Transcrição e Legendagem com IA: Como Ganhar Dinheiro Revisando

Transcrição e legendagem com IA é um dos serviços mais simples de começar a vender: a ferramenta gera o texto bruto em minutos, você revisa ouvindo o áudio, ajusta a sincronia e entrega um arquivo SRT pronto para o YouTube, o curso ou o Instagram do cliente. O cliente paga pela revisão e pelo arquivo que funciona, não pela transcrição automática.

Este guia mostra o que mudou com a IA, quais ferramentas usar, quanto custa gerar a base (com preço verificado), um passo a passo de entrega, uma forma de precificar sem chutar e os erros que fazem iniciantes perderem o cliente na segunda entrega.

Por que alguém paga por transcrição se a IA faz de graça?

Porque a transcrição automática erra justamente onde dói: nomes próprios, siglas, termos técnicos, duas pessoas falando ao mesmo tempo, sotaque carregado e áudio com ruído de ventilador. Em um vídeo institucional, uma aula paga ou uma entrevista, um nome errado na legenda parece descuido da marca. Quem contrata quer alguém que garanta que aquilo saiu certo.

Tem ainda o trabalho que a IA não faz sozinha: quebrar as frases em blocos legíveis, segurar cada legenda na tela pelo tempo certo, decidir se um "né" fica ou sai, marcar quem está falando e exportar no formato que a plataforma do cliente aceita. A página de ajuda do YouTube lista mais de dez formatos de legenda aceitos, e o cliente raramente sabe qual quer. Você sabe, e isso vira serviço.

O raciocínio é o mesmo de quem vende revisão de textos com apoio de IA: a máquina entrega o rascunho, o profissional entrega o resultado. A diferença é que aqui a demanda vem embalada em vídeo.

Ferramentas para gerar a transcrição bruta

Para quem está começando, três caminhos resolvem a maior parte dos trabalhos.

A documentação de speech-to-text da OpenAI indica o whisper-1 quando você precisa de marcação de tempo e legenda, e aceita mp3, mp4, m4a, wav e webm. Na tabela de preços, o whisper-1 custa US$ 0,006 por minuto e o gpt-4o-mini-transcribe, US$ 0,003 por minuto (verificado em 27/09/2026). Uma hora de áudio sai por menos de meio dólar, o que mostra onde não está o seu valor: no custo da ferramenta.

Se mexer em API assusta, o guia de IA para reuniões e transcrição mostra ferramentas com interface pronta, e o artigo sobre Canva, CapCut e IA ensina a legenda automática do CapCut passo a passo. O mercado de áudio também está barateando rápido: a Alibaba cortou em até 95% o preço de reconhecimento de fala nos modelos Qwen Audio 3.1.

Passo a passo: da gravação ao arquivo SRT entregue

1. Receba o arquivo certo

Peça o vídeo ou o áudio original, nunca o link do Instagram. Pergunte quantas pessoas falam, se há termos técnicos e peça uma lista de nomes e siglas que aparecem na gravação.

2. Gere a base com IA

Rode a transcrição na ferramenta escolhida. Se o arquivo passar de 25 MB, divida em partes com um editor gratuito. Salve a saída com marcação de tempo, porque é ela que vira legenda.

3. Revise ouvindo, não só lendo

Ouça em velocidade 1,25x com o texto ao lado e corrija nomes, números, pontuação e trechos que a IA "inventou" em cima de ruído. Marque com um símbolo tudo que ficou inaudível para perguntar ao cliente.

4. Ajuste a sincronia e a leitura

Legenda boa cabe em duas linhas curtas e fica na tela tempo suficiente para ler. Quebre frases longas, junte fragmentos de meio segundo e confira o início e o fim de cada bloco em um editor de legendas gratuito como o Subtitle Edit ou o Aegisub.

5. Exporte e entregue com checklist

• Arquivo SRT (e VTT, se o cliente usa site próprio) com o nome do vídeo
• Versão em texto corrido (DOCX ou Google Docs) para descrição, blog ou material de curso
• Lista dos trechos com dúvida e o que você assumiu em cada um
• Um vídeo curto ou captura mostrando a legenda aplicada

Como precificar sem chutar (exemplo com números)

Não existe tabela oficial de preço para esse serviço no Brasil, então desconfie de quem promete "o valor de mercado". O caminho honesto é partir do seu tempo. Em áudio limpo com uma pessoa falando, a revisão completa costuma tomar de 2 a 4 minutos de trabalho por minuto de vídeo; com duas vozes e ruído, mais. Meça nos seus três primeiros trabalhos e use a sua média.

Cenário para ilustrar a conta: Mariana, em Curitiba, fecha com uma confeiteira que vende curso online a legendagem de 40 aulas de 8 minutos, 320 minutos no total. Ela quer ganhar R$ 40 por hora e mede que gasta 3 minutos de revisão por minuto de aula, ou seja, 16 horas de trabalho. Custo base: R$ 640. Ela cobra R$ 3,50 por minuto, R$ 1.120 pelo pacote, com entrega em duas semanas. A transcrição bruta das 320 minutos pelo whisper-1 custou cerca de US$ 1,92, uma fração do que ela recebeu.

Repare no que está embutido: revisão humana, arquivo pronto e prazo. Deixe isso escrito na proposta, porque é o que separa seu serviço da legenda automática que a cliente consegue sozinha. O guia sobre como precificar serviços quando você usa IA aprofunda a lógica de cobrar pelo resultado, não pela hora de máquina. E se o volume crescer, formalize: o portal do empreendedor do gov.br informa que o MEI pode faturar até R$ 81 mil por ano, e emitir nota abre porta em empresa.

Prompts que aceleram a revisão

Depois da transcrição bruta, um modelo de texto como ChatGPT, Claude ou Gemini ajuda na parte chata. Ele não substitui a escuta, mas corta tempo em pontuação, quebra de linhas e resumo. Cole o trecho e use prompts como estes.

Você é revisor de transcrições em português do Brasil. Abaixo está uma transcrição automática de uma aula de confeitaria. Corrija apenas pontuação, letras maiúsculas e erros óbvios de reconhecimento. Não reescreva frases, não remova vícios de linguagem e não invente palavras. Os nomes corretos são: Mariana Duarte, ganache, buttercream, Fondant. Devolva o texto revisado e, no fim, uma lista dos trechos em que ficou em dúvida.

Transforme a transcrição abaixo em legendas no formato SRT. Regras: máximo de 2 linhas por legenda, até 42 caracteres por linha, cada legenda entre 1 e 6 segundos na tela, não separe nome de sobrenome nem número da sua unidade. Mantenha as marcações de tempo originais como referência e ajuste só o que for necessário para respeitar as regras.

A partir desta transcrição de um episódio de podcast de 45 minutos, escreva: 1) uma descrição de até 120 palavras para o YouTube, 2) oito capítulos com minutagem no formato 00:00, 3) cinco frases curtas do convidado que funcionem como legenda de post. Use apenas o que está no texto, sem acrescentar informação.

Esse terceiro prompt é o que transforma um serviço de R$ 3 por minuto em um pacote: legenda, descrição, capítulos e cortes. Quem quer aprender a escrever comandos melhores encontra a base no guia de prompt engineering. Só cuidado com o que você cola: áudio de reunião interna de empresa é dado sensível, e o artigo sobre IA e privacidade explica o que checar antes de subir arquivos de clientes em qualquer ferramenta.

Onde encontrar os primeiros clientes

Comece por quem já grava e sofre com isso. Produtores de curso online precisam de legenda e transcrição por acessibilidade e por material complementar; o guia sobre criar e vender curso online com IA mostra o tamanho desse trabalho. Podcasters querem transformar episódio em texto, e quem produz podcasts e narrações com IA costuma ter dezenas de episódios acumulados sem transcrição.

Outros três grupos costumam pagar rápido: empresas que gravam treinamento interno e reunião com cliente, igrejas e escolas que publicam pregações e aulas, e criadores que vivem de vídeos curtos para redes sociais e precisam de legenda queimada em cada corte. Se o cliente atende público de fora, ofereça a legenda traduzida como adicional; o artigo sobre atender clientes em vários idiomas com IA mostra como revisar tradução automática com segurança.

Para ser encontrado, publique um antes e depois: um trecho de 30 segundos com a legenda automática crua e o mesmo trecho com a sua revisão. O guia sobre construir autoridade no LinkedIn sem ser técnico explica como postar isso sem parecer propaganda.

Erros comuns de quem está começando

Entregar a transcrição bruta com um verniz. O cliente compara com a legenda automática do YouTube, vê os mesmos erros e não volta. Se não deu tempo de ouvir tudo, avise e cobre menos.

Cobrar por hora de trabalho. Cobre por minuto de vídeo entregue e ganhe com a sua eficiência.

Aceitar qualquer áudio pelo mesmo preço. Gravação de celular em restaurante leva o dobro do tempo. Amostra antes, preço depois.

Ignorar acessibilidade. Legenda para pessoa surda inclui marcação de sons relevantes, como [risos] e [música]. Ofereça como opção e cobre por isso.

Não guardar um glossário por cliente. Nomes, produtos e siglas de cada cliente em um arquivo simples fazem a segunda entrega sair na metade do tempo. É assim que o freelancer se torna difícil de substituir: o conhecimento do cliente fica com você.

Transcrição e legendagem com IA não vai deixar ninguém rico, e nem precisa. É um serviço concreto, com demanda perto de você, custo de ferramenta quase zero e entrada fácil para quem tem ouvido atento e cuidado com texto. Faça a conta do seu tempo, monte o antes e depois e ofereça para o primeiro criador que você acompanha. Para comparar com outros caminhos, o guia com 10 formas de ganhar dinheiro com inteligência artificial coloca este e outros serviços lado a lado.