A fala, simplificada

Perguntas frequentes

Meu celular já tem tradução ao vivo - por que eu preciso do VocalStack?

Um celular roda um modelo de fala pequeno, que precisa caber no aparelho e na bateria. Isso funciona bem para frases curtas, claras e do dia a dia. Não funciona para o que realmente dá errado na fala de verdade: palavras e nomes incomuns, palavras que soam parecidas (“concerto” e “conserto”, “cela” e “sela”), termos técnicos, sotaques, pessoas falando ao mesmo tempo e ruído de fundo. O modelo chuta, a tradução é feita em cima do chute, e ninguém na sala consegue ver que estava errado.

O VocalStack roda em servidores, então os modelos são completos e cada fala é conferida com o contexto depois do reconhecimento. Envie antes um roteiro ou slides, e os nomes e termos deles prevalecem sobre o que foi mal ouvido. Se algo ainda sair errado, você pode corrigir a fala ao vivo, e todos os ouvintes veem a correção.

Além disso, o celular ouve a sala, não o locutor, e traduz para uma pessoa só: cinquenta celulares geram cinquenta transcrições diferentes. O VocalStack pega o áudio direto da mesa de som, do stream ou do microfone, transcreve o locutor uma única vez, e todos leem ou ouvem a mesma coisa no próprio idioma. A tradução é lida em voz alta com a voz do próprio locutor, então os ouvintes escutam a pessoa no palco, não uma voz robótica genérica.

Sou cobrado por ouvinte? Como funcionam os preços?

Não. Os ouvintes são gratuitos, não importa quantos sejam nem em que idioma leiam ou ouçam. Você paga pelo áudio transcrito, por segundo, com mínimo de 5 minutos por transcrição, e essa é a conta inteira: tradução para até 10 idiomas, traduções faladas, transmissão, resumos e exportações estão incluídos.

Ver preços e planos

Arquivos e transcrições ao vivo têm tarifas diferentes, iguais em todos os planos, e o Premium inclui $50 de crédito todo mês. Todos os planos têm os mesmos recursos, e a API é cobrada pela mesma tarifa do Painel.

Do que os ouvintes precisam para acompanhar?

Um link ou um QR code, e um celular. Não há nada para instalar nem conta para criar. O ouvinte abre o link no navegador, escolhe um idioma e lê a transcrição enquanto tudo é dito. Se preferir ouvir, cada fala traduzida também é lida em voz alta. Dá para trocar de idioma a qualquer momento; a transcrição até ali é relida no novo idioma.

Quem entra atrasado vê tudo o que foi dito antes de chegar e depois acompanha ao vivo. Se a conexão cair, a página se atualiza sozinha quando ela voltar.

O áudio precisa vir de um microfone?

Não. Uma transcrição ao vivo pode ouvir um microfone em qualquer dispositivo, um sinal RTMP do OBS ou de um codificador de transmissão, uma live do YouTube, uma rádio pela internet ou qualquer URL que forneça um stream. No caso de um stream, o próprio VocalStack busca o áudio: nada roda do seu lado.

Um link de transmissão pode receber várias transcrições, então uma conferência com dois palcos, ou uma estação com um stream de rádio e uma live do YouTube, continua usando um único link.

Posso controlar quem vê a transcrição?

Sim. Por padrão, uma transmissão é pública: qualquer pessoa com o link pode acompanhar. Torne-a privada e defina uma senha, e só entra quem receber os dois de você. Renomeie o link depois, e o antigo continua funcionando. Você também vê quem está ouvindo, em qual idioma e quando entrou.

O ouvinte escuta o locutor real ou uma voz sintética?

Os dois. Por padrão, cada locutor recebe uma voz padrão diferente, do mesmo gênero, para que um painel continue soando como um painel. Com a permissão do locutor, você pode clonar a voz dele a partir de trinta segundos de áudio, e a tradução passa a ser lida com a voz dele em todos os idiomas. Uma voz clonada também faz com que o locutor seja reconhecido e identificado pelo nome em gravações futuras. Você pode atribuir uma voz a cada locutor ou silenciar um deles.

O que fica guardado depois do evento?

Tudo. A gravação, a transcrição com correções e traduções, e o áudio ficam guardados na sua biblioteca. Um título e um resumo são escritos assim que as palavras ficam definitivas, em todos os idiomas. Você pode reproduzir tudo exatamente como chegou, pesquisar em todas as transcrições no seu idioma e exportar como legendas SRT, PDF, Excel ou JSON.

Posso integrar isso ao meu próprio produto?

Sim. Tudo o que o Painel faz está disponível pela API, pela mesma tarifa: transcrição em tempo real por WebSocket, transcrições ao vivo com transmissões, tradução e traduções faladas, jobs de arquivos e links, e um servidor MCP. SDKs oficiais para TypeScript e Python estão incluídos. Os ouvintes podem acompanhar uma gravação no seu próprio aplicativo com um código de compartilhamento, sem chave de API.