Como transcrever reuniões do Zoom com IA: guia de configuração e API

Reconhecimento de fala automatizado transforma o áudio de reuniões do Zoom em texto para sua equipe, sem a necessidade de fazer anotações manualmente. Com um sistema de Speech to Text em tempo real, sua organização pode fornecer transcrições ao vivo para apoiar profissionais que têm mais dificuldade para acompanhar conversas faladas ou que têm deficiência auditiva.

A tecnologia de STT ao vivo evoluiu muito nos últimos três anos, com a ferramenta integrada do Zoom sendo aprimorada ao longo do tempo para reduzir a taxa de erro por palavra (WER). Mas, para equipes que buscam alternativas de baixa latência, ferramentas especializadas de Speech to Text, como as disponíveis na ElevenLabs, alcançam WERs ainda menores.

Este guia mostra como transcrever reuniões do Zoom usando ferramentas integradas e soluções de terceiros. Ele detalha as opções nativas, as etapas para diferentes métodos, o processo para gravações armazenadas na nuvem e como criar pipelines personalizados para casos de uso mais complexos.

Resumo

• A transcrição com IA oferece suporte a mais de 90 idiomas e sotaques para colaboração em tempo real entre equipes multinacionais.
• Profissionais podem usar ferramentas integradas ou opções de terceiros para transcrever reuniões do Zoom durante a chamada ou depois de salvar o áudio.
• As legendas ao vivo do Zoom são gratuitas em todos os planos, mas a maioria dos outros recursos integrados de transcrição exige contas pagas do Workplace.
• Desenvolvedores usam WebSockets da ElevenAPI para criar aplicativos personalizados e obter baixa latência na transcrição em tempo real.

Como transcrever reuniões do Zoom

Transcrever uma reunião do Zoom converte palavras faladas em texto pesquisável com marcações de tempo e identificação dos participantes. Ferramentas de transcrição avançadas também processam e consideram sobreposições de fala e interferências de ruído na transcrição, como o som de um alarme de incêndio ou de um telefone tocando.

Organizações usam as informações dessas transcrições para gerar relatórios de reuniões, atualizar bases de conhecimento ou criar programas de treinamento para novos contratados. Profissionais também pesquisam transcrições para encontrar informações importantes, como confirmar o prazo de um projeto relevante ou a decisão final de uma reunião que perderam.

Os três principais métodos de transcrição são:

• Transcrição em tempo real: ferramentas integradas geram legendas ao vivo durante as chamadas, mas você precisará de uma conta paga para recursos como armazenamento na nuvem e transcrições baixáveis de gravações na nuvem.
• Transcrição após a reunião: ferramentas nativas ou de terceiros podem gerar transcrições a partir de arquivos de áudio armazenados na nuvem ou baixados.
• Pipelines de API personalizados: soluções personalizadas dão aos desenvolvedores controle total para transmitir diretamente o áudio ao vivo das chamadas para aplicativos de software que usam esses dados.

Seu orçamento, as ferramentas existentes e os requisitos técnicos influenciam sua escolha ao avaliar os melhores aplicativos para transcrição de reuniões. Tenha essas prioridades em mente ao analisar as diferentes opções disponíveis.

Como ativar a transcrição no Zoom

O Zoom oferece transcrição em tempo real e legendas ocultas automatizadas como soluções integradas. As legendas em tempo real são exibidas durante as chamadas, enquanto contas pagas podem receber transcrições completas da reunião diretamente em “My Notes”. Essas notas podem ser usadas para criar relatórios e resumos automatizados após o fim da chamada.

Legendas ocultas ao vivo

Você precisará de credenciais de administrador para ativar a transcrição no Zoom Workplace. 

Veja como:

1. Faça login no portal web do Zoom.
2. Acesse Account Management e clique em Account Settings.
3. Acesse a aba Meeting e role até In Meeting (Advanced). 
4. Ative Automated captions como “enabled”.
5. Clique na aba Recording e ative Cloud Recording.
6. Marque a caixa Create Audio Transcript para gerar automaticamente arquivos de texto com a transcrição após a reunião.

Transcrições ao vivo com a IA do Zoom

O Zoom AI Companion pode traduzir rapidamente 46 idiomas e transcrever em tempo real. Siga estas etapas simples para configurá-lo:

1. Use suas credenciais de administrador para acessar o portal web do Zoom.
2. Ative ou desative para:
3. 1. Todos os usuários da conta, acessando o Admin Center e clicando em Settings para fazer as alterações necessárias. 
   2. Usuários específicos, acessando o Admin Center e clicando em Users, depois em Group.
   3. Sua conta pessoal em Settings.
3. Clique em Zoom AI e configure os recursos de transcrição que deseja usar.

Como transcrever gravações do Zoom após a reunião

Você pode salvar a transcrição após o fim da reunião convertendo o áudio que o Zoom salva na nuvem.

Duas opções comuns são processar as gravações existentes usando a exportação nativa do armazenamento em nuvem do Zoom ou enviar os arquivos de áudio salvos para uma plataforma de IA como a ElevenLabs. 

Exportação nativa de gravações na nuvem do Zoom

O Zoom Workplace transcreve reuniões sem enviar o áudio para fora da plataforma Zoom nem usar bots de terceiros. A plataforma também usa diarização de falantes para identificar e rotular automaticamente os participantes, criando transcrições estruturadas mesmo para chamadas com grupos maiores.

A gravação na nuvem do Zoom gera automaticamente arquivos de transcrição baixáveis após o fim da chamada. Os arquivos podem ficar disponíveis imediatamente ou até 24 horas após o término da reunião. Usuários de contas pagas também acessam arquivos de texto com marcações de tempo diretamente pelo portal.

Baixe arquivos de transcrição de reuniões do Zoom seguindo estas etapas:

1. Use as credenciais da sua conta para fazer login no portal web do Zoom.
2. Encontre Recordings no menu de navegação à esquerda.
3. Escolha a reunião específica para a qual deseja gerar transcrições.
4. Clique em Download ao lado do arquivo Audio Transcript.
5. Salve o documento VTT no local escolhido.

Observe que, se você clicou em Save Transcript durante uma reunião ao vivo, em vez de gravá-la na nuvem, o Zoom salva um arquivo de texto no seu computador. Encontre-o no caminho Documents/Zoom.

Transcrição automatizada em lote com a ElevenAPI 

O Zoom oferece suporte a 46 idiomas em reuniões, mas a apenas 19 idiomas para transcrições após a reunião. Isso não atende às necessidades de idioma de todas as equipes internacionais ou multinacionais. 

Por esses e outros motivos, desenvolvedores e equipes de produto escolhem a ElevenAPI para obter serviços de transcrição rápidos e precisos em mais de 90 idiomas. Nosso modelo Scribe v2 processa áudio e gera marcações de tempo no nível de cada palavra, além de preservar a atribuição de falantes.

Siga estas etapas para processar o áudio da nuvem com a ElevenAPI:

1. Localize o arquivo MP4 ou M4A no seu armazenamento em nuvem (ou pasta local).
2. Adicione a gravação de áudio ao ElevenCreative ou envie-a diretamente ao endpoint Scribe da ElevenAPI.
3. Baixe o texto com identificação dos participantes e marcações de tempo no formato que preferir, como TXT, DOCX, PDF ou JSON.

Crie transcrições ao vivo do Zoom com a ElevenAPI

Desenvolvedores com casos de uso mais complexos ou que precisam de soluções automatizadas sob medida preferem soluções de terceiros, como a ElevenAPI. Nossa plataforma oferece duas arquiteturas distintas de streaming para integrar transcrições ao vivo a aplicativos personalizados.

Ambas permitem gerar transcrições em tempo real e de baixa latência por WebSockets, portanto a opção certa depende do seu caso de uso e das suas necessidades de segurança.

Streaming no lado do cliente

Como o nome sugere, você implementa essa solução no lado do cliente para transcrever áudio. Streaming no lado do cliente captura o som diretamente do microfone ou por meio de um dispositivo de áudio virtual no navegador. Medidas de segurança integradas protegem seus dados contra a exposição da chave de API no código de frontend. Por exemplo, seu servidor de backend gera tokens temporários de uso único para conexões no lado do cliente, que expiram automaticamente após 15 minutos.

Siga estas etapas para configurar o streaming no lado do cliente:

1. Solicite um token de uso único ao seu servidor de backend.
2. Passe o token de uso único ao SDK oficial para React ou JavaScript.
3. Configure uma conexão WebSocket e envie o áudio do microfone diretamente para a API.

Streaming no lado do servidor

Neste caso, você implementa a solução no lado do servidor para transcrever áudio. Streaming no lado do servidor extrai áudio do stream da sua reunião, de uma URL ou de um arquivo. Ele se diferencia do streaming no lado do cliente porque você usa uma chave de API da ElevenLabs em vez de uma temporária e não precisa dividir manualmente o áudio de URLs em partes.

Configure o streaming no lado do servidor seguindo estas etapas:

1. Configure seu bot de reunião ou servidor de backend para capturar o stream de áudio da chamada do Zoom ou sua URL.
2. Use o SDK de Python ou TypeScript para estabelecer uma conexão WebSocket com sua chave de API principal.
3. Transmita seu áudio ao vivo ou envie a mídia por URL usando a integração com ffmpeg ao endpoint Scribe Realtime.
4. Distribua as transcrições pelos seus sistemas para casos de uso como atualizar CRMs, bases de conhecimento e webhooks após a chamada.

Quando escolher streaming no lado do cliente ou no lado do servidor

Escolha o streaming no lado do cliente para ferramentas de desktop ou reuniões no navegador em que um usuário ativo possa conceder manualmente permissões de microfone. Use o streaming no lado do servidor para recursos totalmente automatizados, como bots de reunião sem supervisão e integrações diretas. O streaming no lado do servidor também elimina a necessidade de uma sessão ativa no navegador ao capturar áudio e ingerir transcrições.

Por que a transcrição com IA funciona para equipes globais

Equipes distribuídas enfrentam desafios específicos ao colaborar entre culturas, idiomas e fusos horários. O reconhecimento de fala com IA mantém todos alinhados ao converter o áudio das chamadas em conteúdo estruturado e pesquisável. Os participantes usam isso para acompanhar as chamadas, enquanto pessoas autorizadas podem consultar as anotações da reunião depois dela.

Veja alguns casos em que a transcrição com IA beneficia equipes globais:

• Alternância entre idiomas: transcrição precisa mesmo quando as pessoas usam idiomas diferentes ou vários idiomas na mesma chamada
• Reconhecimento de fala com sotaques: entende pronúncias fora do padrão e sotaques regionais
• Compartilhamento assíncrono de conhecimento: gera documentos de texto para ajudar colegas a acessar anotações e resumos quando as reuniões ocorrem em horários locais inconvenientes
• Diarização de falantes com vários participantes: fornece um registro preciso de quem disse o quê para garantir a responsabilização adequada
• Integração flexível a workflows: permite exportar transcrições em formatos que bancos de dados e outros sistemas conseguem entender e importar

Considere esses recursos como padrão ao buscar uma solução de transcrição, mas observe que, mesmo entre as opções com IA, nem todos os geradores de transcrição do Zoom cumprem essas promessas. Verifique as especificações e os benchmarks do produto antes de decidir para garantir que a solução escolhida atenderá às necessidades da sua empresa ou aos padrões regulatórios.

Comece a usar a ElevenAPI para transcrições rápidas e precisas

Se você é como a maioria dos desenvolvedores que trabalham com IA e transcrição de reuniões, busca precisão de ponta no setor e ferramentas que possa realmente adaptar às suas necessidades. A ElevenAPI oferece acesso programático aos nossos modelos avançados de reconhecimento de fala para que você crie pipelines de transcrição com o nível de automação que preferir. 

Nosso modelo Scribe v2 é a tecnologia por trás da ElevenAPI e permite diarização de falantes para até 32 participantes. Seja para processamento em lote após a reunião ou baixa latência em streaming em tempo real por WebSockets, você só precisa seguir alguns passos rápidos para configurar nossa solução de Speech to Text rápida e segura:

1. Faça login na sua conta da ElevenLabs.
2. Clique em Developers na barra lateral e acesse a aba API Keys para gerar uma nova chave.
3. Armazene sua chave de API com segurança, por exemplo, em um arquivo .env para proteger suas credenciais da exposição no frontend.
4. Adicione o SDK oficial de Python ou TypeScript ao seu ambiente de desenvolvimento usando pip install elevenlabs ou npm install @elevenlabs/elevenlabs-js.
5. Chame o endpoint Scribe v2 para arquivos de áudio gravados ou conecte-se ao WebSocket Scribe Realtime v2 para áudio de chamadas ao vivo.

Encontre instruções mais detalhadas na documentação da API da ElevenLabs ou cadastre-se para obter sua chave de API e comece a desenvolver.

Perguntas frequentes sobre a transcrição de reuniões do Zoom