valor está no que o agente faz com ela:

o cuidado é sempre o mesmo: transcrição automática erra nome próprio e termo técnico. a dos nossos vídeos já escreveu Ratueira no lugar de Ratoeira, Conex no lugar de Codex e Carpaccio no lugar de Karpathy. pra citar alguém, confere no vídeo.

em uma frase

pra transcrever vídeo do youtube, tenta a legenda primeiro e só transcreve o áudio quando ela não existe; pro instagram e o tiktok, vai direto pro whisper. as duas coisas rodam de graça, e o que faz diferença de verdade é o que tu pede pro agente fazer com o texto depois.

perguntas frequentes

ainda em dúvida?

tem como transcrever vídeo do youtube de graça?

tem. se o vídeo tem legenda, o próprio youtube mostra a transcrição no computador (opção mostrar transcrição, na descrição do vídeo), e o yt-dlp baixa só o arquivo de legenda. se não tem legenda, o whisper, que é de código aberto, transcreve o áudio na tua máquina sem cobrar nada.

como transcrever vídeo do instagram?

reels e vídeos públicos do instagram não trazem legenda pra baixar, então o caminho é pegar o áudio e transcrever. o yt-dlp baixa o áudio de vídeo público do instagram, do tiktok e do x, e o whisper transcreve. a skill transcribe junta os dois num comando só.

a legenda automática do youtube é confiável?

pra entender e pesquisar o conteúdo, resolve bem. pra citar alguém palavra por palavra, confere no vídeo: a legenda automática erra nome próprio e termo técnico. a transcrição automática dos nossos vídeos já escreveu Ratueira no lugar de Ratoeira e Carpaccio no lugar de Karpathy.

por que o yt-dlp dá erro de not a bot no servidor?

porque o youtube barra muito mais IP de datacenter do que IP de casa. no computador costuma passar direto; numa VPS, o jeito é sair por outro IP. na Ratoeira tem um proxy grátis pela rede WARP da cloudflare pra isso, e a última saída é um serviço pago como o ScrapeCreators.

qual a diferença entre a skill transcribe e a yt-transcript?

a yt-transcript só puxa a legenda que o youtube já tem, então é rápida e leve, mas depende da legenda existir. a transcribe baixa o áudio e ouve, então funciona em qualquer vídeo de mais de mil sites, mas leva mais tempo e baixa um modelo grande na primeira vez.

black friday da ratos · lote 2
tudo que a gente ensina, a Ratoeira e a comunidade, numa assinatura só.

os cursos inteiros, as skills que a gente usa no dia a dia, a Ratoeira pra rodar teus agentes numa máquina tua e a comunidade pra trocar com quem tá fazendo o mesmo. no lote 2 da Black sai por 12x de R$ 113,46 ou R$ 1.097 à vista, e o preço sobe a cada lote.

ver a oferta da Black → 7 dias de garantia
últimos posts
Tutoriais criativo de anúncio com IA: os 3 formatos da meta, na tua marca, sem texto torto Tutoriais google ads pelo claude code: termos de busca, negativas e quality score numa conversa Tutoriais rotinas: o agente de ia trabalhando sozinho num horário
guias da ratos
ver todos os guias →
🔷 a Ratos é feita pela DobraLabs
laboratório de IA que testa inteligência artificial de verdade no próprio dia a dia pra ensinar e construir pra empresas: workshops in-company, automações e sistemas sob medida.
conhecer a dobralabs →