Gerador de legendas com IA e processamento local, que funciona offline e se integra ao DaVinci Resolve, Premiere Pro e After Effects.
- Estrelas
- 7,837
- Forks
- 567
- Issues abertas
- 234
- Último commit
- há 14 dias
O que é?
Vibe é um aplicativo de desktop multiplataforma para macOS, Windows e Linux que converte a fala em arquivos de áudio e vídeo em texto. Toda a transcrição é feita na sua própria máquina, então as gravações nunca saem do dispositivo.
O app oferece suporte aos modelos Whisper, Nemotron e Parakeet TDT e pode exportar transcrições como SRT, VTT, TXT, HTML, PDF, JSON ou DOCX. Também oferece processamento em lote, prévia em tempo real, diarização de falantes, tradução para inglês e transcrição pelo microfone, pelo áudio do sistema ou por uma URL de vídeo de sites populares.
Para usuários avançados, o Vibe inclui uma interface de linha de comando e uma API HTTP com documentação Swagger. O recurso opcional de resumo funciona pela Claude API ou com modelos locais via Ollama, e é possível usar um celular como fonte de gravação ao escanear um QR code.
Recursos principais
- 01Transcrição offline de áudio e vídeo, sem envio de dados
- 02Oferece suporte aos modelos Whisper, Nemotron e Parakeet TDT
- 03Exporta para SRT, VTT, TXT, HTML, PDF, JSON e DOCX
- 04Transcrição em lote, prévia em tempo real e diarização de falantes
- 05CLI e API HTTP com documentação Swagger
- 06Aceleração por GPU via Vulkan e CoreML
Casos de uso
- Gerar legendas para vídeos ou reels
- Transcrever entrevistas, aulas ou reuniões sem serviços na nuvem
- Converter gravações de um site de vídeos em texto pesquisável
- Traduzir áudio em outros idiomas para texto em inglês
Início rápido
- 1
Baixe o aplicativo na página de downloads do projeto
- 2
Leia o guia de desenvolvimento local para compilar a partir do código-fonte
Antes de usar
- A configuração do ambiente de desenvolvimento local está documentada separadamente em docs/BUILDING.md, então compilar a partir do código-fonte exige um esforço adicional.
- Os pull requests são limitados a alguns colaboradores, então as contribuições externas de código são restritas.
Tópicos
Perguntas frequentes
- O que é vibe?
- App para desktop que transcreve áudio e vídeo totalmente offline no seu dispositivo, usando Whisper e outros modelos de fala. Vibe é um aplicativo de desktop multiplataforma para macOS, Windows e Linux que converte a fala em arquivos de áudio e vídeo em texto. Toda a transcrição é feita na sua própria máquina, então as gravações nunca saem do dispositivo.
- vibe é gratuito? Qual é a licença?
- vibe é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- vibe ainda é mantido?
- Manutenção ativa. O último commit de vibe foi em 6 de out. de 2026.
- Para que posso usar vibe?
- Gerar legendas para vídeos ou reels Transcrever entrevistas, aulas ou reuniões sem serviços na nuvem Converter gravações de um site de vídeos em texto pesquisável Traduzir áudio em outros idiomas para texto em inglês
- Como instalar vibe?
- Baixe o aplicativo na página de downloads do projeto Leia o guia de desenvolvimento local para compilar a partir do código-fonte
- Onde consigo vibe?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/thewh1teagle/vibe
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Aplicativo desktop que transcreve e traduz áudio e vídeo offline no seu computador, baseado no Whisper da OpenAI.
Port em C/C++ do modelo de reconhecimento de fala Whisper, da OpenAI, para transcrição rápida e offline em CPU e GPU, sem dependências.
App de ditado com IA, open source e local-first, que transforma fala em texto no macOS e no Windows e funciona offline com o Whisper.
Uma reimplementação mais rápida do modelo de reconhecimento de fala Whisper, da OpenAI, com o mecanismo de inferência CTranslate2, menor uso de memória e quantização de 8 bits.
Reconhecimento de fala open source baseado no Whisper, com timestamps por palavra via alinhamento forçado e diarização de falantes opcional.