Loquela
Pesquisa

Como medimos a velocidade do Loquela Remote

Uma hora de áudio em menos de 9 segundos, e uma hora inteira a 18.000 minutos de áudio por hora com todas as solicitações transcritas. Como os dois testes foram feitos.

5 min de leituraPesquisa verificada 2026-10-27

O Loquela Remote transcreve a 400× de velocidade de transcrição: uma hora de áudio em menos de 9 segundos. Esse número vem de um teste. Um segundo teste respondeu a outra pergunta: o que acontece quando centenas de horas de áudio chegam a cada hora, de muitas pessoas ao mesmo tempo. Os dois foram feitos em 27 de outubro de 2026, na versão do Loquela Remote que estava no ar naquele dia. Este post explica como.

TesteResultado
Um arquivo de 60 minutos, um de cada vezDe 7,08 a 8,66 segundos de tempo do servidor em todas as execuções
VelocidadeMais de 400× de velocidade de transcrição em todas as execuções
Uma hora a 18.000 minutos de áudio por hora18.350 solicitações, todas transcritas
Clipes curtos durante essa horaMetade de volta em até 0,23 segundo, 95 de cada 100 em até 2,2 segundos

Uma hora de áudio, um arquivo de cada vez

Este teste mede a rapidez com que uma gravação vira texto quando tem o servidor só para ela.

  • O serviço: uma cópia do serviço lançado, sem mais nada rodando no servidor.
  • Os arquivos: quatro gravações de fala de 60 minutos em formatos comuns, listadas na tabela abaixo.
  • As execuções: uma solicitação de aquecimento e depois três execuções de cada arquivo.
  • A medição: o tempo do servidor é o registro que o próprio serviço faz de cada solicitação. Os arquivos foram enviados do próprio servidor, então o envio quase não levou tempo.
Arquivo (60 minutos)Tempo do servidor, três execuçõesA mais lenta, medida por quem envia
MP3, 16 kHz monoDe 7,08 a 7,15 s7,25 s
AAC, 48 kHz mono, 64 kbpsDe 7,54 a 7,58 s7,66 s
AAC, 44,1 kHz estéreo, 128 kbpsDe 8,21 a 8,25 s8,42 s
MP3, 44,1 kHz estéreo, 128 kbpsDe 8,56 a 8,66 s8,89 s

A execução mais lenta, medida do lado de quem envia, levou 8,89 segundos. Uma hora tem 3.600 segundos de áudio, então isso é cerca de 405 vezes mais rápido do que tocar a gravação. Todas as execuções passaram de 400×, que é o número usado no site.

O tempo de envio não está nesses números, porque depende da sua conexão. Um MP3 de 60 minutos a 128 kbps tem cerca de 58 MB. Em mono a 64 kbps, tem metade disso, então chega até nós mais cedo.

Muitas pessoas ao mesmo tempo: uma hora a 18.000 minutos de áudio por hora

Este teste mede o que o serviço faz com tráfego intenso e variado. 18.000 minutos de áudio por hora são 300 horas de áudio chegando a cada hora. Mantivemos isso por uma hora inteira.

  • O serviço: a mesma versão, configurada do jeito que roda no ar.
  • Quem envia: 16 contas de teste mandando gravações em momentos aleatórios, como fazem clientes sem relação entre si. Elas rodavam no próprio servidor, então os tempos abaixo não incluem a internet.
  • As gravações: clipes curtos de voz de 5 a 30 segundos (metade WAV, metade M4A), reuniões de 10 a 60 minutos e gravações longas de 60 a 120 minutos (ambas em MP3). Em minutos de áudio, 15% eram clipes curtos, 45% reuniões e 40% gravações longas.
  • Identificação de quem fala: ativada em cerca de 3 de cada 10 reuniões e gravações longas.
  • A fala: inglês lido em voz alta, do LibriSpeech, uma coleção pública de gravações de audiolivros, cortada e unida até cada duração.
GravaçãoSolicitaçõesTranscritasTempo mediano
Clipes curtos, de 5 a 30 s18.02018.0200,23 s
Reuniões, de 10 a 60 min24124112,2 s
Gravações longas, de 60 a 120 min898942,6 s

No total, 18.925 minutos de áudio chegaram durante a hora, e todas as 18.350 solicitações voltaram com uma transcrição. Nenhuma foi recusada e nenhuma falhou.

Os clipes curtos continuaram rápidos o tempo todo. Em cada intervalo de dez minutos da hora, a mediana deles ficou entre 0,20 e 0,29 segundo, e ao longo da hora 95 de cada 100 voltaram em até 2,2 segundos.

As reuniões rodaram a uma mediana de 140× de velocidade de transcrição e as gravações longas a 122×. É mais lento do que no primeiro teste porque muitas gravações dividem o servidor ao mesmo tempo. Cada uma leva mais tempo do que levaria sozinha, e muito mais áudio é concluído na hora.

O que isso significa para as suas gravações

  • Uma reunião de 30 minutos leva cerca de 4 segundos de tempo do servidor quando tem o servidor só para ela, mais o tempo de envio.
  • Um clipe curto de voz costuma voltar em bem menos de um segundo.
  • Sua espera total é o envio, o tempo do servidor e a transcrição voltando. A transcrição é pequena, então chega quase na hora.

Quando vamos medir de novo

Esses números são da versão que estava no ar em 27 de outubro de 2026. Vamos medir de novo depois de mudanças na forma como a transcrição funciona, e atualizar o site e este post quando os números mudarem.

O Loquela Remote é uma API privada de voz para texto e um servidor MCP para clientes nos Estados Unidos. Ele não guarda áudio nem transcrições. Veja o que acontece com o seu áudio, como outras APIs de transcrição lidam com ele e os preços.