Muitos apps e sites de legendas enviam o seu vídeo, ou o áudio dele, para os servidores da empresa. O reconhecimento de fala roda lá, e as legendas voltam para o seu aparelho. É um projeto razoável: um servidor consegue rodar um modelo grande para qualquer celular. Também significa que uma cópia da gravação fica por um tempo no computador de outra pessoa, sob a política de privacidade daquela empresa e, normalmente, vinculada a uma conta. Por quanto tempo ela é guardada e para que pode ser usada são decisões deles.
Para a maioria dos vídeos, tudo bem. Para alguns, não: uma entrevista com uma fonte que falou com a condição de que a voz dela não fosse adiante, uma sessão de terapia ou de coaching, o depoimento de um cliente, alunos diante da câmera, imagens de algo que ainda não foi lançado, os seus filhos. Eu faço o CapiCap, que faz o trabalho inteiro no aparelho. Abaixo está o que ele envia, o que ele não envia e como conferir isso sem precisar acreditar na minha palavra.
O que o CapiCap envia
Duas coisas: pedidos dos modelos de voz dele, e eventos de uso anônimos.
Na primeira vez que você o abre, ele baixa um modelo de voz e, mais tarde, pode baixar outro quando o idioma de um vídeo precisar. O modelo padrão, e um pequeno que só distingue idiomas, vêm do Hugging Face. O modelo rápido, que cuida de 20 idiomas europeus, e os modelos feitos para bengali e persa vêm do próprio servidor do capicap.app. Numa rede Wi-Fi, o modelo rápido e o pequeno também podem chegar em segundo plano, antes que um vídeo precise deles. Esses downloads não levam nenhum dado pessoal. Depois que um modelo está no aparelho, o CapiCap funciona sem conexão nenhuma.
Os eventos de uso vão para o meu próprio servidor, hospedado na Cloudflare. Eles dizem o que aconteceu no app, como uma transcrição ou uma exportação que terminou, e quanto tempo levou, junto com a versão do app, o modelo do aparelho, as suas configurações de idioma e um ID aleatório criado na primeira vez que o app é aberto. Eles nunca levam o vídeo, o áudio dele, as legendas, nada do que você digita nem um nome de arquivo, e nada neles está vinculado a você. Eu uso esses eventos para ver o que funciona e onde o app fica lento ou falha. Enquanto o aparelho está offline, eles esperam nele e são enviados depois.
O que fica no seu aparelho
Todo o resto. Transcrever, editar, estilizar e exportar acontecem no aparelho, então o vídeo, o áudio dele, a transcrição, as suas edições e o arquivo final ficam lá. Nada disso é enviado para mim nem para ninguém. Não há conta, e o app não usa o Identificador de Publicidade (IDFA).
Algumas coisas menores funcionam do mesmo jeito. O CapiCap nunca pede para ler a sua fototeca: o seletor de fotos do sistema entrega a ele só o vídeo que você escolhe, e Salvar em Fotos pede apenas permissão para adicionar um vídeo. Nos aparelhos com Apple Intelligence, os projetos recebem nomes do modelo da Apple que roda no aparelho. Se você comprar o acesso vitalício, a Apple cuida da compra, e o app recebe apenas a confirmação do StoreKit, no seu aparelho.
Como nenhum servidor recebe o seu conteúdo, não há nada dele para eu armazenar, vender ou entregar. O rótulo de privacidade da App Store lista o que os eventos de uso contêm, nada disso vinculado a você nem usado para rastrear você, e a política de privacidade explica isso com mais detalhes.
Conferindo você mesmo
O modo avião é o teste mais simples, e funciona com qualquer app.
- Abra o CapiCap uma vez com internet. Ele é grátis na App Store. Espere o download do modelo de voz terminar. Se você legenda em mais de um idioma, legende um vídeo curto em cada um enquanto ainda está conectado: um idioma pode precisar de um modelo próprio na primeira vez.
- Corte a conexão. No iPhone ou no iPad, ative o Modo Avião e confira na Central de Controle se o Wi-Fi também está desligado: se você já religou o Wi-Fi no Modo Avião antes, o aparelho se lembra disso. No Mac, desligue o Wi-Fi e desconecte qualquer cabo de rede.
- Legende um vídeo. Toque em Escolher vídeo, deixe-o transcrever, corrija uma palavra e depois toque em Exportar, Exportar vídeo e Salvar em Fotos. Tudo funciona, porque nada disso precisa da rede. Use um vídeo que esteja guardado no aparelho: se a sua fototeca mantém os originais em tamanho real no iCloud, um vídeo pode precisar ser baixado antes que qualquer app consiga abri-lo.
Para uma segunda verificação, o iPhone e o iPad têm o Relatório de Privacidade dos Apps (em Ajustes e depois Privacidade e Segurança). Depois de ativado, ele lista os domínios que cada app contata: no caso do CapiCap, os servidores de onde vêm os modelos e trackie.brazh.me, para onde vão os eventos de uso.
As mesmas perguntas valem para qualquer app de legendas. Se a transcrição para sem conexão, o áudio está indo para um servidor. Se o app exige uma conta, as suas gravações ficam vinculadas a você. A política de privacidade dele deve dizer por quanto tempo os arquivos enviados são guardados e para que podem ser usados, e a seção Privacidade do app na página dele na App Store mostra o que o desenvolvedor diz que coleta. Nada disso torna um app na nuvem um app ruim. Só diz para onde vai a sua cópia.
Onde o seu vídeo fica no aparelho
O vídeo que você escolhe é copiado para o armazenamento próprio do CapiCap, junto com a transcrição e as suas edições nas legendas. Apagar o projeto na tela inicial remove os três.
Como os dados de qualquer app, os projetos do CapiCap podem fazer parte do backup do seu aparelho, no iCloud ou num computador, se você faz backup. Se isso importa, apague um projeto quando terminar.
Salvar em Fotos adiciona o vídeo final à sua fototeca e, se as Fotos do iCloud estiverem ativadas, ele é sincronizado como qualquer outro vídeo que você adiciona. Para manter uma exportação fora do iCloud, use Compartilhar… e salve-a numa pasta no aparelho, como No Meu iPhone, no app Arquivos.
O CapiCap não tem uma trava própria, então qualquer pessoa que consiga desbloquear o seu aparelho pode abrir os projetos dele.
O que ele não é
O CapiCap não é um produto de conformidade e não alega nenhuma certificação, então confira as regras da sua organização para gravações. Ele não identifica quem está falando, o que importa em entrevistas, e não traduz. O reconhecimento de fala erra, principalmente com música alta, pessoas falando ao mesmo tempo e sotaques fortes, e é por isso que toda legenda pode ser editada. Se o que você precisa é de uma transcrição escrita, Exportar .srt dá o texto com os tempos; há um guia sobre isso. E ele só roda em aparelhos da Apple: iPhone, iPad e Macs com chip da Apple.