---
title: "O que é taxa de amostragem? Por que a transcrição usa 16 kHz"
description: "Taxa de amostragem é o número de amostras de áudio por segundo. Por que speech-to-text usa 16 kHz mono e quantos minutos cabem em um upload de 25 MiB."
url: https://broadrouter.com/pt/glossary/sample-rate/
lang: pt-BR
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/glossary/sample-rate/) (atualizado em 2026-11-16).

# Taxa de amostragem (sample rate)

Atualizado em 2026-11-16

Taxa de amostragem (sample rate) é o número de amostras de áudio capturadas por segundo, medido em hertz (Hz). Modelos de reconhecimento de fala costumam esperar áudio mono a 16.000 Hz (16 kHz). Junto com a profundidade de bits e o número de canais, ela define quanto um arquivo de áudio sem compressão ocupa por minuto.

Também chamado de: taxa de amostragem, frequência de amostragem, áudio 16 kHz, sample rate, sampling rate, sampling frequency, audio sample rate, 16 kHz audio

A taxa de amostragem é o primeiro número a conferir quando um arquivo de áudio é grande demais ou uma requisição de transcrição é rejeitada.

## Como funciona

O áudio digital guarda a onda sonora como uma lista de números, um por amostra. A 16.000 Hz são 16.000 números por segundo por canal. Com profundidade de 16 bits, cada número ocupa 2 bytes. O tamanho de um WAV sem compressão é, portanto:

```text
bytes per second = sample rate x bytes per sample x channels
16 kHz, 16-bit, mono:    16,000 x 2 x 1 = 32,000 B/s  -> x 60 = 1,920,000 B per minute
44.1 kHz, 16-bit, stereo: 44,100 x 2 x 2 = 176,400 B/s -> x 60 = 10,584,000 B per minute
```

Modelos de fala costumam ser treinados com áudio a 16 kHz. O código do Whisper da OpenAI define `SAMPLE_RATE = 16000` e carrega todo arquivo pelo ffmpeg com `-ac 1 -ar 16000`. Na documentação do próprio FFmpeg, `-ar` define a frequência de amostragem do áudio e `-ac` o número de canais.

## Por que isso importa

-   **Limites de tamanho.** Um WAV estéreo com qualidade de CD é 10.584.000 / 1.920.000 = 5,5 vezes maior que um 16 kHz mono, sem nenhum ganho para um modelo de 16 kHz.
-   **Tempo de upload.** Arquivos menores chegam mais rápido à API, o que conta para voice bots.
-   **Compatibilidade.** Ferramentas como a [detecção de atividade de voz](https://broadrouter.com/pt/glossary/vad/) aceitam só certas taxas (o WebRTC VAD aceita 8, 16, 32 ou 48 kHz).
-   **Não faça upsampling.** Converter uma ligação de 8 kHz para 16 kHz dobra o tamanho do arquivo, mas não acrescenta nenhum detalhe.

## Na BroadNet Inference

O endpoint de transcrição da BroadNet aceita WAV ou MP3 de até 26.214.400 bytes (25 MiB) por arquivo. A documentação converte áudios `.ogg` do WhatsApp e gravações `.m4a` com:

```bash
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
```

Quanto áudio cabe em uma requisição, como WAV de 16 bits:

| Formato | Bytes por minuto | Cabe em 26.214.400 bytes |
| --- | --- | --- |
| 16 kHz mono | 1.920.000 | 26.214.400 / 1.920.000 = 13,65 min, cerca de 13 min 39 s |
| 44,1 kHz estéreo | 10.584.000 | 2,48 min, cerca de 2 min 29 s |

Para gravações mais longas, divida em segmentos de 10 minutos (600 s x 32.000 B/s = 19.200.000 bytes cada), como mostra o [guia de áudios do WhatsApp](https://broadrouter.com/pt/guides/transcribe-whatsapp-voice-notes/), ou envie MP3, que é bem menor por minuto. Sempre defina `language`. A cobrança é por minuto de áudio, não por byte, então a taxa de amostragem muda o tamanho do upload, mas não o preço; confira os custos na [calculadora de custo de speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/). Para o panorama geral, veja [speech-to-text](https://broadrouter.com/pt/glossary/speech-to-text/).

## Perguntas frequentes

### Qual taxa de amostragem usar para speech-to-text?

16 kHz mono é a escolha comum. O Whisper reamostra toda entrada para 16.000 Hz, e a documentação da BroadNet converte áudios de voz com ffmpeg -ar 16000 -ac 1.

### Quanto ocupa um minuto de WAV a 16 kHz?

Em mono de 16 bits, 16.000 amostras x 2 bytes x 60 segundos = 1.920.000 bytes, cerca de 1,92 MB, mais um pequeno cabeçalho.

### Uma taxa de amostragem maior melhora a transcrição?

Não, se o modelo trabalha em 16 kHz, porque ele reamostra o áudio para baixo de qualquer jeito. Uma taxa maior só deixa o upload maior.

## Veja também

-   [Fala para texto (speech-to-text)](https://broadrouter.com/pt/glossary/speech-to-text/) (termo)
-   [Voice activity detection (VAD)](https://broadrouter.com/pt/glossary/vad/) (termo)
-   [Diarização de locutores (speaker diarization)](https://broadrouter.com/pt/glossary/diarization/) (termo)
-   [Timestamps (speech-to-text)](https://broadrouter.com/pt/glossary/timestamps-asr/) (termo)
-   [WAV (arquivo de áudio WAV)](https://broadrouter.com/pt/glossary/wav/) (termo)
-   [Ogg Opus](https://broadrouter.com/pt/glossary/ogg-opus/) (termo)
-   [Transcrever áudios do WhatsApp para texto com uma API](https://broadrouter.com/pt/guides/transcribe-whatsapp-voice-notes/) (guia)
-   [API de transcrição de áudio em árabe, passo a passo](https://broadrouter.com/pt/guides/arabic-speech-to-text-api/) (guia)
-   [Transcrever áudios para empresas: do WhatsApp e Telegram a tickets](https://broadrouter.com/pt/blog/voice-notes-to-text-for-business/) (artigo)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-sample-rate&utm_content=page-cta) ·

**Fontes**

-   [Documentação do FFmpeg, opções de áudio -ar e -ac (verificado em 2026-11-16)](https://ffmpeg.org/ffmpeg.html)
-   [Código-fonte do OpenAI Whisper, audio.py (SAMPLE\_RATE = 16000) (verificado em 2026-11-16)](https://github.com/openai/whisper/blob/main/whisper/audio.py)
-   [Referência da API da BroadNet Inference, transcrição e conversão com ffmpeg (verificado em 2026-11-16) (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-sample-rate&utm_content=sources)
