Transcrição com IA: Todo Vídeo Que Seu App Grava Vira Dado Analisável

TL;DR

• O VIDTREO AI agora transcreve cada gravação concluída automaticamente — sem chamada de API, sem polling, sem fornecedor extra
• Você recebe a transcrição em três formatos: legendas WebVTT, JSON com marcas de tempo por palavra, e texto simples — cada um pensado para um uso diferente
• O idioma é detectado automaticamente — seus usuários gravam em espanhol, português ou inglês e simplesmente funciona
• Vídeo é o dado mais rico que sua plataforma coleta e o mais difícil de analisar. Texto não é. A transcrição transforma cada gravação em algo que você pode buscar, pontuar, indexar e alimentar para sua própria IA
• A entrega roda sobre a infraestrutura que já montamos para você: webhooks assinados, eco de metadados, segredos criptografados, retentativas automáticas

Vídeo É Seu Dado Mais Cego

Pense no que existe dentro dos vídeos que sua plataforma grava. Um candidato explicando exatamente por que saiu do último emprego. Um estudante demonstrando se entendeu a tarefa. Um paciente descrevendo sintomas com suas próprias palavras. Um cliente contando exatamente qual funcionalidade o fez cancelar.

Está tudo ali. E nada disso é consultável.

Você não consegue fazer SELECT em um vídeo. Não dá para fazer busca full-text em um MP4. Você não consegue alimentar 400 horas de entrevistas a um modelo de pontuação como pixels. Vídeo é, ao mesmo tempo, o dado com maior sinal que seu produto coleta e o único que sua stack de dados não consegue tocar.

Esse é o problema que o VIDTREO AI agora resolve no nível da plataforma: cada gravação vira texto analisável, automaticamente, no momento em que é concluída.

O Pipeline: Gravação Entra, Dado Sai

Ative a Transcrição com IA para o seu ambiente — um único toggle no dashboard — e o pipeline roda sozinho:

Usuário termina de gravar
    → VIDTREO Recorder envia o vídeo
    → VIDTREO AI extrai o áudio e transcreve
    → Idioma detectado automaticamente, marcas de tempo por palavra geradas
    → Transcrição armazenada em três formatos (VTT, JSON, TXT)
    → Webhook assinado entrega tudo para seus sistemas

Nenhuma API de transcrição para integrar. Nenhuma etapa de extração de áudio. Nenhuma configuração de idioma — um candidato em São Paulo grava em português, um estudante em Madri grava em espanhol, e os dois voltam transcritos.

Três Formatos, Porque Análise Tem Três Formas

Formato	Conteúdo	Feito para
WebVTT	Cues de legenda com tempo	Acessibilidade: encaixa direto em um elemento <track> para reprodução em conformidade
JSON	Segmentos por palavra com tempos de início/fim	Análise: busca, interfaces de pular para o momento, alimentar LLMs e modelos de pontuação
TXT	Transcrição simples	Indexação: busca full-text, resumos, arquivos de compliance

O formato JSON é o que muda o que você pode construir. A temporização por palavra significa que cada palavra em cada vídeo é endereçável: você sabe o que foi dito e exatamente quando. Essa é a primitiva por trás de “me mostre o momento em que o candidato mencionou Kubernetes” e “pule para onde o professor explica recursão.”

O Que a Análise Desbloqueia

O padrão se repete em todas as indústrias: assim que o vídeo vira texto, suas ferramentas de dados existentes — e sua própria IA — de repente passam a se aplicar a ele.

Recrutamento: Entrevistas Viram Sinal Estruturado

Uma entrevista em vídeo costumava ser 20 minutos de assistir. Agora é um documento:

• Busque entre centenas de entrevistas por habilidades, ferramentas ou frases específicas
• Alimente as transcrições para seu modelo de pontuação e ranqueie candidatos antes de alguém apertar o play
• Pule para o momento exato em que um tópico surgiu, com marcas de tempo por palavra
• Avalie candidatos globais de forma justa — a transcrição funciona no idioma que eles falam

Educação: Toda Aula É Pesquisável, Todo Aluno É Ouvido

• Conformidade de acessibilidade pronta de fábrica — legendas WebVTT em cada gravação
• Busca de conteúdo — alunos encontram o minuto exato em que um conceito foi explicado, em todo um semestre
• Revisão de entregas em escala — checagens por palavra-chave e rubrica em provas orais sem assistir a cada vídeo
• Salas de aula multi-idioma — alunos gravam em seu idioma nativo

Telessaúde: Documentação Sem a Carga Administrativa

• Transcrições de sessão registradas no prontuário do paciente no momento em que a chamada termina
• Gere rascunhos de notas clínicas a partir da conversa em vez de digitar de memória
• Registros com marca de tempo e verificáveis para compliance — com acesso controlado pelos seus sistemas

Feedback de Clientes: Ouça Tudo, em Escala

• Enriqueça tickets de suporte com o que o cliente realmente disse
• Roteie e categorize por tópico automaticamente
• Sinalize frases de risco de churn no momento em que o vídeo chega
• Torne todo depoimento pesquisável para os times de marketing e produto

Nada disso exige um novo fornecedor de IA do seu lado. Exige a transcrição — entregue como dado, onde seus sistemas já vivem.

O Trilho de Entrega: Infraestrutura Que Você Não Precisa Construir

Análise só é automática se a entrega também for. É aqui que a infraestrutura de plataforma que estamos construindo — webhooks, eventos, metadados — sustenta a funcionalidade.

Quando a transcrição é concluída, um evento transcriptions.transcription.completed é disparado para o seu endpoint com tudo anexado:

{
  "event": "transcriptions.transcription.completed",
  "data": {
    "transcription": { "language": "en", "wordCount": 812, "duration": 294.5 },
    "video": {
      "filename": "interview-final.mp4",
      "userMetadata": { "candidateId": "cand_8231", "jobId": "job_114" }
    },
    "files": [
      { "format": "vtt",  "url": "https://...", "expiresAt": "..." },
      { "format": "json", "url": "https://...", "expiresAt": "..." },
      { "format": "txt",  "url": "https://...", "expiresAt": "..." }
    ]
  }
}

Quatro características tornam isso pronto para produção, e não apenas uma notificação:

Seus metadados voltam. Qualquer JSON que você anexou no upload — ID do candidato, ID do curso, número do ticket — é ecoado no payload. Seu handler nunca precisa consultar um banco de dados para descobrir a qual registro o vídeo pertence. Um handler, zero tabelas de lookup:

app.post('/webhooks/vidtreo', async (req) => {
  const { video, files } = req.body.data
  const { candidateId, jobId } = video.userMetadata

  await ats.advanceStage(candidateId, jobId, {
    transcriptUrl: files.find(f => f.format === 'txt').url,
  })
})

Toda entrega é assinada. Um header X-Webhook-Signature carrega um HMAC-SHA256 do corpo bruto, calculado com o segredo whsec_ do seu endpoint. Os segredos são criptografados em repouso, exibidos exatamente uma vez na criação, e podem ser rotacionados com um clique. A verificação é algumas linhas:

import { createHmac, timingSafeEqual } from 'node:crypto'

function isFromVidtreo(rawBody: string, signature: string, secret: string) {
  const expected = `sha256=${createHmac('sha256', secret)
    .update(rawBody)
    .digest('hex')}`

  const a = Buffer.from(signature)
  const b = Buffer.from(expected)
  return a.length === b.length && timingSafeEqual(a, b)
}

Calcule sobre o corpo bruto, compare em tempo constante — nunca ===.

As URLs da transcrição expiram em 5 minutos. Os links dos arquivos são pré-assinados e de curta duração. Um payload de webhook vazado em um log não vira uma porta aberta permanente para as transcrições dos seus usuários. Precisa dos arquivos depois? GET /api/v1/videos/:videoId/transcription retorna URLs novas a qualquer momento.

Falhas não perdem dado. As entregas retentam automaticamente, eventos esgotados caem em uma dead-letter queue, e o dashboard mostra o histórico completo de entregas com reenvio em um clique — um único evento, uma única entrega, ou tudo que falhou em uma janela de tempo. A instabilidade da sua janela de deploy vira um redrive de 20 segundos.

A referência completa do payload, a lista de headers e o guia de verificação estão na documentação de webhooks.

Como Começar

Três passos, sem novo fornecedor:

1. Ative a Transcrição com IA para o seu ambiente no VIDTREO Dashboard — um toggle
2. Crie um endpoint de webhook — URL HTTPS, guarde o segredo whsec_ quando ele for exibido
3. Construa em cima da transcrição — o payload acima é tudo o que o seu handler recebe

A transcrição está incluída no mesmo $0.01/min — gravação, transcodificação, armazenamento, entrega e transcrição com IA em uma única fatura.

Seus vídeos estiveram falando esse tempo todo. Agora sua plataforma pode ouvir.

Comece a Construir Grátis → Docs de Transcrição com IA → Docs de Webhooks →