Transcrição de reunião no Windows: Teams, Meet e Zoom

Uma quarta-feira qualquer de um consultor que vive em call: 9h, kickoff de projeto no Teams; meio-dia, alinhamento com a agência no Google Meet; 15h30, reunião de fechamento com o cliente no Zoom. Três plataformas, um único notebook com Windows. Ele tenta deixar cada uma transcrevendo sozinha e descobre, no susto, que são três regras diferentes: no Teams o botão de transcrição estava cinza porque o admin não tinha liberado; no Meet o "Take notes for me" só aparece pra quem tem o plano pago certo e ele entrou como convidado; no Zoom a transcrição automática só vale se a gravação for na nuvem, e ele gravou no computador. Fim do dia, três reuniões, nenhuma ata confiável.

A pergunta que traz a maioria das pessoas até aqui é exatamente essa: como transcrever reunião no Windows quando o dia tem Teams, Meet e Zoom misturados, sem ter que aprender três sistemas, pagar três planos e ainda torcer pra que cada um esteja ligado? Tem um caminho que ignora as três regras de plataforma de uma vez — capturar o áudio do próprio Windows. Este post é o passo a passo, plataforma por plataforma, do que a transcrição nativa dá (e onde ela trava), e de como a captura do áudio do sistema mais o microfone resolve os três casos com a mesma engrenagem.

A transcrição nativa de cada plataforma — e onde ela trava no Windows

Antes de qualquer app de fora, vale saber o que o próprio Teams, Meet e Zoom já fazem. Os três têm transcrição embutida, sem nenhum participante extra na sala. O problema não é existir — é que cada um esconde a função atrás de uma trava diferente, e no meio de um dia corrido você esbarra na trava errada na hora errada.

Microsoft Teams

No Teams, a transcrição ao vivo é a mais completa das três — e a mais amarrada. A documentação da Microsoft é direta sobre onde ela roda: "Live transcription is only available on Teams for desktop" — no celular, você só consegue ver o transcript depois que a reunião termina, nunca acompanhar ao vivo (Microsoft Support). Pra ligar dentro da call: Mais ações (os três pontos) → Gravar e transcrever → Iniciar transcrição, e o Teams pede pra você confirmar o idioma falado antes de começar.

Aqui mora a primeira trava, e ela tem duas partes. A primeira é o admin: a transcrição é governada por política de reunião no Teams admin center, e se o seu TI não habilitou o recurso em Audio and video, o botão simplesmente não aparece pra você (guia BlueDot, atualizado out/2025). A segunda é o idioma: você confirma um idioma por sessão. Existe reconhecimento de fala multilíngue, mas ele é um recurso pago à parte — "available as part of the Microsoft 365 Copilot license" ou via Teams Premium (Microsoft Support). Numa reunião que começa em português e escorrega pro inglês quando entra o fornecedor gringo, a transcrição padrão fica presa no idioma que você marcou no início.

Google Meet

No Meet, o nome do recurso é "Take notes for me", do Gemini, e a primeira trava é o plano. A central de ajuda do Google diz, sem rodeio, que ele "requires an eligible Google Workspace subscription" — não existe em conta pessoal gratuita (Google Meet Help). A segunda trava é quem aperta o botão: "If Host Management is turned on in Meet, only meeting hosts can turn 'take notes for me' on or off" (mesma página). Traduzindo pro dia do consultor lá de cima: se você entra como convidado numa call da agência, a decisão de transcrever não é sua — é de quem criou a reunião.

E há a terceira trava, a mesma do Teams: idioma único. O português está na lista suportada — "English, French, German, Italian, Japanese, Korean, Portuguese, Spanish" —, mas a documentação avisa que "this feature supports one language at a time. Multiple languages spoken in the same meeting aren't currently supported" (Google Meet Help). Reunião bilíngue, de novo, fica de fora.

Zoom

No Zoom é onde a confusão mais comum no Windows acontece, porque "gravar" e "transcrever" são duas coisas separadas e a transcrição automática mora só num dos lados. A documentação da Zoom é clara: a transcrição automática de áudio exige "a Pro, Business, Education, or Enterprise account" com gravação na nuvem habilitada (Zoom Support). Quem usa a gravação local — aquela que salva no seu computador, em Documentos > Zoom, com o áudio num arquivo .m4a — fica com o arquivo, mas sem transcript automático: precisa subir o .m4a num transcritor depois, num passo manual à parte.

A gravação local tem uma vantagem técnica que vale registrar, porque ela explica por que separar quem-falou-o-quê é tão difícil sem isso. No app de desktop do Windows, dá pra ligar "Record a separate audio file for each participant", e aí cada pessoa vira um arquivo de áudio próprio, com o nome dela no início (TechRepublic). Trilha por pessoa é o sonho de qualquer transcritor pra rotular falantes. O preço: só funciona em gravação local, no desktop (não no navegador nem no celular), e o host precisa ter dado permissão pra você gravar localmente. Ou seja, a melhor matéria-prima pra diarização está justamente no caminho que não te dá transcrição automática.

O caminho que ignora as três travas: capturar o áudio do Windows

Repare no padrão das três seções acima: toda trava é da plataforma, não do seu computador. Plano errado, admin que não liberou, host que controla, idioma fixo, gravação na nuvem vs. local. Você não controla nenhuma dessas alavancas quando entra como convidado numa call alheia. Mas tem uma coisa que é 100% sua e que nenhuma plataforma governa: o áudio que toca no seu próprio Windows.

É aqui que entra a captura do áudio do sistema. Toda reunião online produz dois fluxos de som no seu PC. Um sai pelo fone ou pela caixa — é a voz de todo mundo que está remoto, que a plataforma já entregou pra você ouvir. O outro entra pelo microfone — é a sua voz na sala. Um app de desktop lê esses dois fluxos direto do Windows, junta e transcreve, sem nunca falar com o Teams, o Meet ou o Zoom. Pra plataforma, você é só um humano ouvindo e falando.

O fluxo que sai tem nome técnico no Windows: loopback. A documentação oficial da Microsoft, atualizada em abril de 2025, define em uma frase: "In loopback mode, a client of WASAPI can capture the audio stream that is being played by a rendering endpoint device" — em português direto, o app captura exatamente o áudio que está saindo pelo seu dispositivo de reprodução (Microsoft Learn, WASAPI loopback). E o melhor detalhe pra quem já apanhou com o velho "Stereo Mix": o mesmo documento avisa que "WASAPI supports loopback recording regardless of whether the audio hardware contains a loopback device, or whether the user has enabled the device". Ou seja, no Windows moderno não depende de uma placa de som específica nem de habilitar nada escondido no painel — o caminho é nativo do sistema.

Três consequências caem de uma vez desse desenho:

• Funciona igual nas três plataformas. Como a captura é do seu PC e não da call, a mesma engrenagem serve pro Teams às 9h, pro Meet ao meio-dia e pro Zoom às 15h30 — e ainda pra Webex, Discord, ou uma reunião presencial com o notebook na mesa. Você aprende uma vez, não três.
• Não passa por plano, admin nem host. Não há política de admin pra liberar, não há assinatura de Workspace pra ter, não há host controlando se você pode. O áudio é seu.
• Sem bot e sem extensão. Não entra nenhum participante "Notetaker" na lista da chamada, e não é uma extensão presa à aba do navegador (que, aliás, nem cobre o app de desktop do Teams ou do Zoom). É um app que ouve o seu Windows.

O ponto honesto: ao juntar tudo num fluxo de áudio só, a captura local não recebe a trilha-por-pessoa que a gravação local do Zoom oferece. A separação de falantes (diarização) tem que ser feita por IA em cima do áudio já mesclado. Pra entender por que mesmo assim capturar as duas fontes é o que salva a transcrição, vale o comparativo entre áudio do sistema e microfone.

Passo a passo no Windows, plataforma por plataforma

Com um app de captura de áudio do sistema rodando no Windows, o roteiro fica quase idêntico nas três — e é aí que está o ganho. Abaixo, o que muda em cada uma.

No Microsoft Teams. Abra o app de desktop do Teams (a captura local convive bem com ele, já que ambos são apps do Windows). Inicie o app de transcrição antes de entrar na call, pra não perder os primeiros minutos. Entre na reunião normalmente — você não precisa ligar a transcrição nativa nem pedir nada ao admin. O loopback pega a voz dos outros que sai pelo seu fone; o microfone pega a sua. Reunião que vira do português pro inglês? O motor transcreve as duas, porque não está preso a um idioma único de plataforma.

No Google Meet. O Meet roda no navegador, e é exatamente onde a transcrição nativa exige plano pago e permissão de host. A captura do áudio do sistema não liga pra isso: ela ouve o áudio que o Chrome (ou Edge) está jogando nos seus alto-falantes, igual a qualquer outro som do Windows. Entre como convidado, sem ser host, sem assinatura do Workspace — a transcrição acontece no seu PC, não no Meet.

No Zoom. Aqui o ganho é o mais palpável. Em vez de escolher entre gravar na nuvem (transcrição automática, mas plano pago) ou gravar local (de graça, mas sem transcript), você simplesmente deixa a captura do sistema rodando e ignora a gravação do Zoom inteira. O áudio que sai pelo fone é transcrito na hora, sem .m4a pra subir depois, sem esperar a nuvem processar.

Onde o Verter vai além da transcrição — durante a reunião

Capturar o áudio do Windows resolve o "como transcrever as três plataformas sem apanhar pra cada uma". Mas transcrever é o piso. O que muda o resultado de uma reunião é o que você enxerga enquanto ela acontece — e é aqui que o Verter deixa de ser só um transcritor de Windows.

O Verter é um app de desktop que captura o áudio do próprio PC — o loopback do sistema mais o seu microfone — então não há nenhum participante "Verter" na lista do Teams, do Meet ou do Zoom. Até aí, é a captura local que descrevemos. A diferença é o tempo. Enquanto as pessoas falam, a IA vai separando o que é decisão, o que virou tarefa e o que é ponto de atenção, e empurrando isso numa janela lateral que só você vê — ela fica fora do compartilhamento de tela, então ninguém na reunião sabe que existe.

Na prática, com o consultor do começo: aos 18 minutos do kickoff no Teams, o cliente move a entrega da fase 1 pra duas semanas antes. Na janela privada aparece "DECISÃO — entrega da fase 1 antecipada em duas semanas". Ele ajusta o escopo ali, com a call ainda aberta, em vez de descobrir o aperto relendo a ata à noite. Ao meio-dia, no Meet, a agência cita orçamento pela terceira vez sem fechar; aparece "ATENÇÃO — orçamento mencionado 3 vezes, possível objeção". Às 15h30, no Zoom, o cliente joga um compromisso no meio da frase; vira "TAREFA" com responsável antes de a frase acabar. Três plataformas, uma janela, o mesmo Windows. E o "depois" não some: ao encerrar cada reunião, o Verter entrega a ATA em PT-BR, com decisões, tarefas e responsáveis num template configurável.

O reforço que fecha o caso pra quem trabalha aqui é específico deste ângulo: você está rodando isso no Windows da sua empresa, com reuniões que muitas vezes têm dado sensível. A transcrição em português é nativa — o áudio brasileiro entendido como primeira língua, não traduzido —, os dados ficam no Brasil sob a LGPD (empresa brasileira, não servidor nos EUA), e o preço é em real com nota CPF/CNPJ, sem câmbio surpresa no fim do mês. O coração continua sendo o insight ao vivo na janela só sua; PT-BR nativo, dado no Brasil e preço em real são o que faz esse coração caber no seu dia.

Quando a transcrição nativa da plataforma ainda basta

Nem todo caso precisa de app de fora. A transcrição embutida resolve bem em alguns cenários — e vale dizer quais, sem empurrar nada.

• Você é sempre o host, no plano certo, e suas reuniões são monolíngues. Se você cria as próprias calls, tem a licença que destrava o recurso (Copilot/Premium no Teams, Workspace pago no Meet, Pro+ com nuvem no Zoom) e ninguém fala outro idioma no meio, o nativo entrega transcript sem instalar nada.
• Você só quer o transcript bruto, sem insight durante a reunião. Se o objetivo é um arquivo de texto pra consultar depois — não enxergar a decisão no momento em que ela é tomada — a transcrição nativa cobre, especialmente a do Teams, que é sólida no idioma certo.
• Você grava reuniões sem estar presente. O nativo (e os bots de agenda) gravam mesmo na sua ausência; a captura local precisa do seu PC ligado e na call. Se o seu fluxo é "registrar a reunião que eu não pude ir", a captura local não atende.

Se, em vez disso, o seu dia é Teams de manhã, Meet ao meio-dia e Zoom à tarde no mesmo Windows, com idiomas que se misturam e a vontade de ver a decisão na hora — não relê-la amanhã — capturar o áudio do sistema com insight ao vivo é o caminho que cobre as três com uma engrenagem só. Pra entender por que evitar o bot virou consenso em 2026 e o que muda na privacidade, vale o guia de transcrever sem bot no Zoom, Teams e Meet.