A alternativa honesta ao Voice In

O que é esta comparação e quem a fez

Deixo o conflito de interesses logo de cara. Este é um texto comparativo, e eu construí uma das duas coisas comparadas. Então vou dar ao Voice In todo o crédito que ele merece e, em seguida, ser específico sobre o único ponto em que as duas ferramentas simplesmente fazem trabalhos diferentes.

A verdade sem rodeios é que o Voice In é uma boa ferramentinha. É grátis, instala em uns dez segundos e, se tudo o que você faz é digitar no Gmail, num Google Doc ou numa caixa de texto de algum site, ele faz isso bem. Se esse é o seu mundo inteiro, você provavelmente pode fechar esta aba. Falo sério. Tem uma seção perto do fim que diz exatamente quando vale a pena continuar no Voice In.

Para quem ainda está lendo: a diferença é o navegador. O Voice In vive dentro do Chrome e só funciona ali. No momento em que você quiser ditar no Word, no Slack, no seu editor de código ou no terminal, você já saiu da única sala em que ele consegue te ouvir.

O Voice In funciona no navegador, e só no navegador

Aqui está a frase que importa, direto da própria página da Dictanote: por ora, o Voice In só funciona dentro do navegador. É uma extensão do Chrome. Você clica na extensão, fala, e o texto cai em qualquer campo da web que esteja em foco. Para uma ferramenta gratuita, é um design limpo e honesto.

Duas coisas decorrem de ser uma "extensão de navegador", e vale conhecer as duas antes de se comprometer.

Primeiro, ele precisa da internet. O Voice In exige uma conexão funcionando para rodar. Sua voz sai para ser reconhecida e volta como texto. Isso é tranquilo no Wi-Fi do hotel e um problema num trem passando por um túnel.

Segundo, a contagem de idiomas é genuinamente confusa. A página da Dictanote afirma "mais de 100 idiomas" num lugar e "mais de 50 idiomas" em outro. Não vou cravar um número, porque eles também não cravaram. Claramente lida com muitos idiomas. Quantos exatamente, o próprio marketing deles parece não ter certeza.

Existe um plano gratuito e um nível pago chamado Voice In Plus, que adiciona o conjunto completo de recursos: comandos de voz personalizados, um modo avançado, ditado em várias abas. Não vou citar um preço para o Plus, porque a Dictanote não lista nenhum na página que li. Se você precisar, confira a página de preços.

O que você também ganha com o Whisper by Remskill

O Whisper by Remskill é um aplicativo de desktop, não uma extensão de navegador. Você pressiona um atalho, Ctrl+Space no Windows por padrão e remapeável para o que você quiser, fala, solta, e o texto aparece onde o seu cursor já está. Word. Slack. Notion. A caixa de resposta do seu cliente de e-mail. Uma mensagem de commit no seu terminal. O mesmo atalho funciona em todos eles, porque o ditado não vive dentro de nenhum aplicativo específico. Ele vive no sistema operacional.

O pipeline é gratuito para todo mundo que se cadastra, sem cartão no cadastro. Esse nível gratuito cobre a transcrição local com oito modelos Whisper ou o motor Parakeet, a limpeza de texto por IA via Ollama, seu histórico de ditados, presets, hotwords personalizadas e downloads de modelos. Você pode usá-lo em até três dispositivos.

Dois motores locais significam que você escolhe com base no que realmente precisa. O Whisper suporta 99 idiomas e pode traduzir para o inglês, com controle mais fino, como vocabulário personalizado e hotwords. O Parakeet é um motor de cerca de 600 MB que cobre o inglês mais 24 outros idiomas europeus, 25 no total, e roda de 5 a 10 vezes mais rápido que o Whisper numa CPU comum. Nenhum dos dois exige GPU.

Se você escreve principalmente código ou documentação técnica, ditar no seu editor em vez de numa aba do navegador muda o dia. Escrevi mais sobre isso em voz para texto para programar se essa for a sua situação.

Há também um nível Pro que adiciona transcrição na nuvem da OpenAI e busca na web usando sua própria chave de API. Você pode ver os planos se a nuvem for a sua praia. Mas o pipeline local, a parte que supera uma extensão de navegador em alcance e privacidade, não custa nada.

Lado a lado, aba do navegador contra o computador inteiro

Aqui está a tabela honesta. Sem estrelas, sem coluna de "vencedor". Apenas o que cada ferramenta faz.

O padrão não é "o Voice In é ruim". O padrão é que uma ferramenta vive numa aba do navegador e a outra vive em toda a sua máquina. Escolha a que combina com o lugar onde você realmente escreve.

O offline importa mais do que as pessoas pensam

Esta é a única opinião forte que vou gastar neste artigo. O ditado só na nuvem é um desastre de privacidade esperando para ser transcrito.

O Voice In precisa de conexão com a internet, o que significa que sua fala sai da sua máquina para ser transformada em texto. Para uma lista de compras, tudo bem. Para o e-mail à escola do seu filho, o rascunho de um contrato ou um parágrafo sobre o seu salário, você provavelmente não quer que nada disso faça uma ida e volta por um servidor que você não controla.

Com o modo local do Whisper, o áudio nunca sai do seu notebook. Ele é transcrito na sua própria CPU, nos seus próprios aplicativos, sem precisar de conexão. A precisão no modo local geralmente fica entre 95 e 99 por cento, dependendo do modelo que você escolher. Isso não é "bom o bastante para offline" como prêmio de consolação. Isso é o recurso principal.

Sou do tipo arquiteto que diagrama um sistema antes de instalar o runtime, e o diagrama sempre está errado já no segundo commit. Passei uma semana superengenheirando o caminho offline antes de admitir o óbvio: para um parágrafo de ditado, sua máquina já tem um microfone e uma CPU e não precisa de um servidor no meio do caminho.

Quando continuar no Voice In

Eu estaria fazendo um trabalho ruim se dissesse a todo mundo para trocar. Às vezes o Voice In é a ferramenta certa, e aqui está o argumento honesto para ficar.

Se duas ou três dessas situações descrevem você, fique no Voice In. É grátis e funciona. O dia em que o seu ditado precisar sair da aba do navegador, ir para o Word, para o Slack, para o seu editor, é o dia de olhar uma ferramenta de desktop. Não antes.

Se você só lembrar de uma coisa

O Voice In é um navegador. O Whisper é o seu computador inteiro. Se a sua escrita vive dentro do Chrome, o Voice In é uma escolha boa e gratuita. Se a sua escrita vive nos aplicativos que o Chrome não consegue alcançar, e você prefere que ela ficasse offline, essa é a linha em que você cruza para o outro lado.

Se você quer o panorama mais amplo de como um aplicativo de ditado para todo o sistema se encaixa, escrevi um confronto mais longo em a alternativa honesta ao superwhisper. Quando estiver pronto, baixe o Whisper, pressione o atalho e dite em qualquer aplicativo à sua frente, online ou off.