IA no seu PC · Voz
Qwen3-ASR
O Qwen3-ASR é uma família de modelos de reconhecimento de fala da Alibaba, que transforma áudio em texto em dezenas de idiomas, incluindo português. É leve e recente, uma alternativa ao Whisper para transcrever no próprio computador.
memória necessária
roda em PC com 8 GB de RAM (versão 0.6B)
O que é
O Qwen3-ASR é um modelo de reconhecimento automático de fala (automatic speech recognition), ou seja, ele escuta um áudio e escreve o que foi dito. Há duas versões, 0.6B e 1.7B. A página oficial informa suporte a identificação de idioma e transcrição em 52 idiomas e dialetos, incluindo português.
No que ele é bom
Serve para transcrever reuniões, entrevistas, áudios de WhatsApp e vídeos. Também identifica automaticamente o idioma falado. É apresentado no catálogo como uma alternativa recente e leve ao Whisper.
passo a passo para começar
- Instale o Python no computador, ou peça ajuda a alguém com experiência.
- Instale a biblioteca Transformers na versão indicada na página oficial do modelo.
- Copie o exemplo de transcrição simples da página do Qwen3-ASR no Hugging Face.
- Troque o áudio do exemplo por um arquivo seu em português.
- Rode o exemplo e confira o texto gerado.
- Se preferir algo sem código, use um app de transcrição pronto, como o Vibe, até surgirem integrações.
Meu computador roda?
Pelo catálogo, a versão 0.6B roda em PC com 8 GB de RAM. A versão 1.7B pede um pouco mais. Ele não está disponível pelo Ollama, então o uso hoje passa pelo Python ou por apps que já o integrem.
Licença e uso comercial
O Qwen3-ASR usa a licença Apache 2.0, segundo o catálogo e a página oficial. Ela permite uso comercial. Confira a licença ao incluir o modelo em produtos.
Limites e cuidados
Transcrição automática erra nomes próprios, números e termos técnicos. Revise o texto antes de usar. Peça autorização das pessoas antes de gravar e transcrever conversas.
na sua empresa
- Transcrever reuniões e entrevistas sem enviar as gravações para serviços online.
- Converter áudios de clientes em texto para registrar pedidos ou reclamações.
dúvidas comuns
Entende português?
Sim. A página oficial lista o português entre os idiomas suportados.
Roda no Ollama?
Não. O uso é pelo Python ou por apps que integrem o modelo.
É melhor que o Whisper?
Depende do áudio. Teste os dois com suas gravações.
termos explicados
- ASR (automatic speech recognition)
- Reconhecimento automático de fala: transformar voz em texto.
- Whisper
- Modelo aberto de transcrição muito popular, usado em vários aplicativos.
- Transformers
- Biblioteca do Hugging Face para usar modelos de IA com Python.
Quer ver a página oficial do modelo?
Texto escrito com apoio de IA a partir da página oficial e do catálogo do IAlfabeto. Versões e requisitos mudam rápido: confira a página oficial.