Transcrição de reunião no Windows: nativa, sem bot

Onze e dez da manhã. Você é da controladoria e tem três calls coladas: a primeira no Teams desktop com o time de compras, a segunda num Zoom que o fornecedor mandou, a terceira num Meet com o jurídico. Cada uma numa janela diferente do mesmo notebook Windows. Na do Teams você até acha a "transcrição ao vivo" no menu, mas ela some quando você pula pro Zoom, porque a transcrição do Zoom é outra, mora noutro lugar, e o resumo dela sai melhor em inglês. No fim das três, você tem um transcript pela metade, um resumo que ninguém leu e duas reuniões sem registro nenhum. O áudio das três, no entanto, passou todo pela mesma placa de som do seu Windows. Existe um jeito de capturar exatamente aí, uma vez, pra qualquer reunião.

A pergunta que traz a maioria das pessoas até aqui é direta: como transcrever uma reunião no Windows sem depender da função de cada plataforma e sem um robô entrando na chamada? A resposta passa por um detalhe do próprio sistema operacional que quase ninguém olha: o áudio que o Windows já está tocando pra você ouvir.

O detalhe do Windows que muda o jogo: o áudio do sistema

Toda reunião que você ouve no Windows passa por um ponto comum antes de chegar no seu fone. O sistema mistura tudo que está tocando, a voz do fornecedor no Zoom, o colega no Teams, o som de uma aba aberta, numa única saída e manda pro alto-falante. Esse ponto tem nome na documentação da Microsoft: loopback.

A definição é da própria Microsoft, na página de áudio do Windows atualizada em abril de 2025: "In loopback mode, a client of WASAPI can capture the audio stream that is being played by a rendering endpoint device", em modo loopback, um programa pode capturar o áudio que está sendo tocado pela saída de som (Loopback Recording, Microsoft Learn, abr/2025). E o que ele captura é a mistura completa: "WASAPI loopback by default contains the mix of all audio being played", a soma de todo o áudio em reprodução, não importa de qual programa veio.

É essa a base técnica de transcrever no Windows sem bot. Em vez de pedir permissão pra uma plataforma, ou colocar um convidado a mais na chamada pra ele "ouvir" a reunião, um app de desktop lê o som que o seu próprio computador já está produzindo, o loopback do sistema mais o seu microfone, que é a sua voz. Junta os dois e tem a reunião inteira, os dois lados, sem nada entrar na sala. O Verter é construído exatamente em cima disso: ele capta o áudio do PC localmente e transcreve dali.

Repare no que isso destrava. Como o app ouve a placa de som e não a janela do Teams, ele não liga pra qual aplicativo está tocando. Teams desktop, Zoom, Meet no navegador, uma gravação que alguém te mandou. Pro loopback é tudo a mesma mistura. Uma captura, qualquer reunião. É o oposto de aprender a função de transcrição de cada plataforma, uma por uma.

"Mas o Teams já transcreve", por que isso não resolve

A objeção mais comum é justa: o Teams tem transcrição ao vivo, o Meet tem, o Zoom tem resumo de IA. Por que instalar outra coisa? Porque cada uma dessas funções carrega uma letra miúda que só aparece quando você precisa dela de verdade.

Primeiro, é uma função por plataforma, e ela não te acompanha quando você troca de app. A transcrição ao vivo do Teams só existe no Teams. E só no Teams de desktop, aliás: a documentação da Microsoft diz que "Live transcription is only available on Teams for desktop", no celular você só vê o transcript depois que a reunião acaba (View live transcription, Microsoft Support). Na sua manhã de três calls em três plataformas, isso significa configurar e gerenciar três funções diferentes, cada uma com sua regra.

Segundo, a transcrição aparece pra sala inteira. No Teams, "All participants see a notification that the meeting is being transcribed", todos recebem o aviso (Microsoft Support). No Meet, a função "Take notes for me" do Gemini mostra um ícone de lápis azul e um aviso na tela de todo mundo (Take notes for me, Google Meet Help). É transcrição compartilhada, não uma leitura analítica e privada da conversa, o oposto de uma janela só sua onde você organiza o que ouviu sem ninguém saber.

Terceiro, o resumo de IA puxa pro inglês. A transcrição literal até roda em português nas três, o Meet, por exemplo, lista português entre os idiomas suportados (Supported languages, Google Meet Help). O problema é a camada de inteligência em cima. A documentação da própria Microsoft restringe o recap de vídeo a reuniões em inglês, com lançamento de abril a maio de 2026 só pra quem tem licença do Microsoft 365 Copilot (Intelligent recap, Microsoft Learn). No Zoom, análises de 2026 apontam que o AI Companion resume melhor em inglês e perde qualidade em português e em calls de idioma misto (tl;dv, Zoom AI Companion review 2026).

E o quarto ponto é o que prende tudo: o Copilot em tempo real do Teams, o único que tenta dar algo ao vivo, "requires the Copilot license and is not available with just Teams Premium", não vem nem no Premium, exige a licença separada de Copilot (Teams Premium vs Microsoft 365 Copilot, University of Iowa, jan/2026). E o Zoom AI Companion só liga pra quem hospeda numa conta paga: "If anyone on your team uses a free Zoom account to host meetings, those meetings won't get summaries" (tl;dv, 2026).

Some tudo: uma função por app, visível pra sala, com a parte inteligente travada atrás de licença e otimizada pra inglês. Para a sua reunião de compras em português, no Windows, isso é registro, não entendimento.

E os apps que "não usam bot"? O detalhe do Windows que eles não pegam

Aqui entra a confusão que mais atrapalha a decisão. Otter e Fireflies anunciam captura sem bot, e é verdade, em parte. Eles têm extensão de Chrome. A extensão da Otter transcreve "qualquer aba com áudio" e funciona com as versões web de Zoom, Teams e Meet (Otter, Chrome Web Store). A do Fireflies capta sem bot, mas só no Google Meet; pra Zoom ou Teams, o próprio guia manda usar o Notetaker bot (Fireflies Chrome Extension, base de conhecimento).

O detalhe que muda tudo: uma extensão de navegador ouve o áudio de uma aba do navegador. Se a reunião está numa aba, ela pega. Se está no app de desktop do Teams ou do Zoom, que é como a maioria das empresas usa, com o cliente instalado, não há aba pra ouvir. Você teria que abrir a reunião pela versão web, no Chrome, só pra extensão funcionar. A documentação da Otter pra Zoom é literal: "Open a Zoom URL in your Chrome browser", abra a URL do Zoom no navegador (Chrome Web Store).

É essa a fronteira real. A extensão de navegador escuta a aba; o app de desktop que lê o loopback escuta a placa de som. No Teams desktop, onde não existe aba, a extensão não tem o que ouvir. O loopback tem, porque o áudio chegou no sistema do mesmo jeito. Por isso "sem bot" não basta como critério: importa onde o app escuta. No Windows, escutar o sistema é o que cobre as três reuniões da sua manhã sem você reabrir nenhuma no navegador.

Não é detalhe de nicho. O Windows responde por 63,66% do mercado de desktop no mundo, segundo o StatCounter de abril de 2026 (Statcounter Global Stats). A reunião corporativa brasileira acontece, em maioria esmagadora, num PC com Windows e com o Teams ou o Zoom instalados como app, exatamente o cenário em que a captura por aba falha e a captura do sistema funciona.

O que o Verter faz durante a reunião que o registro nativo só faz depois

Captar o áudio do sistema resolve a transcrição. Mas o motivo de o Verter existir não é transcrever. É o que ele faz com o que ouve, enquanto a reunião acontece.

Volte pra call de compras das 11h. O fornecedor diz: "consigo entregar dia 20, mas só se o pedido fechar até sexta". À medida que a frase sai, o Verter já joga na janela lateral "decisão: prazo de entrega dia 20, condicionado a fechar até sexta" e, dois minutos depois, quando o valor é repetido pela terceira vez sem ninguém comentar, "atenção: preço mencionado 3 vezes, possível objeção não dita". Essa janela é privada: só você enxerga, e ela fica fora do compartilhamento de tela, então ninguém na reunião sabe que ela existe. Você corrige o rumo ali, pergunta sobre o preço antes de desligar, em vez de descobrir o ruído lendo a ata no dia seguinte.

A transcrição nativa do Teams ou o resumo do Zoom trabalham no tempo verbal oposto: o passado. Eles organizam e resumem depois que a chamada termina. Mostram texto correndo na tela durante, sim, mas o entendimento, o que foi decidido, o que virou tarefa, o que merece atenção, só nasce quando você já desligou e o momento de agir passou.

E o Verter não abandona o "depois". Ao encerrar, ele entrega a ATA pronta em PT-BR, com decisões, tarefas e responsáveis separados num template configurável. Cobre os dois tempos da sua manhã: o insight ao vivo durante cada call e o registro estruturado quando ela acaba, uma vez, pras três plataformas, sem trocar de função.

O resto reforça essa proposta sem ser o centro dela. Como a captura é local, no seu PC, e o Verter é empresa brasileira com dados no país, a reunião do jurídico das 11h não sai do Brasil, o que muda a conversa de conformidade sob a LGPD pra qualquer call com dado sensível. O motor ouve o português como primeira língua, então o "ão" de "decisão" não é exceção a contornar. E o preço é em real, com nota CPF/CNPJ, sem câmbio surpreendendo o financeiro. Tudo isso é músculo a favor, mas o coração, o que faz você fechar o Verter em vez do registro nativo, é ver a decisão na hora em que ela é fechada.

Como transcrever cada reunião no Windows, na prática

O passo a passo é o mesmo pras três plataformas, e essa é a graça de captar o sistema em vez da plataforma.

• No Teams (desktop): entre na reunião pelo app instalado, como sempre. Não precisa ligar a transcrição nativa nem deixar nenhum bot entrar pela agenda. O Verter, aberto em paralelo, capta o áudio do sistema, a voz dos outros, que sai pelo seu alto-falante, somado ao seu microfone.
• No Google Meet: funciona pela aba do navegador ou pelo app, tanto faz, porque o Verter ouve o som que o Windows está tocando, não a aba. Sem o ícone de lápis avisando a sala que há uma IA anotando.
• No Zoom: entre pelo cliente de desktop do Zoom normalmente. Não depende de o anfitrião ter conta paga pra você ter o seu registro e o seu insight ao vivo, a captura é do seu lado.

Em todos, o que aparece na sua tela durante a call é a janela privada com decisões, tarefas e pontos de atenção; o que fica depois é a ata em PT-BR. Se a dúvida é sobre por que captar a saída do sistema é melhor que só o microfone, e quando cada um falha, vale o guia de áudio do sistema vs microfone na transcrição. Se o ponto que mais pesa pra você é não ter convidado estranho na chamada, o caminho pra transcrever sem bot no Zoom, Teams e Meet entra no detalhe de por que os bots viraram problema em 2026. E se você quer o passo a passo da função nativa de cada plataforma, e exatamente onde cada uma trava no Windows, veja a transcrição de reunião no Windows plataforma por plataforma no Teams, Meet e Zoom.

Quando a transcrição nativa do app já basta

Comparação honesta diz onde a função embutida resolve sem você instalar nada. Alguns casos:

• Você vive numa plataforma só e em inglês. Se todas as suas reuniões são no Teams, em inglês, e a empresa já paga a licença de Copilot, o recap nativo entrega bem. É o cenário pra que ele foi desenhado.
• Você só precisa do texto, não do entendimento ao vivo. Se o objetivo é ter um transcript pra buscar uma palavra depois, e ninguém vai agir durante a call, a transcrição nativa do Teams ou do Meet em português cobre o básico, e de graça, dentro do plano que você já tem.
• A transcrição visível pra sala não é problema. Em reunião interna, transparente, onde todo mundo sabe e concorda que há transcrição rolando, o aviso pra todos os participantes não atrapalha. A janela privada do Verter brilha quando você precisa de uma leitura só sua, numa negociação, numa entrevista, numa call com cliente.
• Você não usa Windows. No macOS, o app do Verter ainda está em beta. Se o seu time é todo de Mac, vale conferir o estado antes de adotar.

Se o seu dia é como o das 11h, várias calls, várias plataformas, em português, num PC com Windows, e você precisa entender a conversa enquanto ela acontece sem avisar a sala, captar o áudio do sistema com o Verter resolve o que nenhuma função embutida foi feita pra resolver. Se é uma plataforma só, em inglês, e basta o texto depois, fique no nativo.