Ditar para o Gemini

Já dá para falar com o Gemini?

Sim. O Gemini tem entrada de voz integrada. No app Gemini no seu telefone você toca no microfone e faz sua pergunta; em um dispositivo compatível você pode até começar sem as mãos. Na web em gemini.google.com também há um microfone na área de prompt. Portanto, se seu objetivo é «perguntar algo ao Gemini em voz alta e obter uma resposta», você não precisa de mais nada. O recurso já vem no produto.

Quero deixar isso claro desde o início, porque muitos artigos para essa busca pulam isso e vão direto tentar te vender algo. A própria entrada de voz do Gemini é genuinamente boa para perguntas rápidas. «Qual o tempo em São Paulo», «converter 200 gramas em xícaras», «resumir este artigo» — fale, ouça, pronto. Se é isso tudo que você faz, este é um artigo curto: use o microfone que já está lá.

A diferença aparece no momento em que seu prompt fica mais longo ou mais elaborado, e no momento em que você quer usar exatamente o mesmo hábito em algum lugar que não é o Gemini. Isso é o resto deste artigo.

Por que digitar o prompt em vez de simplesmente falar

Quando você fala diretamente no microfone de um chatbot, suas palavras entram e a resposta sai — mas você nunca vê o prompt como texto editável primeiro. Para uma pergunta de uma linha tudo bem. Para um prompt cuidadoso não. Você disse «resuma isso em um tom formal», o microfone entendeu «resuma isso em um tom mortal», e agora o modelo está fazendo algo levemente errado e você está regravando tudo. Digitar o prompt no campo primeiro significa que você o lê antes de ser executado.

A outra razão é que o hábito viaja. Um atalho que digita sua fala em um campo de texto não se importa com qual campo. Gemini hoje, ChatGPT amanhã, um prompt do Claude depois de amanhã, uma mensagem no Slack, uma descrição de commit, um e-mail para o professor do seu filho. Uma memória muscular, todos os apps. O microfone do Gemini só funciona dentro do Gemini — exatamente o que se esperaria, mas significa que uma segunda ferramenta que funciona em todo lugar não é redundante — tem uma forma diferente.

A forma mais rápida: um atalho para todo o sistema

É aqui que um app dedicado muda as coisas. Whisper by Remskill não é um plugin do Gemini, uma extensão do Chrome nem uma integração com o Google. É um app de desktop que se comporta como seu teclado: pressione um atalho, fale, e a transcrição é colada no seu cursor — em qualquer app, incluindo o campo de prompt do Gemini. Funciona igual no navegador e no desktop, porque para o seu computador você está simplesmente digitando.

A configuração é rápida:

Esse é todo o ciclo. A transcrição aparece no campo, você a lê, corrige o que estiver errado, envia.

Ditar um prompt diretamente no Gemini

Uma vez rodando, a experiência é sem graça da melhor forma. Você coloca o cursor no campo de prompt do Gemini, segura a tecla, diz seu prompt, solta. Um segundo depois o texto está lá como se você tivesse digitado. Agora você faz o que o microfone ao vivo não deixa: você o lê. Prompts longos — os três parágrafos de contexto mais a pergunta real — são muito mais fáceis de acertar quando você pode vê-los antes de serem executados.

Como a transcrição local roda na sua máquina (Rust puro, sem sidecar Python, sem servidor no loop), funciona offline, e o áudio do que você está ditando nunca sai do seu laptop. Você está digitando o prompt com a voz e depois o envia você mesmo para o Gemini — o passo de ditado e o passo de IA são separados, o que é a razão toda para você editar no meio.

A limpeza de IA remove os «é... é»

A linguagem falada é bagunçada. Você diz «é», recomeça frases, perde o fio com um som que significa «você entende o que quero dizer». O Whisper tem um passo opcional de melhoria de IA que apara palavras de preenchimento e arruma a redação antes de colar. Então «é, você pode, você pode me escrever tipo um, um e-mail curto recusando isso» vira «Você pode me escrever um e-mail curto recusando isso». Um prompt mais limpo tende a receber uma resposta mais limpa, então isso importa mais para o prompting de IA do que para notas simples.

Essa limpeza roda localmente via Ollama, de graça, na sua própria máquina. Usuários Pro podem roteá-la pela nuvem, mas o benefício de remover palavras de preenchimento não precisa de Pro; ele está no pipeline local gratuito. Você também pode desligá-lo e colar a transcrição bruta, o que é ótimo quando vai ler e editar o prompt de qualquer forma.

O mesmo atalho funciona no ChatGPT, Claude, em qualquer lugar

Essa é a parte que faz a ferramenta separada valer a pena. O atalho não sabe o que é o Gemini. Ele cola texto onde quer que o cursor esteja, então o hábito exato que você acabou de aprender funciona no ChatGPT, no Claude, no Perplexity, em um Google Doc, no seu cliente de e-mail, no campo de comentário de um pull request. Você aprende um movimento e para de pensar em qual IA está usando hoje. O microfone integrado do Gemini, por design, só ajuda dentro do Gemini.

Eu alerno entre três ou quatro ferramentas de IA em uma semana normal dependendo do que estou fazendo. O que eu não queria era um botão de voz diferente em cada uma, cada um se comportando de forma ligeiramente diferente. Um atalho que digita em todas é menos para lembrar, e continua funcionando quando uma delas lança um redesign.

Como é o app completo do Whisper

O atalho é a parte que você mais usará, mas há uma interface de configurações por trás. Você escolhe seu mecanismo de transcrição: modelos Whisper, cujas variantes multilíngues cobrem 99 idiomas e as versões só em inglês .en cobrem exatamente um, ou o Parakeet da NVIDIA, cerca de 600 MB, 5 a 10 vezes mais rápido que o Whisper na CPU, cobrindo inglês mais 24 idiomas europeus. Você define seu atalho, gerencia o histórico e salva predefinições. Nada disso é necessário para ditar um prompt no Gemini. Está lá quando você quiser ajustar.

Quando o próprio microfone do Gemini é suficiente

Se você só quer fazer perguntas rápidas em voz alta ao Gemini, pule o app separado completamente. Abra o Gemini, toque ou clique no microfone, fale. É integrado, é gratuito, e para uma pergunta de uma linha não há nada a ganhar com uma segunda ferramenta — você estaria adicionando um passo, não removendo um. O mesmo vale para os recursos de voz dentro dos outros grandes chatbots quando você trabalha só naquele app.

Um atalho dedicado leva vantagem em três pontos: prompts longos que você quer ler antes de enviar, a limpeza de palavras de preenchimento, e usar o mesmo hábito de ditado em todos os apps em vez de só no Gemini. Quanto mais seus prompts parecem escrita real — contexto, instruções, uma pergunta — e mais ferramentas você alterna, mais isso importa.

Escolha a menor ferramenta que resolve seu problema. Para uma pergunta falada, é o microfone já no Gemini. Para prompts longos ditados entre Gemini e ChatGPT e um e-mail a meio caminho, o atalho de sistema deixa de parecer excessivo por volta do segundo parágrafo que você não precisou digitar.

Quanto custa o Whisper

O pipeline de ditado local — transcrição e limpeza de IA via Ollama — é gratuito para qualquer usuário logado, sem cartão no cadastro. Ditar prompts no Gemini com o Whisper não custa nada. O Whisper Pro adiciona os recursos de nuvem (transcrição OpenAI, melhoria de IA na nuvem, pesquisa web por voz) e inclui um teste separado. Os números exatos estão na página de preços, não aqui, porque os preços mudam e um post de blog é um lugar ruim para mantê-los atualizados.

O Gemini já pode te ouvir, e para uma pergunta rápida esse é o fim da história — use o microfone que está lá. A razão para ditar o prompt no campo em vez disso é a parte que o microfone não consegue fazer: você pode lê-lo antes que seja executado, e pode fazer isso da mesma forma em todos os outros apps com que fala. Duas ferramentas, duas tarefas. Na maioria das vezes, a menor é suficiente.