Transcrição de áudio no escritório: quando a nuvem resolve e quando ela cria um problema
Gravar a reunião com o cliente e jogar o áudio num transcritor virou hábito. É rápido, é barato, e o resultado costuma ser bom o bastante para virar ata, resumo ou base de petição.
O passo que quase ninguém executa é o anterior: parar por trinta segundos e responder para onde esse arquivo está indo.
Para a maioria das profissões, a resposta é irrelevante. Para quem advoga, ela tem consequência disciplinar — e vale entender a diferença antes de decidir a ferramenta.
O que exatamente sai da sua máquina
Quando você sobe um áudio para um serviço de transcrição, três coisas viajam junto:
O conteúdo. O que o cliente falou. Em uma consulta, isso costuma incluir saúde, situação financeira, relações familiares e detalhes de conflito — dados pessoais sensíveis na definição do art. 5º, II da LGPD, com regime de tratamento mais rígido (art. 11).
A voz. Uma amostra biométrica que identifica quem falou e pode ser reutilizada para gerar fala sintética.
O contexto. Nome do arquivo, data, duração e, muitas vezes, os metadados da gravação. Bastante para identificar as partes mesmo sem ouvir nada.
Nada disso é motivo para pânico. É motivo para escolher com critério, porque o dever jurídico aqui não é genérico.
O enquadramento que se aplica ao advogado
Três camadas, e elas se somam:
Sigilo profissional. O art. 34, VII do Estatuto da Advocacia (Lei 8.906/94) trata como infração disciplinar violar, sem justa causa, o sigilo profissional. O Código de Ética e Disciplina reforça o dever de guardar sigilo dos fatos conhecidos no exercício da profissão. O dever é do advogado — não se transfere ao fornecedor de software.
Inviolabilidade dos instrumentos de trabalho. O art. 7º, II do mesmo Estatuto protege o escritório, os instrumentos de trabalho e a correspondência escrita, eletrônica e telemática relativas ao exercício da advocacia. Uma proteção que faz muito mais sentido quando o arquivo está sob seu controle do que quando está no servidor de um terceiro sujeito a outra jurisdição.
LGPD. O escritório é controlador dos dados que trata; o serviço de transcrição é operador. Isso importa porque a responsabilidade perante o titular (arts. 42 e seguintes) fica com o controlador. Se o operador vazar, o cliente reclama com você.
Há ainda o caso das ações em segredo de justiça, em que a circulação do conteúdo é restrita por decisão judicial — e subir o áudio para um serviço qualquer é, no mínimo, difícil de defender.
As duas rotas
Nuvem
O áudio sobe para um servidor, um modelo processa e o texto volta. É o caminho da grande maioria das ferramentas, inclusive as embutidas em apps que você já usa.
A favor: funciona em qualquer aparelho, não exige configuração, é rápido e a qualidade em português brasileiro é consistentemente boa.
Contra: você depende inteiramente da política do fornecedor. As perguntas que decidem se o serviço serve ou não são quatro: qual o prazo de retenção declarado, se o áudio é usado para treinar modelos, em que país ficam os servidores, e se há subcontratação para outra API. Serviço que não responde essas quatro com clareza não deveria receber áudio de cliente.
Local
O modelo roda no seu computador. O Whisper, da OpenAI, é de código aberto e roda offline em Mac, Windows e Linux. Na prática, a implementação mais usada em escritório é o whisper.cpp — uma reescrita em C++ que roda bem em CPU comum, sem exigir placa de vídeo dedicada, e que se instala com um make e o download de um modelo. Há alternativas open source com propostas parecidas.
O áudio não sai da máquina — não há trajeto para auditar, porque não há trajeto.
A favor: o problema de sigilo simplesmente não se coloca. Sem servidor externo, sem política de retenção para conferir, sem operador na cadeia. Custo marginal zero por hora transcrita, o que muda a conta em volume alto.
Contra: e aqui é preciso ser honesto, porque a maioria dos textos sobre o assunto não é. Exige instalação e alguma familiaridade com terminal. Consome bastante do computador — em máquina modesta, transcrever uma audiência longa leva tempo. A qualidade em português brasileiro varia conforme o modelo escolhido: os modelos menores são visivelmente piores que um bom serviço de nuvem, e os maiores, que se aproximam, pedem hardware melhor. Áudio ruim — sala com eco, microfone distante, várias pessoas falando junto — degrada o resultado mais do que na nuvem.
Comparativo
| Nuvem | Local | |
|---|---|---|
| Áudio sai da máquina | Sim | Não |
| Instalação | Nenhuma | Exige configuração |
| Qualidade em pt-BR | Consistente | Varia com o modelo e o hardware |
| Velocidade | Alta, independe do seu equipamento | Depende da máquina |
| Custo | Por minuto ou assinatura | Zero após instalar |
| Funciona offline | Não | Sim |
| Retenção do arquivo | Conforme política do fornecedor | Você define |
| Adequado a segredo de justiça | Difícil de sustentar | Sim |
O ponto que quase todo mundo esquece: transcrever é só a metade
Transcrever local resolve o problema do áudio. Ele não resolve o problema seguinte — e é aqui que a maioria dos escritórios reintroduz o risco que tinha acabado de eliminar.
Porque quase ninguém transcreve por transcrever. Você transcreve para depois resumir, extrair pontos controvertidos, cruzar com o processo ou redigir uma minuta. E aí o texto vai para um modelo de linguagem — frequentemente o mesmo ChatGPT genérico de onde você tirou o áudio com tanto cuidado.
O trajeto correto tem dois passos, e eles protegem coisas diferentes:
Passo 1 — o áudio nunca sai da máquina. whisper.cpp local. Isso protege a voz (dado biométrico) e o conteúdo bruto, com todos os "hã", hesitações e assuntos que o cliente trouxe e não têm relação com a causa.
Passo 2 — o texto vai para um modelo sob contrato de Zero Data Retention. ZDR é a cláusula em que o fornecedor se compromete a não reter o conteúdo enviado após o processamento e a não usá-lo para treinar modelos. É a diferença entre "confiamos que eles apagam" e "está contratado que eles apagam".
Escrevemos sobre isso em detalhe em Zero Data Retention: o que todo advogado precisa saber antes de usar IA, e a nossa configuração está descrita em procstudio.com.br/ia-zdr.
Vale notar por que os dois passos não são intercambiáveis. Um contrato ZDR bem redigido resolveria também o áudio, em tese. Mas áudio carrega biometria, e biometria é dado sensível na LGPD com regime próprio — a diferença entre "o texto do que foi dito" e "a voz de quem disse" é grande o suficiente para justificar tratar cada um do seu jeito. Transcrever local custa pouco e elimina uma categoria inteira de risco. Não há razão para não fazer.
Sobre a qualidade do reconhecimento em si, o cenário mudou rápido: já comentamos o Cohere Transcribe superando o Whisper em benchmark. Modelo melhor é sempre bem-vindo — só não substitui a pergunta de onde ele roda.
Como decidir, na prática
Um critério que funciona sem precisar virar especialista em IA: classifique o áudio, não a ferramenta.
Áudio sem conteúdo sigiloso — reunião interna de equipe, gravação de aula, roteiro que você mesmo ditou, entrevista pública. Nuvem, sem cerimônia. O ganho de praticidade compensa e não há dever violado.
Áudio de cliente, audiência ou oitiva — local, sempre que viável, e o que for feito com o texto depois vai para modelo sob ZDR. Se a transcrição local não for viável hoje, então nuvem com fornecedor que responda por escrito às quatro perguntas acima, com retenção curta e declarada.
Processo em segredo de justiça — local. Não é questão de preferência.
Vale registrar em algum lugar qual caminho foi usado em cada caso. Se a transcrição virar peça, o trajeto do arquivo passa a fazer parte da cadeia de custódia — e reconstruir isso depois, de memória, é péssimo.
Onde estamos nisso
Transparência sobre nosso próprio produto, porque recomendar critério sem aplicá-lo seria incoerente.
O WhatsOrganizer, nossa ferramenta aberta de organização de conversas, hoje transcreve áudio via API externa — e isso está dito na documentação, porque é a informação que você precisa para decidir. Em compensação, os arquivos são excluídos automaticamente em 24 horas por política de ciclo de vida, não há cadastro nem histórico associado a usuário, e o código é auditável: dá para conferir o que ele faz, ou rodar sua própria instância.
Transcrição local é o próximo passo do roteiro, e está registrada publicamente como tal. Não anunciamos como pronta porque não está — e a diferença entre as duas coisas é exatamente o tipo de informação que um escritório precisa ter para escolher bem.
O resumo
A pergunta útil não é "IA na advocacia é segura?". É "para onde vai este arquivo específico?".
Para boa parte do que passa pelo escritório, a nuvem resolve bem e não há razão para complicar. Para o áudio do cliente, a resposta muda — e existe hoje uma alternativa madura o bastante para ser considerada a sério, com as limitações que descrevemos acima.
O arranjo que temos visto funcionar na prática é simples de enunciar: áudio transcrito na própria máquina, texto processado sob contrato de Zero Data Retention. Um passo protege a voz, o outro protege o conteúdo. Nenhum dos dois exige abrir mão da IA — exigem apenas saber onde cada coisa está sendo processada.
O que não dá é continuar sem responder a pergunta. Porque quem responde pelo sigilo, no fim, é quem tem inscrição na Ordem.
Quer organizar a rotina do escritório com ferramentas que explicam o que fazem com seus dados? Conheça o ProcStudio — plano gratuito para advogado solo.