Clean verbatim vs full verbatim: o que cada nível remove e qual deles a IA realmente entrega
Todo formulário de pedido de transcrição faz a mesma pergunta, e a maioria de quem pede pela primeira vez chuta. «Clean verbatim ou full verbatim?» soa como um ajuste de qualidade. Não é. É uma decisão sobre o que conta como registro: o que a pessoa disse, ou o que a pessoa quis dizer. Erre para um lado e você paga por uma transcrição que ninguém consegue ler; erre para o outro e você editou uma testemunha sem que ninguém perceba.
Aqui estão os mesmos quinze segundos de fala em cada nível, o que cada nível remove, quem realmente precisa de qual, e o que você tem de fato em mãos quando uma IA entrega uma transcrição.
Uma frase, três transcrições
Alguém diz isto numa reunião de planejamento:
Full verbatim:
Eu, eh, eu acho que a gente… a gente devia, tipo, lançar na terça. [ri] Ou, hã, na quarta. Quarta também serve.
Clean verbatim:
Eu acho que a gente devia lançar na terça. Ou na quarta. Quarta também serve.
Editada (às vezes vendida como «intelligent verbatim»):
Acho que devíamos lançar na terça ou na quarta.
A primeira é uma gravação em forma de texto. A segunda é o que a pessoa assinaria embaixo. A terceira é uma paráfrase: mais curta e mais lisa, e já não é uma citação. Só as duas primeiras são transcrições.
O que cada nível remove
As definições do setor são consistentes o bastante para virar tabela. Full verbatim, como a Rev define, significa que «cada palavra falada no seu arquivo de áudio é escrita palavra por palavra»; clean verbatim significa que o arquivo foi «levemente editado para facilitar a leitura», sem paráfrase. Verificado em setembro de 2026.
| Removido? | Full verbatim | Clean verbatim | Editada |
|---|---|---|---|
| Sons de hesitação: eh, hã, ahn | mantido | removido | removido |
| Vícios de linguagem: tipo, então, né | mantido | removido | removido |
| Falsos começos: «a gente… a gente devia» | mantido | removido | removido |
| Gagueira e palavras repetidas | mantido | removido | removido |
| Autocorreções: «na terça. Ou na quarta» | mantido | mantido | fundido |
| «Sim», «aham» dos outros falantes | mantido | geralmente removido | removido |
| Não verbal: [ri], [tosse], [pausa] | mantido, marcado | removido | removido |
| Gíria e gramática | como foi dito | como foi dito | corrigida |
| Estrutura das frases | como foi dito | como foi dito | reescrita |
Duas linhas decidem a maioria das discussões. As autocorreções ficam no clean verbatim: «Ou na quarta. Quarta também serve» é a pessoa mudando de ideia dentro do registro, e cortar isso muda o sentido. E a gramática fica como foi dita: o clean verbatim remove ruído, não conserta o português. No momento em que uma transcrição começa a corrigir gramática, ela passou a ser edição e não pode mais ser citada entre aspas.
Quem precisa de full verbatim, e quanto custa
O full verbatim é para quem tem uma análise que depende de como algo foi dito, não só do quê.
- Processos judiciais. Uma transcrição de depoimento que apaga o «eh, eu… eu não lembro» de uma testemunha removeu exatamente a hesitação sobre a qual um advogado vai discutir depois. Os estenógrafos judiciais escrevem tudo por essa razão.
- Pesquisa qualitativa que codifica a fala em si. Análise da conversação, análise do discurso, parte da psicologia e da linguística: a pausa e o falso começo são os dados.
- História oral. Um arquivo é uma fonte. Limpá-lo é o mesmo que retocar uma fotografia num dossiê de provas.
O custo é real e foi medido. Um estudo de 2022 na Emerging Themes in Epidemiology, baseado em dois ensaios de saúde comunitária em Gana, constatou que a transcrição verbatim levava de 6 a 10 horas por hora de entrevista, contra 1 a 2 horas para notas ampliadas do entrevistador. A conclusão não foi «verbatim é sempre necessário». Foi que, para perguntas aplicadas relativamente simples, notas bem supervisionadas bastavam, e que nos grupos focais, onde a própria interação carregava o sentido, as notas «não conseguiram captar a interação e a riqueza» e o verbatim continuava necessário. Essa é a forma honesta da resposta: verbatim onde a textura é o achado, não em toda parte.
Quem precisa de clean verbatim
Quase todo o resto, e é o padrão que a maioria dos serviços orça.
- Transcrições de podcast e notas do episódio. Ninguém lê a página de um podcast pelos «eh».
- Entrevistas para matérias. Você vai citar a partir daqui, e o clean verbatim é o que uma citação deve ser: as palavras da pessoa, menos o ruído que ela mesma tiraria. (O que se pode cortar dentro de uma citação é outra pergunta, com regras próprias: tratamos disso em o que se pode cortar de uma citação.)
- Atas de reunião, aulas, material de estudo. O que importa é o conteúdo, e cada vício é uma lombada.
- Legendas. Legendas em full verbatim falham duas vezes na regra de velocidade de leitura: os vícios comem caracteres e os falsos começos viram micro-legendas próprias, uma das falhas das nossas regras de tempo para legendas.
O que uma transcrição por IA realmente é
Esta é a parte que os formulários de pedido nunca contam, então vai sem rodeios.
A saída bruta da IA não é nenhuma das duas. Os modelos de fala são treinados sobretudo com áudio legendado, e as legendas deixam os «eh» de fora. Então os modelos aprenderam a deixá-los de fora também. Uma transcrição bruta de qualquer motor moderno mantém a maioria das palavras e descarta uma parcela imprevisível das hesitações, gagueiras e repetições: mais do que o full verbatim permite, menos do que o clean verbatim exige. Se uma norma jurídica ou de pesquisa diz «full verbatim», uma transcrição por IA sem revisão não a cumpre, diga o que disser a página de marketing. Alguém precisa conferi-la contra o áudio.
O clean verbatim é onde a IA é genuinamente boa, com uma condição. A Speecho faz isso em dois lugares, e eles funcionam de forma diferente de propósito.
O contador de vícios de linguagem remove vícios por lista: um conjunto conhecido de sons de hesitação e vícios para cada um de 12 idiomas, mais os que você adicionar, mais repetições imediatas de palavras. É grátis, roda no navegador e destaca cada ocorrência antes de remover qualquer coisa, então você vê que o «tipo» de «não é esse tipo de coisa» está prestes a sumir e o coloca de volta. Ele não mexe em falsos começos nem em autocorreções, porque uma lista de palavras não consegue distinguir «a gente… a gente devia» de uma repetição deliberada.
Dentro da Speecho, o estilo de notas Texto limpo (sem vícios de linguagem) faz o trabalho completo com um modelo de linguagem: vícios, falsos começos, gagueira e autocorreções imediatas (mantendo a versão corrigida), com a pontuação consertada onde as remoções exigem. Ele trabalha parágrafo por parágrafo e tem a instrução de não resumir, encurtar, reordenar nem reformular mais nada. Essa instrução é toda a diferença entre clean verbatim e edição, e é por isso que o resultado ainda deve ser lido uma vez antes de publicar: um modelo seguindo uma regra não é uma pessoa conferindo uma citação.
Nenhum dos dois deveria produzir jamais a terceira coluna. Se uma ferramenta devolve frases mais curtas e mais lisas do que a pessoa disse, ela editou, não limpou, e você não pode colocar aspas no resultado.
A regra prática
Faça uma única pergunta: alguém algum dia vai precisar discutir como isto foi dito? Se sim, um tribunal, um comitê de ética, um historiador do futuro, mantenha o full verbatim, trate a transcrição por IA como rascunho e mande conferir contra o áudio. Se não, o clean verbatim é o registro certo, e é o que a IA produz bem: transcreva, rode a limpeza, leia uma vez, publique.
De qualquer forma, a transcrição bruta é a que se guarda. Um arquivo verbatim sempre pode ser limpo. Um arquivo limpo não volta a ser sujo.
