Como usar o Scribelyrics

Freeware e componentes de terceiros

O Scribelyrics é distribuído como Freeware: não há cobrança pelo download, pela instalação ou pelo uso do aplicativo. Não é necessário comprar uma licença ou assinar um plano do Scribelyrics.

O aplicativo é desenvolvido por Gugabyte Provedor de Serviços da Internet Ltda, CNPJ 31.573.759/0001-97. Consulte o site oficial, leia a política de privacidade ou escreva para .

Na aba Sobre, a edição informa qual pacote está instalado: CPU, NVIDIA — CUDA do Whisper com fallback por CPU ou Desenvolvimento. A edição NVIDIA acelera somente o Whisper e continua identificada como NVIDIA quando precisa usar o fallback de CPU.

Precisão e taxas de erros

O Scribelyrics está em versão beta. Os recursos principais já podem ser testados, mas o comportamento ainda pode mudar e existem situações em que a transcrição, o acompanhamento ou a tradução não acompanharão corretamente a apresentação.

Por que não existe uma taxa única?

Em reconhecimento de voz, uma medição comum é a taxa de erro de palavras, conhecida como WER. Em termos simples, ela divide a soma de palavras substituídas, omitidas e inseridas pelo total de palavras do texto de referência. O resultado só descreve o conjunto de áudios, o idioma, o equipamento e a configuração usados naquele teste.

A WER mede transcrição. Ela não mede, sozinha, se o bloco correto de uma música foi localizado nem se uma tradução preservou o sentido; essas etapas precisam de avaliações separadas.

A versão 0.2.4 Beta não declara uma porcentagem universal como garantia. Uma cifra isolada seria enganosa porque a taxa pode mudar bastante entre uma gravação limpa e um ambiente ao vivo com ruído, eco, canto, sotaques ou vozes sobrepostas.

Primeiros passos

O Scribelyrics é um aplicativo para Windows 11 x64 e trabalha com a entrada de áudio escolhida pelo usuário.

Configurações gerais

Essas opções são compartilhadas pelos modos Ao Vivo, Música e Arquivo quando aplicável.

Conectar ao Holyrics

O reconhecimento pode funcionar sem envio. Ative a integração apenas quando quiser atualizar a apresentação.

1. Prepare o API Server no Holyrics.

   1. Abra Arquivo → Configurações → API Server.
   2. Ative o acesso local e anote a porta e os endereços IP exibidos. O Scribelyrics sugere a porta 8091, mas o valor informado precisa ser o mesmo configurado no Holyrics.
   3. Abra Gerenciar permissões e crie um token exclusivo para o Scribelyrics.
   4. Habilite as ações necessárias na tabela abaixo e salve. Para poder alternar entre Apresentação Rápida e Alerta sem recriar o token, habilite as três.
   5. Copie o token e mantenha-o em segredo. CheckPermissions é apenas a verificação feita pelo aplicativo; não é uma permissão adicional para marcar.
2. Defina o endereço correto. No mesmo computador, use 127.0.0.1. Em computadores diferentes, use um IPv4 mostrado pelo Holyrics, mantenha ambos na mesma rede local e permita a porta no firewall do computador que executa o Holyrics.
3. Informe IP, porta e token no Scribelyrics. Marque “Enviar para o Holyrics”. Ative “Apresentação Rápida” para usar o Quick Presentation; desmarque-a para usar o modo Alerta.
4. Teste a conexão. O botão de conexão verifica o token e as permissões do modo selecionado. Se o Holyrics mostrar uma solicitação pendente, aprove-a na notificação exibida pelo programa ou revise o token em Gerenciar permissões.
5. Teste uma legenda. Esse segundo teste exibe uma legenda e valida o caminho completo até a tela. No uso normal, a Apresentação Rápida é fechada quando a legenda deve ser ocultada; no modo Alerta, a sobreposição é ocultada sem encerrar a apresentação atual.

Permissões do token

Consulte também a documentação oficial do API Server do Holyrics.

Modo Ao Vivo

Transcreve diretamente a voz, sem consultar TXT e sem aplicar separação de instrumentos.

Como usar

1. Escolha de 1 a 6 linhas por envio.
2. Informe o idioma falado e se haverá tradução.
3. Se precisar investigar a sessão, marque Gravar diagnóstico Ao Vivo; a opção fica desativada por padrão.
4. Confirme que o medidor reage à voz.
5. Clique em Iniciar legendas.
6. Acompanhe separadamente o estado da tradução e do Holyrics.

Modos de idioma

Quando duas pessoas falam literalmente sobrepostas no mesmo sinal, o Whisper pode não conseguir separar as vozes. O filtro atua em melhor esforço e pode descartar trechos reconhecidos como mistos ou pouco claros; ele não realiza separação de locutores.

Diagnóstico Ao Vivo opcional

Quando ativado antes do início, o diagnóstico grava relatórios locais em formato de texto estruturado com a transcrição do Whisper, as decisões do filtro, a tradução, o estado da fila e as tentativas de entrega ao Holyrics. A gravação é limitada e assíncrona para não depender da velocidade do disco no processamento de áudio.

Escolher o tradutor

• O texto é organizado em linhas de aproximadamente 30 caracteres e mantém na tela a quantidade escolhida.
• Com Microsoft, somente o texto reconhecido, não o áudio, é encaminhado ao endpoint. Com M2M100, a tradução permanece no computador.
• Depois de alguns segundos sem uma nova legenda, o conteúdo ao vivo pode ser ocultado no Holyrics.
• Para permanecer próximo do tempo real, o fluxo prioriza os trechos mais recentes quando o tradutor fica continuamente mais lento que a fala.

Modo Música

O áudio serve como pista para localizar a posição. O conteúdo enviado é sempre o texto canônico do TXT.

Preparar os arquivos TXT

• Use um arquivo por música.
• Coloque cada frase cantada em sua própria linha.
• Mantenha as linhas na ordem esperada da música.
• Linhas vazias são ignoradas; os blocos são formados pela quantidade configurada.
• Os metadados opcionais Título: e Artista: podem identificar a música.
• Os campos Autor:, Tom:, BPM: e Tempo: são ignorados pelo leitor atual.
• Revise ortografia e repetições: o texto será projetado exatamente como foi escrito.

Montar a apresentação

1. Clique em Adicionar TXT e carregue todas as músicas.
2. Use Subir e Descer para indicar a ordem mais provável.
3. Escolha de uma a seis linhas para cada bloco.
4. Clique em Iniciar modo música.

Durante a captura, adicionar, remover e reordenar ficam bloqueados para preservar o mapa das letras. Selecionar outra música ou clicar em um bloco continua disponível como correção manual.

Trocas, retornos e trechos repetidos

O programa procura primeiro a parte mais próxima da posição atual. A próxima música da lista recebe uma transição mais rápida; uma música distante, anterior ou ambígua exige uma sequência mais segura. Se o cantor mudar a ordem, selecione outra música ou clique diretamente no bloco correto.

• Ao confirmar a última frase de um bloco, a próxima tela pode ser aberta sem esperar a primeira palavra seguinte.
• Ao concluir uma música, o primeiro bloco da próxima música da lista pode ser aberto automaticamente.
• Quando existe uma frase repetida, a ocorrência futura mais próxima tem prioridade no fluxo normal.
• Uma palavra comum isolada não deve causar uma troca distante.
• O botão Reenviar bloco atual repete manualmente o conteúdo exibido.

Ajustes de reconhecimento

• Correspondência mínima: de 50% a 100%, com padrão de 80%. Margem, ordem, estabilidade e ambiguidade também participam da decisão.
• Idioma da letra: Português ou Inglês.
• Linhas na tela: define o tamanho do bloco canônico enviado.
• Contexto Whisper: experimental; pode ajudar nomes incomuns, mas também induzir palavras ainda não cantadas.

Opções de acompanhamento

Outras configurações da música

• Configurações: abre todas as opções musicais em uma janela sobreposta; durante uma captura, elas ficam disponíveis somente para consulta.
• Pausa para concluir a linha: no modo Pausas, escolha 0,5 s, 0,8 s, 1,2 s, 1,8 s ou 2,5 s.
• Ignorar falas extras: no modo Pausas, usa o Whisper para tentar impedir que comentários avancem a letra; uma análise incerta ainda é tratada como possível canto.
• Fonte no Whisper: Automático prefere o vocal separado e retorna ao mix quando necessário; também é possível fixar Vocal separado ou Mix original.
• Voltar e avançar: os comandos manuais mudam um bloco e ressincronizam o acompanhamento.

Entender o painel de reconhecimento

• Música atual e trecho: mostram a letra acompanhada e a posição aproximada.
• Veto / diagnóstico: separa a similaridade da linha candidata do score auxiliar de contexto e explica por que uma evidência aguardou, foi aceita ou foi recusada.
• Trecho esperado agora: exibe o bloco canônico que o programa espera apresentar.
• Texto entendido: diferencia a hipótese bruta do áudio e o texto estabilizado realmente usado para localizar a letra.
• Correspondência considerada: mostra candidato, percentuais, palavras encontradas, margem e motivo da decisão.
• Texto canônico em exibição: é o conteúdo original do TXT que segue para o Holyrics.

Separação vocal

É opcional e usada somente no modo Música com Qwen ou Whisper. Pode ajudar em mixes carregados, mas aumenta processamento e atraso.

• UVR-MDX-NET-Voc_FT: download de aproximadamente 67 MB; tende a isolar melhor, porém é mais lento.
• Spleeter FP16: download próximo de 34 MB; alternativa mais leve e rápida.
• Automático no Whisper: prefere o vocal separado e volta ao mix se a separação não acompanhar o tempo real.
• No pacote distribuído, UVR e Spleeter são executados em CPU mesmo na edição NVIDIA.

Transcrever um arquivo WAV

1. Na aba Arquivo, clique em Selecionar WAV.
2. Escolha a gravação desejada.
3. Clique em Transcrever.
4. Aguarde o resultado aparecer no campo de transcrição.

A transcrição de arquivo usa Português nesta versão. O tempo varia com a duração do WAV, o modelo Whisper escolhido e a aceleração disponível. Não há exportação automática ou envio ao Holyrics nessa aba.

Modelos, downloads e aceleração

Os modelos são armazenados no computador após o primeiro download. O reconhecimento do áudio permanece local. Quando a tradução Microsoft está ativa, somente o texto reconhecido é enviado ao serviço. Com M2M100, a etapa de tradução também fica local depois que o modelo é baixado.

GPU, VRAM e vantagem prática

A GPU reduz o tempo de cálculo do Whisper; ela não altera diretamente o resultado de um mesmo modelo. A principal vantagem nesta edição é usar modelos Whisper maiores com menor latência.

• 4 a 6 GB de VRAM: pode atender um modelo Whisper acelerado por vez, dependendo do tamanho escolhido e da memória já ocupada.
• 8 GB ou mais: oferece mais margem para um Whisper Large e para outros aplicativos que também ocupem a GPU.
• Large v3 Turbo é a opção Large mais prática para tempo real; Large v3 completo consome mais memória e tende a aumentar a latência.
• Feche aplicações que usem GPU e consulte sempre o provedor efetivo mostrado pelo Scribelyrics.

Entender RTF e latência

Ritmo esperado por fluxo

• Ao Vivo: trabalha com blocos de fala de aproximadamente 3 segundos e sobreposição de áudio. A tradução acrescenta processamento; no Microsoft há também latência de rede, enquanto o M2M100 usa CPU e memória locais.
• Qwen3 contínuo: reavalia uma janela musical de 6 segundos aproximadamente a cada 1,25 segundo. Como roda em CPU, cada reconhecimento deve ficar próximo ou abaixo desse intervalo para evitar descartes frequentes.
• Separação vocal: processa janelas de 6 segundos com sobreposição. Depois de lentidão sustentada, o aplicativo pode voltar ao mix para manter o acompanhamento funcionando.
• Arquivo WAV: não precisa acompanhar tempo real; um modelo maior pode apenas aumentar o tempo de espera.

Em janelas contínuas, não basta apenas RTF abaixo de 1: o processamento precisa terminar antes da próxima atualização para evitar acúmulo. O Scribelyrics prioriza trechos recentes e pode voltar ao mix original quando a separação vocal não acompanha o tempo real.

Diagnósticos

Modo Música

Ative a gravação antes de iniciar quando precisar investigar um erro de acompanhamento.

• Até 10 minutos de áudio contínuo, limitado também a 256 MiB.
• Textos reconhecidos, horários e decisões do alinhador.
• Cópia verificável das letras utilizadas.
• Até 30 segundos de trilhas A/B para comparar mix e vocal separado.

Abrir diagnósticos leva à pasta dos relatórios musicais.

Modo Ao Vivo

O diagnóstico Ao Vivo é independente do musical, fica desativado por padrão e registra somente quando sua caixa estiver marcada antes do início. Ele conserva textos reconhecidos, decisões do filtro, tradução, fila e entregas ao Holyrics em uma pasta local limitada.

Privacidade: revise o conteúdo antes de compartilhá-lo. O diagnóstico musical pode incluir áudio e letras; o diagnóstico Ao Vivo pode incluir as falas transcritas e traduzidas da sessão.

Solução de problemas