Uma ligação de cobrança gravada pelo celular não se parece com uma reunião capturada por microfone de mesa. Ruído, compressão, sotaque, nomes próprios e gente falando ao mesmo tempo mudam o resultado. Por isso, escolher uma API de transcrição a partir de uma demonstração limpa costuma produzir uma decisão frágil.
Transcrição rápida e áudio em tempo real são requisitos diferentes. Uma rota que recebe um arquivo gravado pode responder depressa sem oferecer transmissão contínua; anote qual dos dois o produto realmente precisa antes de comparar fornecedores.
A Roteia publica modelos de transcrição no catálogo e recebe arquivos em POST /v1/audio/transcriptions. A página de cada modelo informa o ID, as entradas e a unidade de preço disponíveis na última atualização. Ela não garante idioma, diarização, timestamps ou acurácia: esses pontos precisam aparecer no teste e na documentação do modelo escolhido.
Comece pela consequência do erro
Taxa média de palavras erradas ajuda, mas não encerra a comparação. Trocar uma preposição numa entrevista pode ser tolerável; perder o “não” em uma autorização pode inverter o sentido. Antes de enviar qualquer arquivo, marque no texto de referência o que é crítico: valores, datas, placas, nomes de pessoas, códigos e negativas. O relatório final deve separar esses erros do restante.
Pense numa central que recebe pedidos de segunda via. O modelo A entrega pontuação bonita, mas troca dois números de contrato. O modelo B exige um pequeno ajuste de vírgulas e preserva os identificadores. Para esse fluxo, B é mais útil, ainda que uma métrica agregada coloque os dois perto. O critério nasce da tarefa, não da tabela do fornecedor.
Monte uma amostra pequena que pareça produção
Separe gravações autorizadas dos ambientes que realmente chegarão à API. Inclua um áudio curto e limpo para verificar a integração, outro com o ruído habitual e um caso difícil que hoje exige correção humana. Se há canais diferentes, como WhatsApp, ligação e reunião, não misture tudo num único resultado: cada canal pode pedir uma decisão própria.
Faça uma transcrição humana dos trechos usados na comparação. Não precisa rotular horas de material. Dez a vinte minutos bem escolhidos, com o texto esperado e as palavras críticas assinaladas, já revelam problemas que um arquivo promocional esconde. Guarde os mesmos arquivos e a mesma referência para repetir o teste quando o modelo, o prompt ou o fornecedor mudar.
- Remova do conjunto qualquer gravação sem base legal ou autorização de uso.
- Anote idioma, canal, duração e condição de ruído de cada arquivo.
- Defina antes do teste qual erro reprova o candidato sem discussão posterior.
- Mantenha uma amostra fora do ajuste para conferir se a melhoria não vale só para os exemplos conhecidos.
Use o mesmo pedido para todos os candidatos
No catálogo da Roteia, copie apenas IDs ainda marcados como disponíveis. openai/whisper-1, deepgram/nova-3 e mistral/voxtral-mini-transcribe-2 são exemplos presentes no snapshot revisado em 18 de agosto de 2026, mas disponibilidade e preço podem mudar. Abra a categoria de transcrição no momento do teste e registre a data da consulta.
Envie o mesmo arquivo e os mesmos parâmetros para cada ID. Se um provedor aceita recursos extras, faça primeiro uma rodada com o contrato comum; depois, uma rodada separada para o recurso específico. Assim você não atribui ao modelo uma vantagem que veio de configuração diferente. A Roteia usa multipart/form-data, exige model e file e rejeita arquivo vazio; o código atual limita cada upload a 25 MB.
curl https://api.roteia.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $ROTEIA_API_KEY" \
-F "model=openai/whisper-1" \
-F "file=@amostra-autorizada.mp3"Leia o texto como dado de operação
Compare a saída com a referência em mais de uma camada. Conte omissões e substituições; depois revise os termos críticos. Observe também se o texto vem num formato que o sistema consegue consumir sem remendos. Uma resposta legível para uma pessoa pode ser ruim para preencher automaticamente um protocolo se números e quebras chegam inconsistentes.
Diarização merece uma coluna separada porque nem todo modelo ou rota a oferece. O mesmo vale para timestamps por palavra, tradução e identificação de idioma. A página da categoria não promete esses recursos. Se eles forem obrigatórios, confirme na documentação primária do fornecedor e faça uma chamada que prove o campo na resposta. A ausência de erro HTTP não prova que o recurso solicitado foi atendido.
Custo por minuto precisa incluir repetição e revisão
Modelos de transcrição podem aparecer no catálogo com preço por minuto. Multiplicar esse valor pelo volume mensal é só a primeira parcela. Some uploads repetidos, arquivos que precisam ser convertidos, chamadas que falham, armazenamento temporário conforme sua política e minutos de revisão humana. Um candidato barato que duplica a correção manual pode aumentar o custo da operação.
Registre duração do áudio, valor cobrado, tempo até a resposta e esforço de correção para cada caso. Não compare preço por token de um modelo de texto com preço por minuto de transcrição como se fossem a mesma unidade. Se depois houver resumo ou extração com um modelo de chat, essa é outra chamada e deve ficar em outra linha da conta.
Latência e lote mudam o desenho do produto
Uma gravação enviada depois da reunião tolera espera maior do que uma tela em que o atendente aguarda o texto para confirmar um dado. Meça o tempo do upload ao resultado e também a variação entre chamadas. A média esconde caudas longas; anote pelo menos mediana e os casos mais lentos da amostra.
A rota de transcrição da Roteia é um envio de arquivo com resposta ao final. Não presuma transcrição contínua em tempo real, mesmo que um fornecedor ofereça outro produto com nome parecido. Para legenda ao vivo, interrupção por voz ou áudio bidirecional, o contrato técnico é diferente e precisa de uma avaliação própria antes de entrar no cronograma.
Feche a escolha com um limite de aceitação
Escolha o candidato que passa os critérios obrigatórios e apresenta o melhor equilíbrio no restante. Registre a versão ou ID, os parâmetros, a data, os arquivos usados e o motivo da decisão. Sem esse caderno, uma troca futura vira discussão de memória. Com ele, o time consegue repetir a avaliação quando o catálogo mudar.
Antes de produção, teste arquivo inválido, formato inesperado, saldo insuficiente, tempo limite e resposta sem os campos que seu parser espera. Defina o que acontece com o arquivo após a chamada e como o usuário corrige um trecho crítico. A qualidade do modelo importa, mas o fluxo completo é que chega ao cliente.
Dúvidas frequentes
Qual modelo de transcrição é melhor para português?
Não há vencedor universal. Use gravações em português do seu canal, marque termos críticos e compare correções, latência e custo. O catálogo informa os candidatos; o teste decide para o seu caso.
A Roteia garante diarização e timestamps?
Não. A rota expõe transcrição para modelos publicados, mas diarização, timestamps e formatos detalhados dependem do contrato do modelo e precisam ser confirmados na chamada e na documentação aplicável.
Posso comparar só o preço por minuto?
Preço é uma parte. Inclua repetição, falhas, conversão de arquivo, tempo de resposta e revisão humana. Uma transcrição barata com muitos erros críticos pode custar mais no processo inteiro.
Quantos minutos preciso para um primeiro teste?
Uma amostra curta e representativa costuma ser mais informativa do que muitas horas aleatórias. Cubra canais e dificuldades reais, mantenha uma referência humana e amplie somente se os resultados ficarem próximos.
O endpoint de arquivo serve para legenda ao vivo?
Não presuma. Envio de arquivo e transcrição em tempo real são contratos diferentes. A rota documentada da Roteia recebe o arquivo e devolve o resultado; fluxos ao vivo exigem outra validação.
Onde confirmar
Plataforma de terceiro muda de tela e de limite sem avisar. Confira na fonte oficial antes de tomar decisão baseada nesta página.