Formato JSON: dados estruturados para desenvolvedores

O JSON exporta a transcrição como dados estruturados: o texto completo, cada segmento com seu horário de início e de fim, os falantes e os tempos de cada palavra com pontuações de confiança. Use-o nos seus próprios scripts, em análises de dados ou em ferramentas personalizadas. A exportação em JSON está disponível em todos os planos, inclusive no Free.

Estrutura do JSON

Um exemplo resumido de uma exportação real (com um segmento e duas palavras):

{
  "id": "cmvfviwjf00wnb6hzcwfodyhz",
  "fileName": "Weekly team sync.mp3",
  "text": "Speaker 1: Okay, I think everyone's here. Thanks for jumping on...",
  "language": "en",
  "duration": 145,
  "segments": [
    {
      "id": 1,
      "end": 10.088,
      "text": "Thanks for jumping on.",
      "start": 8.968,
      "speaker": "SPEAKER_00",
      "words": [
        { "end": 9.368, "word": "Thanks", "start": 8.968, "confidence": 0.911 },
        { "end": 9.528, "word": "for", "start": 9.368, "confidence": 0.989 }
      ]
    }
  ],
  "speakerNames": null,
  "createdAt": "2026-10-19T23:16:45.243Z"
}

Campos de nível superior

• id - identificador único da transcrição
• fileName - o nome do arquivo como aparece no TranscribeNext
• text - a transcrição inteira em uma única string; com os falantes ativados, cada fala começa com o nome do falante ("Speaker 1: …")
• language - código do idioma (en, es, fr, …); omitido se for desconhecido
• duration - duração do áudio em segundos inteiros; omitido se for desconhecida
• segments - array de segmentos com tempos (veja abaixo)
• speakerNames - os nomes que você deu aos falantes, por exemplo {"SPEAKER_00": "Anna"}, ou null
• createdAt - data e hora de criação no formato ISO 8601 (UTC)

Objeto de segmento

• id - número do segmento, a partir de 0
• start, end - horário de início e de fim em segundos
• text - o que foi dito neste segmento
• speaker - id do falante, como "SPEAKER_00" (somente quando os falantes foram identificados)
• words - cada palavra com seu início, fim e confiança de 0 a 1 (quando disponível)

O que muda o resultado

• A caixa de seleção "Falantes" na barra de ferramentas: quando está desativada, o texto não tem nomes de falantes, os segmentos não têm o campo speaker e speakerNames é null
• A caixa de seleção "Marcações de tempo" não afeta o JSON - os tempos dos segmentos são sempre incluídos
• Quando exportado pela aba Tradução ou de um resultado da Análise, o arquivo contém esse texto e um array segments vazio
• Se edições extensas fizerem os tempos deixarem de corresponder ao texto, os segmentos são omitidos

Melhores casos de uso

• Scripts personalizados de processamento de dados
• Análises e mineração de texto
• Criar suas próprias ferramentas de legendas
• Importar para um banco de dados ou um índice de busca
• Encontrar palavras sobre as quais o reconhecimento ficou em dúvida (baixa confiança)

Processar dados JSON (JavaScript)

const data = JSON.parse(jsonString);

// Duração total em minutos
const minutes = Math.floor((data.duration ?? 0) / 60);

// Mostrar cada segmento com o falante
data.segments.forEach(segment => {
  const who = data.speakerNames?.[segment.speaker] ?? segment.speaker ?? '';
  console.log(`[${segment.start.toFixed(1)}s] ${who} ${segment.text}`);
});

// Palavras sobre as quais o reconhecimento ficou em dúvida
const unsure = data.segments
  .flatMap(seg => seg.words ?? [])
  .filter(w => w.confidence < 0.5);

Processar dados JSON (Python)

import json

with open('transcription.json', encoding='utf-8') as f:
    data = json.load(f)

print(f"File: {data['fileName']}")
print(f"Duration: {data.get('duration', 0)} s")

names = data.get('speakerNames') or {}
for segment in data['segments']:
    who = names.get(segment.get('speaker'), segment.get('speaker', ''))
    print(f"[{segment['start']:.1f}s] {who} {segment['text']}")