Voz para texto no Discord

O Discord tem voz para texto integrado?

Não, não o tipo que você quer dizer. O Discord não tem nenhum recurso que converta sua fala em texto digitado na caixa de mensagem. O que mais parece é o Text-to-Speech: digite /tts seguido de uma mensagem, ou ative nas configurações, e o Discord lê essa mensagem em voz alta para todos no canal. Isso é texto virando fala. Você quer fala virando texto. Mesmas palavras, seta invertida.

Isso confunde as pessoas constantemente, e não é culpa delas. "Text-to-speech" e "speech-to-text" diferem apenas em um par de palavras trocadas, e o Discord só inclui um deles. Fiquei clicando nas configurações procurando pelo outro por mais tempo do que gostaria de admitir antes de aceitar que não estava escondido em um submenu. Simplesmente não está lá.

Então se você quer que sua voz vire uma mensagem digitada no Discord, a ferramenta que faz isso vive fora do Discord: seu sistema operacional, ou um app de ditado dedicado. Os dois estão abaixo. O que transcreve outras pessoas falando em um canal de voz é uma terceira opção, e é uma ferramenta diferente novamente. Chegaremos às três.

Digitar em cada canal vs. simplesmente falar

O argumento para ditar no Discord é simples. Falar vai em torno de 145 palavras por minuto; a maioria das pessoas digita mais perto de 40. Isso é cerca de três vezes e meia mais rápido, e libera as mãos — o que importa quando uma delas está no mouse ou num controle. Ao longo de uma noite movimentada de servidores, a diferença se acumula.

O contrapeso honesto: muitas mensagens do Discord têm três palavras. "gg." "já vou." "um seg." O ditado não serve para essas — você perderia tempo trocando de modo. O ditado por voz vale a pena nas coisas mais longas: o plano do raid, o bug report num servidor dev, o parágrafo que você normalmente adiaria porque digitar no celular é um transtorno. Esse é o limite. Pings curtos, continue digitando. Qualquer coisa além de uma ou duas frases, fale.

A forma mais rápida: um atalho de sistema

É aqui que um app dedicado muda o cálculo. Whisper by Remskill não é um bot do Discord, uma integração de servidor, ou uma extensão de navegador. É um app desktop que funciona como um teclado: pressione um atalho, fale, e a transcrição é colada no cursor, em qualquer app, incluindo a caixa de chat do Discord. Funciona da mesma forma no app desktop do Discord e no Discord aberto em um navegador, porque para o seu computador você está simplesmente digitando.

A configuração é curta:

Esse é o loop completo. A transcrição aparece na caixa de composição, você lê, pressiona Enter.

Você fala, e a mensagem aparece no Discord

Uma vez rodando, a experiência é comum da melhor forma. Você coloca o cursor no canal, segura a tecla, fala, solta. Cerca de um segundo depois o texto está na caixa de mensagem do Discord como se você tivesse digitado. Sem copiar e colar, sem janela separada para extrair o texto, sem clipe de voz que seus amigos precisam percorrer.

Como a transcrição local roda na sua máquina (Rust puro, sem sidecar Python, sem servidor no loop), funciona offline. Isso importa mais do que parece especificamente para o Discord. Muitas vezes você já está num canal de voz, numa conexão que prefere não sobrecarregar mais, e o áudio do que você está ditando nunca sai do seu notebook. O ditado por voz integrado do Windows precisa de conexão à internet para funcionar; o modo local do Whisper não.

Como é o app Whisper completo

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

Limpar mensagens ditadas com IA

A linguagem falada é bagunçada. Você diz "hum", recomeça frases, vai se perdendo num ruído que significa "sabe o que quero dizer". O Whisper tem uma etapa opcional de melhoria por IA que corta preenchimentos e organiza a formulação antes de colar. Então "hum, é, tipo o, o patch foi ao ar, acho que a gente tá, tá bem" vira "O patch foi ao ar, acho que a gente tá bem." Se vale a pena no Discord depende do canal; um servidor dev, provavelmente sim; um canal de memes, provavelmente não.

Essa limpeza roda localmente pelo Ollama, de graça, na sua própria máquina. Usuários Pro podem roteá-la pela nuvem, mas o benefício de limpar preenchimentos não exige Pro; está no pipeline local gratuito. Você também pode simplesmente desativá-lo e colar a transcrição bruta, o que no Discord muitas vezes é exatamente a escolha certa.

Transcrever um canal de voz é outro trabalho

Esta é a parte que os guias honestos pulam, então vou ser direto. O Whisper converte sua fala em uma mensagem digitada. Ele não transcreve um canal de voz do Discord — ou seja, não vai ficar numa chamada anotando o que todos os outros estão dizendo. Isso é algo que as pessoas realmente querem, e é uma ferramenta genuinamente diferente: um bot do Discord.

Os bots criados para isso — sendo o Scripty o mais comum — entram num canal de voz e postam uma transcrição em andamento da conversa num canal de texto. A transcrição básica do Scripty é gratuita, funciona em cerca de 55 idiomas e processa áudio sem entregá-lo a terceiros. Outros nesse espaço incluem SeaVoice e DiscMeet. Se seu objetivo é "legendar toda a chamada", use um desses, não o Whisper. Se seu objetivo é "dizer minha própria mensagem em vez de digitá-la", isso é o Whisper, ou seu sistema operacional. Dois problemas diferentes que por acaso vivem no mesmo app.

Quando pular um app de ditado e usar só o seu sistema operacional

Se você só precisa ditar uma mensagem ocasional, não instale nada. Seu computador já faz isso de graça. No Windows, pressione Windows logo key + H e o ditado por voz abre em qualquer caixa de texto, incluindo a barra de chat do Discord, sem assinatura. No Mac, o atalho de Ditado integrado (ou a tecla de microfone) faz o mesmo, e no Apple silicon roda no dispositivo sem internet. No celular, o ícone de microfone do teclado dita direto no campo de mensagem mobile do Discord; é o iOS ou Gboard fazendo o trabalho, não o Discord, mas funciona.

O único tradeoff que vale conhecer: Win+H do Windows precisa de conexão à internet para funcionar, enquanto o ditado do macOS e o modo local do Whisper não. Para um rápido "5 min atrasado, comecem sem mim", a ferramenta do sistema operacional é a escolha certa. Onde um app dedicado leva vantagem é no volume, na limpeza de preenchimentos, e no ditado offline durante uma chamada: quanto mais tempo e mais frequentemente você faz, mais isso importa.

Escolha a menor ferramenta que resolve seu problema. Para uma mensagem, é a tecla que você já tem. Para uma noite inteira de mensagens longas em cinco servidores, o app dedicado para de parecer exagero lá pelo segundo ou terceiro 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 conectado, sem cartão no cadastro. Então colocar sua voz no Discord com o Whisper não custa nada. O Whisper Pro adiciona os recursos em nuvem (transcrição OpenAI, melhoria de IA na nuvem, busca na web por voz) e tem um período de teste separado. Os números exatos ficam na página de preços em vez de aqui, porque preços mudam e um post de blog é um lugar ruim para mantê-los atualizados.

O Discord provavelmente vai lançar ditado real em algum momento, como os apps tendem a fazer quando pessoas suficientes digitam /tts esperando que faça a outra coisa. Até lá, seu computador já tem o recurso, existe um app para quando a versão integrada não é rápida o suficiente, e existe um bot para o trabalho completamente separado de legendar uma chamada. Três ferramentas, três problemas. Na maioria das vezes você precisa da menor.