Apps de voz para texto que vale a pena usar

O que um app de voz para texto faz

Um app de voz para texto faz dois trabalhos que parecem um só. Primeiro, o reconhecimento automático de fala escuta o seu microfone e escreve as palavras. Segundo, uma etapa de formatação adiciona as vírgulas, as letras maiúsculas e as quebras de parágrafo que a fala bruta não traz. Alguns apps param por aí. Os melhores adicionam uma etapa de limpeza com IA que corrige palavras de preenchimento e aperta a redação. O Whisper aciona essa etapa com a palavra-chave "Hey whisper".

O que importa é onde o texto aterrissa. Um transcritor de reuniões como o Otter grava uma conversa e te entrega uma transcrição depois. Um app de ditado faz o oposto: você aperta uma tecla, fala, e as palavras aparecem exatamente onde o seu cursor já está, no e-mail ou documento que você está escrevendo. São ferramentas diferentes para trabalhos diferentes, e o maior erro que as pessoas cometem é pagar pela errada. Alguém compra um transcritor de reuniões para escrever e-mails, ou uma ferramenta de escrita para capturar um webinar, e depois se pergunta por que parece que o app está brigando com ela. Não é o app. É a categoria.

O reconhecimento de fala também precisava de treinamento antigamente. Você lia em voz alta uma lista de palavras por quarenta e cinco minutos para o software aprender a sua voz, e mesmo assim ele errava o palpite a cada três frases. (Um parente meu uma vez atirou o headset do outro lado da sala. O headset sobreviveu; a experiência de ditado não.) Os apps modernos pulam tudo isso. O modelo já chega sabendo 99 idiomas nas variantes multilíngues do Whisper, ou um foco de 25 no motor mais rápido Parakeet, e funciona com o seu sotaque assim que sai da caixa.

Aperte uma tecla de atalho, fale, o texto aparece

A interação é o produto inteiro. Você segura uma tecla, fala, solta, e o texto é colado no cursor. Nenhuma janela para abrir, nenhum botão de gravar para encontrar, nenhum copiar e colar depois.

No Windows, a tecla de atalho padrão é Ctrl+Space. No Mac, você segura Command e Option juntas e solta qualquer uma das teclas para parar. Ambas são personalizáveis, o que importa mais do que parece. A primeira vez que um usuário me disse que minha tecla de atalho colidia com o app de desenho dele, eu aprendi que "aperte uma tecla" é uma tecla a mais quando é a tecla errada. Eu tinha fixado ela no código, lancei assim, e me senti esperto por cerca de uma semana.

Na maior parte do tempo um app de ditado é invisível, só uma tecla de atalho e aquele overlay. As configurações são onde você escolhe como ele se comporta: qual motor roda, se a limpeza com IA está ativada, qual idioma esperar. Essa escolha é a coisa que os recursos integrados do sistema operacional não te dão.

Local ou cloud, e por que isso decide a sua privacidade

Aqui está a divisão que decide todo o resto. Local significa que a transcrição acontece no seu próprio laptop, offline, sem nada saindo da máquina. O pipeline local do Whisper roda dois motores dessa forma: os modelos multilíngues do Whisper para 99 idiomas e tradução para o inglês, ou o Parakeet da NVIDIA, que é 5 a 10 vezes mais rápido numa CPU mas cobre 25 idiomas e nenhuma escrita asiática. Cloud significa que o áudio vai para um servidor. O modo Cloud do Whisper é OpenAI com a sua própria chave, você fornece a sua própria chave de API, ele cobre cerca de 57 idiomas, e o áudio é a única coisa que sai do seu dispositivo.

A maioria dos apps integrados escolhe a cloud para você sem avisar. O voice typing do Windows, por exemplo, precisa de conexão com a internet. A Microsoft diz isso claramente na própria página de ajuda. O comportamento offline do Gboard depende de você ter baixado um pacote de idioma no dispositivo, o que varia por celular. As opções offline de verdade são mais restritas do que a categoria sugere: o Dictation do iPhone funciona sem conexão num iPhone 6s ou mais recente, o Dictation do Mac consegue processar texto geral no dispositivo, e o modo local do Whisper mantém tudo na sua máquina.

Se você dita a planilha do seu salário ou um rascunho de e-mail jurídico, saber se aquele áudio sai do seu laptop não é um detalhe de nerd. É a diferença entre uma ferramenta privada e uma registrada. Os apps de cloud compensam isso com uma coisa que as ferramentas brutas do sistema operacional pulam, uma etapa de limpeza com IA que transforma "hum, manda, hum, amanhã" numa frase que você de fato enviaria.

Os apps que eu escolheria

Chega de contextualizar. Aqui está o que eu diria a um amigo no portão da escola que perguntasse, por dispositivo.

• No celular, use o microfone do teclado. O Gboard no Android e o teclado do iOS têm ambos um botão de microfone: toque nele, fale, pronto. É gratuito, já está instalado, e para um texto ou uma nota rápida é tudo o que você precisa. Não há app de desktop que valha a pena instalar num celular para isso.

• No Windows, comece com Win+H. Aperte a tecla Windows e H em qualquer caixa de texto e o voice typing abre em todo o sistema, sem precisar de assinatura do Microsoft 365. Ele precisa da internet, mas é gratuito e funciona em todo lugar.
• No Mac, comece com o Dictation. Ative-o nas Configurações do Sistema, aperte a tecla do microfone, e ele digita em qualquer app. Para texto geral ele pode rodar no dispositivo em vez de ligar para os servidores da Apple.
• Quando o integrado não basta, instale um app de desktop. O Whisper é o que eu construo: uma tecla de atalho que funciona em todo o sistema, a sua escolha de motor local ou cloud, limpeza com IA, e um modo offline que as ferramentas do sistema operacional não oferecem. O pipeline local inteiro é gratuito para qualquer usuário autenticado, sem cartão no cadastro. Se você está em uma plataforma, o passo a passo do Windows e o passo a passo do Mac cobrem a configuração passo a passo.

Outros apps que vale a pena conhecer

Alguns nomes aparecem toda vez que alguém pesquisa isso, então aqui vão frases honestas de uma linha.

• Wispr Flow anuncia mais de 100 idiomas com detecção automática e roda no Mac, Windows, iPhone e Android. É uma opção paga multiplataforma se você quer uma ferramenta única em todo lugar; escrevemos uma comparação mais completa do Wispr Flow caso você esteja avaliando.
• Dragon Professional é a velha guarda. A Nuance anuncia até 99% de precisão desde o primeiro uso e ditado três vezes mais rápido que digitar, só no Windows. É um produto profissional sério e pago.
• Otter.ai é um transcritor de reuniões, não uma ferramenta de ditado. O nível gratuito dá 300 minutos por mês e foi feito para gravar conversas, não para digitar no seu cursor. Ferramenta certa, categoria errada para a maioria das buscas por "app de voz para texto", a mesma armadilha coberta no nosso guia de software de transcrição.
• Dedicated dictation apps sit in the same category but lead with cursor-level typing rather than recording. If that is the angle you care about, our look at the modern dictation app covers what separates a good one from a glorified microphone button.

Quando dispensar um app dedicado e usar o que já vem integrado

Se você só dispara mensagens de trinta palavras e uma nota ou outra, não instale nada. O Apple Dictation é gratuito, vem integrado no seu Mac e iPhone, e funciona em todo app em que você pode digitar. Os usuários de Windows têm o Win+H pelo mesmo preço. As ferramentas integradas começam a doer em torno de uma escrita mais longa e formatada: sem limpeza com IA, sem escolha de motor, e no Windows sem modo offline. Essa é a linha. Abaixo dela, a opção gratuita que a Apple e a Microsoft já te deram é a escolha certa, e eu prefiro que você use essa a instalar a minha para um trabalho que ela não precisa.

Quanto ao custo, vale a mesma honestidade. As opções integradas vêm com o seu dispositivo e não custam nada. O pipeline local do Whisper também é gratuito para qualquer usuário autenticado, sem necessidade de método de pagamento para começar; a superfície Cloud paga e os seus números atuais ficam na página de preços. Para uso de celular e nota rápida você não deveria pagar nada a ninguém. Para ditado de desktop em todo o sistema com modo offline e limpeza com IA, uma ferramenta paga começa a fazer sentido.

Na terça-feira passada eu montei as marmitas enquanto respondia a um bilhete de autorização, pepino numa mão, tecla de atalho sob a outra, ditando "assinando o bilhete, mandando amanhã" entre o trecho em que o mais novo perguntou por que a lua às vezes não estava lá. O e-mail saiu. As marmitas ficaram prontas. Isso costumava levar quinze minutos de digitação com uma mão só. Qualquer que seja o app que você escolha desta lista, é esse o momento que você está comprando de volta.