Rev AI

Os jobs em lote processam áudio e vídeo já gravados, e segundo a Rev um arquivo de uma hora volta em menos de um minuto. O teto prático é de 17 horas de áudio por job, e arquivos enviados por URL chegam a 5 TB. Isso cobre jornadas inteiras, depoimentos judiciais e arquivos de congressos sem precisar dividir nada antes.

A API de streaming transforma áudio ao vivo em legendas com pouca latência. Roda nos mesmos modelos do produto em lote. Aceita WebSocket para aplicações e RTMP para encoders de transmissão. Cada fluxo dura até 3 horas, então um evento longo exige a etapa de reconexão que a Rev documenta.

O Rev AI marca quem disse cada coisa, com suporte a até 8 falantes em inglês e 6 em outros idiomas. Se cada pessoa foi gravada em uma faixa separada, você informa o número de canais e obtém uma separação mais limpa do que a diarização sozinha. Não há como fixar o número de falantes, o que pesa em gravações de grupo bagunçadas.

Cada texto pode carregar marcas de tempo até a palavra, o que facilita citar, buscar e sincronizar legendas. O alinhamento forçado é o recurso irmão: você entrega áudio e um roteiro pronto e recebe o tempo exato de cada palavra. Equipes de mídia usam para ajustar legendas embutidas, e o jurídico usa para citar um momento específico de um depoimento.

A API assíncrona cobre 58 idiomas, incluindo modelos multilíngues de inglês e espanhol, enquanto o streaming chega a 9. A identificação de idioma roda como chamada separada, então dá para classificar áudio desconhecido antes de gastar com a transcrição. Cada idioma tem seu próprio perfil de precisão, e a Rev publica a lista atualizada.

Além do texto, este serviço de transcrição de áudio pontua sentimento, faz extração de tópicos, resume uma gravação longa e traduz para outro idioma. Cada recurso é um parâmetro separado do job, o que evita pagar pelo que você não usa. Os modelos padrão e premium têm tarifas diferentes, então confira o preço antes de rodar um lote grande.

Você envia uma lista de nomes, produtos e termos técnicos para o modelo grafar tudo como a sua empresa escreve. Ajuda principalmente com marcas, nomes de remédios e jargão interno que os modelos genéricos erram. É uma lista de palavras, não um modelo de linguagem que você treina.

Os SDKs oficiais cobrem Python e Node.js, os webhooks avisam quando o job termina e os formatos de saída incluem JSON, texto puro, SRT e VTT. A Rev também oferece implantação em servidores próprios para quem não pode usar nuvem pública. Os jobs ficam no servidor por 30 dias, a menos que você encurte esse prazo.