Melhor app para notas de voz em texto

Aperte um atalho, fale, e o texto cai onde o cursor está

O Whisper é um app de desktop, não uma caixa de entrada de notas. Você aperta um atalho, fala, e o texto transcrito cai onde quer que o cursor esteja, em qualquer aplicativo que aceite texto. O texto pode ser ajustado pela IA ou respondido a partir de uma busca na web ao vivo antes, se você pedir. E-mail, um documento, um comentário de código, uma caixa de chat, um campo de CRM. Não existe o passo de "salvar nota" porque a nota é só o texto, já no lugar que você queria.

O atalho é a interface inteira. No Windows o padrão é Ctrl+Space; no macOS é Command+Option, segurado como o botão de um walkie-talkie, pressione e segure para falar, solte para parar. Os dois modos, local e nuvem, funcionam por esse mesmo fluxo de uma tecla só. Você não abre o app para usá-lo. Ele fica ali, você aperta a tecla, fala, e as palavras aparecem. Essa é a parte que a maioria não espera: não há lugar nenhum para "ir". O texto surge onde você já estava trabalhando. E se a tecla padrão conflitar com algo que você usa, dá para remapear. Lançamos a primeira versão sem isso. Um usuário inicial mandou e-mail às 2 da manhã dizendo que nosso atalho tinha sequestrado o software de música dele, e aprendi em tempo real que "funciona na minha máquina" não é uma estratégia de lançamento. A opção de remapear hoje economiza mais e-mails de suporte do que qualquer outro recurso.

Então, quando este artigo fala em "notas de voz em texto", significa algo específico: palavras faladas convertidas em palavras digitadas e colocadas dentro do que você está escrevendo. Não uma gravação que você precisa ouvir de novo. Não uma transcrição parada em um app separado, da qual você depois copia e cola. A nota e o destino são o mesmo passo. A maioria dos apps dessa categoria para em "aqui está sua transcrição, agora faça algo com ela". A aposta inteira do Whisper é que esse passo de fazer-algo-com-ela é a parte chata, então ele o elimina.

Aqui está a linha que separa um app de notas de voz de um app de ditado. Um app de notas dá um lugar para guardar o que você falou. Um app de ditado pula o guardar e coloca as palavras dentro do que você está escrevendo. Se o seu problema é "tenho pensamentos falados e nenhuma caixa de entrada", você quer um app de notas. Se o seu problema é "tenho pensamentos falados e um campo de e-mail vazio", você quer este.

Há uma camada de IA por cima da transcrição pura, e ela é opcional por gravação. Comece uma frase com a expressão "Hey whisper" e o app trata o que vem em seguida como uma instrução, não como texto a digitar. Organize isso, deixe mais curto, responda isso a partir da web. Pule a expressão e você recebe uma transcrição limpa, palavra por palavra. Assim, um único atalho cobre tanto "digite o que eu disse" quanto "digite o que eu disse, mas transforme num e-mail educado", sem você tocar em nenhum menu. Se quiser o quadro completo do fluxo de tecla até colar, o guia como o Whisper funciona percorre tudo passo a passo.

O que 'melhor' realmente significa aqui

Três trabalhos se escondem por trás de uma palavra-chave, e nenhum app sozinho faz os três bem. Quando alguém digita "melhor app para notas de voz em texto" numa caixa de busca, essa pessoa pode estar parada num estacionamento querendo capturar um pensamento antes que ele evapore, sentada numa call de status de quatro pessoas querendo uma transcrição que não precise digitar, ou encarando um documento vazio às 21h querendo escrever sem que os pulsos cedam. As mesmas palavras, três necessidades completamente diferentes. Os comparativos que ranqueiam as três numa lista só estão otimizando para um artigo longo, não para o seu problema real.

Então, antes de qualquer comparação de apps, a pergunta útil é: onde acontecem as suas notas de voz? Responda isso, e o campo se estreita a um ou dois candidatos reais em vez de doze.

Foi assim também que escolhi as ferramentas abaixo. Não por "qual tem mais recursos", porque todo app dessa área tem uma lista de recursos longa o bastante para encher uma página de captura. Olhei uma coisa por app: para qual trabalho ele é a resposta certa? Onde ele se instala, para onde vai o áudio, e quantos idiomas ele cobre. Esses fatos decidem para quase todo mundo, e são as únicas colunas da tabela mais abaixo. O resto é marketing.

• Lembretes no celular. Você está andando, dirigindo ou longe de uma mesa, e quer capturar um pensamento rápido. A melhor ferramenta aqui é a que já está no seu celular: o ditado nativo do aparelho, ou o app de gravação de voz dele. É grátis, é um toque, e não tem instalação. O Whisper não tem app para celular e não persegue esse trabalho.
• Capturar uma reunião. Um celular na mesa pega todo mundo, mas você fica com uma parede de texto sem indicação de quem falou. Para reuniões com vários interlocutores, um anotador dedicado como o Otter é a melhor opção.
• Digitação no computador. Você está num computador, escrevendo dentro de um app de verdade, e não quer digitar. Esse é o trabalho para o qual o Whisper foi construído. Aperte, fale, solte, e as palavras caem no cursor no Word, no Gmail, no Slack, no seu IDE, em qualquer coisa. Ele roda no Windows e no macOS em Apple Silicon.

Escolha o trabalho primeiro. Uma ferramenta de reunião usada para ditado solo é exagero, e uma ferramenta de ditado apontada para uma call de Zoom de quatro pessoas tem o formato completamente errado. A maior parte da decepção nas avaliações de app store é alguém usando a ferramenta certa para o trabalho errado e culpando a ferramenta.

O trabalho de digitação no computador é mais amplo do que parece, depois que você começa a reparar nele. Uma resposta a um e-mail de cliente é nota de voz em texto. Um resumo de 600 palavras de uma palestra é nota de voz em texto. Seis variações de um e-mail de venda fria, uma mensagem de commit que você não tem paciência de digitar, uma nota de CRM entre duas calls: tudo no mesmo formato, palavras faladas que precisam acabar como palavras escritas numa caixa específica numa tela específica. Nenhuma delas é "um lembrete". São escrita, e escrita é o lugar onde um atalho vence um teclado, porque você fala mais rápido do que digita e pode fazer isso enquanto as mãos estão ocupadas com outra coisa. Esse é o trabalho. Se for o seu, continue lendo. Se não for, as próximas duas seções dizem para onde ir.

Os apps de notas de voz que vale conhecer em 2026

Você vai ver os mesmos nomes na maioria dos comparativos, muitas vezes ranqueados de um a doze como se estivessem competindo na mesma corrida. Não estão. Alguns são apps de celular, alguns são bots de reunião, um é uma API bruta para desenvolvedores, e um digita no seu desktop. Ranquear uns contra os outros é como ranquear uma bicicleta contra uma empilhadeira porque os dois movem coisas. Aqui está a versão curta e honesta de para que serve cada um.

• blog.bestVoiceNotesApp.s3AppWhisperName — blog.bestVoiceNotesApp.s3AppWhisperBody
• blog.bestVoiceNotesApp.s3AppAppleName — blog.bestVoiceNotesApp.s3AppAppleBody
• blog.bestVoiceNotesApp.s3AppOtterName — blog.bestVoiceNotesApp.s3AppOtterBody
• blog.bestVoiceNotesApp.s3AppOpenAiName — blog.bestVoiceNotesApp.s3AppOpenAiBody
• blog.bestVoiceNotesApp.s3AppNottaName — blog.bestVoiceNotesApp.s3AppNottaBody
• blog.bestVoiceNotesApp.s3AppPhoneName — blog.bestVoiceNotesApp.s3AppPhoneBody

Repare que nenhum desses é "o melhor". Eles são melhores em trabalhos diferentes. Se você quer um atalho que digita nos seus apps de desktop, a lista encolhe para um. Se você quer um bot de reunião, ela encolhe para outro.

Aqui está o mesmo conjunto disposto contra as coisas que decidem: para qual trabalho serve, se roda offline, quais plataformas cobre e quantos idiomas atende. Sem colunas de "rápido" ou "poderoso", porque essas palavras não são dados.

A tabela deixa a divisão óbvia. A única linha feita para digitar dentro de um app de desktop, offline, tanto no Windows quanto no Mac, é a primeira. As outras vencem nas próprias linhas, para os próprios trabalhos.

Uma coluna que vale demorar é a de offline. A maioria dos apps desta lista é nuvem-primeiro, ou seja: o seu áudio é enviado para um servidor, transcrito lá, e devolvido. Tudo bem para um podcast público e um problema real para uma revisão salarial. O Apple Dictation processa no dispositivo nos idiomas suportados, e o modo local do Whisper roda na sua máquina sem nenhum servidor no caminho depois do download único do modelo. Se você já hesitou antes de ditar algo que não gostaria de ver registrado, essa é a coluna em que você está comprando.

Local vs nuvem: qual modo para notas de voz

O Whisper dá três caminhos de transcrição, e o app não escolhe um por você. Você decide com base no que precisa.

• Whisper local roda oito modelos divididos entre só-inglês e multilíngue, do Base com ~140 MB ao Large v3 com ~3 GB. As variantes multilíngues suportam 99 idiomas mais tradução-para-o-inglês; as versões só-inglês .en lidam só com inglês. Escolha este se você precisa de muitos idiomas, tradução ou controle fino.
• Parakeet local é o modelo TDT da NVIDIA, cerca de 600 MB, rodando 5–10× mais rápido que o Whisper numa CPU. O cartão de modelo lista 25 idiomas europeus; o texto dentro do app descreve isso como inglês mais outros 24. Sem tradução-para-o-inglês. Escolha este por velocidade se você trabalha sobretudo em inglês ou em outro idioma europeu.
• Nuvem (sua própria chave OpenAI) envia o áudio direto da sua máquina para a OpenAI e de volta, transcrevendo via gpt-4o-mini-transcribe ou gpt-4o-transcribe, com 98 idiomas listados. Você traz a sua própria chave, paga a OpenAI você mesmo, e a Remskill não fica com nenhum corte. É o mesmo arranjo de se você tivesse ligado a API da OpenAI ao seu próprio script, só que você não precisa escrever o script. O modo nuvem também liga o ajuste de IA rodando nos modelos mais novos da OpenAI e a busca na web ao vivo, onde você pode fazer uma pergunta falada e receber colado de volta um resultado respondido e atual, em vez de uma transcrição pura. O trade-off é o óbvio. Seu áudio sai da máquina. Para um rascunho de blog público isso não é nada; para uma cláusula de contrato é uma decisão que vale tomar de propósito.

Toda a transcrição local é Rust puro por baixo, sem sidecar de Python, e o ajuste de IA local roda pelo Ollama na sua própria máquina. O download é único: escolha um modelo, espere uma vez, e depois disso o trabalho acontece na sua CPU sem internet no caminho. Modelo maior, download maior. O Base tem ~140 MB, o Large v3 tem ~3 GB, então a escolha é "quanto disco e paciência eu tenho" versus "de quantos idiomas e de quanta precisão eu preciso".

Aqui vai minha única opinião forte: experimente o modo local primeiro. Se o seu Mac é Apple Silicon ou o seu PC é dos últimos anos, você não precisa da nuvem para notas de voz do dia a dia. O local roda offline depois daquele download único, e nada sai do dispositivo. A nuvem é a saída de emergência para quando você quer o modelo mais novo da OpenAI ou uma resposta da web ao vivo, não o padrão. Os números de salário do seu chefe e os e-mails da escola do seu filho não precisam fazer uma viagem de ida e volta pelo servidor de ninguém por causa de um parágrafo. Se privacidade é a razão inteira de você estar lendo isso, o guia transcrição de voz offline aprofunda no que fica no dispositivo e no que não fica.

Quão precisa é a transcrição de voz, de verdade

A precisão se resume a três coisas, e o modelo é a menos interessante delas.

A primeira é o microfone. Um microfone USB barato faz mais pela precisão da transcrição do que qualquer upgrade de modelo. Essa é a verdade chata, e é a dica que as pessoas pulam porque ela custa vinte dólares em vez de zero. Um microfone embutido de notebook capta o ventilador, o ambiente e o leve eco da sua mesa; um microfone dedicado a um dedo da sua boca capta a sua voz. Nenhum passo de software recupera as palavras que o microfone não captou direito de início.

A segunda é como você fala. Ritmo constante, frases completas e uma pausa de meio segundo onde iria uma vírgula vencem o resmungo em qualquer modelo. Transcrição de voz não é um taquígrafo de tribunal tentando pegar cada "hum". Ela vai melhor quando você fala do jeito que leria uma frase em voz alta, e não do jeito que pensa em voz alta andando de um lado para o outro. É por isso também que o ditado parece estranho no primeiro dia e natural no terceiro: você está aprendendo a falar em pensamentos terminados. Passei quinze anos escrevendo especificações em pensamentos terminados e ainda assim passei aquele primeiro dia dizendo "não, apaga isso, quero dizer" em voz alta para o meu próprio notebook.

A terceira, e última, é o modelo em si. Vou te apontar o número da própria NVIDIA em vez de inventar um: o cartão de modelo do Parakeet v3 relata uma taxa média de erro de palavra de 6,34% num benchmark público. Essa é a nota do modelo em fala lida e em boas condições, não uma promessa sobre a sua cozinha às 7 da manhã. Os modelos Whisper maiores trocam velocidade por uma taxa de erro menor, que é a razão inteira de o app trazer oito deles em vez de um. Você combina o modelo ao seu hardware e à sua paciência. Um modelo Base num notebook antigo e um Large v3 numa máquina de 16 GB não são a mesma experiência, e nenhum dos dois está errado; eles miram em salas e hardwares diferentes.

Qualquer um que te cite um "99% de precisão" cravado está citando um slide de marketing, não um resultado medido na sua voz, na sua sala. A precisão depende do seu microfone, do seu sotaque, do seu ritmo e do barulho de fundo: quatro coisas que nenhum app controla. Gaste o dinheiro do microfone primeiro, depois se preocupe com o modelo.

Quando pular o Whisper e usar outra coisa

O Whisper é a ferramenta errada para um monte de trabalhos, e fingir o contrário desperdiçaria o seu tempo. Recomendar um concorrente não é modéstia; é o jeito mais rápido de garantir que você não vai passar um sábado instalando a coisa errada.

Se você está capturando pensamentos no celular, pule o Whisper. Não há app para celular, e o ditado nativo do seu aparelho é grátis e já está ali. Parado num estacionamento não é a hora de desejar ter um atalho de desktop. Se você grava reuniões e precisa de quem-disse-o-quê mais um resumo, use o Otter.ai; ele entra no Zoom, Teams e Meet e separa interlocutores, coisa que o Whisper não faz. E se você só dispara mensagens de 30 palavras num Mac, o Apple Dictation é embutido, grátis, e para sozinho após 30 segundos de silêncio, então não há motivo para instalar nada. Há também o caso extremo de idioma: se o seu trabalho diário é em coreano, japonês ou outro idioma não europeu, o Parakeet não vai cobrir, então você ia querer os modelos multilíngues do Whisper local ou o caminho da nuvem, e não o motor rápido de inglês.

O Whisper se paga quando você está digitando volume de verdade em apps de desktop e quer isso offline. Fora disso, a resposta certa muitas vezes é algo que você já tem. O teste honesto é simples: se as suas palavras faladas não precisam cair dentro de um app específico num computador, você provavelmente não precisa disto. Se precisam, nada na lista acima faz esse trabalho melhor.

Preços sem enrolação

O pipeline local é grátis para qualquer usuário logado. Todos os modelos locais, ajuste de IA pelo Ollama, histórico, presets, atalho personalizado, tudo, sem pedir forma de pagamento no cadastro. Isso não é um teste capado; é o app local completo. Para muita gente o modo local grátis é o produto inteiro, e por nós tudo bem.

O Whisper Pro adiciona a superfície de nuvem: transcrição OpenAI, ajuste de IA na nuvem e busca na web por voz, pela sua própria chave. Você pode registrar até três dispositivos numa conta, o que cobre um notebook, um desktop e a máquina que você vive prometendo formatar. Prefiro te mostrar números exatos a aproximá-los, então os valores atuais mensal, anual e único ficam na preços, onde permanecem atualizados. Sem "a partir de", sem asteriscos, e a data de renovação está por escrito antes de você ser cobrado.

A marmita ficou pronta e o e-mail saiu, que é a proposta inteira. Não vou te dizer que o Whisper é o melhor app para toda nota de voz — não é, e o celular no seu bolso já vence o lembrete a caminho do carro. Mas se as suas palavras faladas vivem acabando num app de desktop no qual você teria que digitar de qualquer jeito, um atalho pressionado é um jeito mais silencioso de viver. O iogurte voltou intacto mesmo assim. Alguns problemas estão fora de escopo.