Voz para texto ao programar

Para o que a voz serve mesmo ao programar

Começa com a divisão honesta. A sintaxe do código — parênteses, indentação, nomes exatos de variáveis, pontuação que tem de ser perfeita caractere por caractere — pertence ao teclado. Um microfone será sempre uma ferramenta pior para digitar um ponto e vírgula do que a tecla de ponto e vírgula. Nenhuma app muda isso, incluindo a nossa.

Agora a outra coluna — a que ocupa secretamente a maior parte do dia de um developer. Comentários. Commit messages. Descrições de pull request. Documentos de design. O ticket do Jira que tens evitado. A resposta no Slack a explicar por que o build está vermelho. A resposta a um code review. Nada disso é sintaxe. Tudo é linguagem natural — exatamente aquilo para que o reconhecimento de voz foi criado. Dizes na velocidade de uma conversa e relês em vez de digitar na velocidade do teclado.

A regra é simples: se o que estás a escrever soaria bem num e-mail, dita-o. Se tem de compilar, digita-o. A maioria das ferramentas de programação vende-te o sonho de escrever funções em voz alta. Prefiro vender-te a vitória banal: a prosa em torno do código, que ocupa mais do teu dia do que o código em si.

O intervalo de 150 versus 40

Aqui está o número que faz o caso. A maioria das pessoas fala a cerca de 150 palavras por minuto em conversa normal. A maioria das pessoas digita em torno de 40 palavras por minuto — e isso num bom dia sem pausas para pensar. Não é uma vantagem pequena. Para qualquer bloco de texto em linguagem natural, falar é quase três vezes e meia mais rápido do que digitar.

Num comentário ou commit message, esse intervalo representa alguns segundos poupados, o que não parece muito. Acumula ao longo do dia, mas o verdadeiro ganho não está nos segundos. Está em que escreves a documentação que de outra forma saltarias. O comentário que explica o workaround estranho é realmente escrito, porque dizê-lo custa dez segundos em vez de um minuto de digitação de que te convenceria a prescindir. A fricção nunca foram as palavras. Foi o teclado entre ti e as palavras.

Ditar prompts ao teu assistente de IA

Este é o argumento que defendo mesmo. A forma como a maioria de nós escreve código em 2026 envolve digitar parágrafos a um assistente de IA: Claude Code no terminal, um painel de chat no editor, GitHub Copilot Chat, Cursor. «Refatora esta função para aceitar um objeto de opções em vez de quatro argumentos posicionais, mantém o tipo de retorno existente e adiciona um comentário JSDoc a explicar o comportamento da cache.» É uma frase que dirias em oito segundos e digitarias em quarenta.

E os prompts são indulgentes de uma forma que o código não é. O assistente não se importa se disseste «hm» ou recomeçaste a frase; lê a intenção, não a pontuação. O único lugar onde a voz é inequivocamente uma vitória num fluxo de trabalho de programação é o campo de prompt. Já estás a escrever texto natural aí. Já não te preocupas com a sintaxe exata. Pronuncias a instrução, cai como texto, carregas Enter. Se levares uma coisa deste artigo, é esta: voz para prompts, teclado para sintaxe. A matemática de palavras por minuto confirma — cerca de 150 faladas contra 40 digitadas.

A forma mais rápida é um atalho de sistema

Este é o mecanismo que faz isto funcionar em qualquer editor e qualquer terminal sem um plugin por ferramenta. Whisper by Remskill não é uma extensão do VS Code, um plugin de terminal ou um complemento de browser. É uma app de desktop que se comporta como um teclado: carrega num atalho, fala, e a transcrição é colada no cursor — no editor, no terminal, no painel de chat de IA, no rastreador de tickets, em qualquer lugar onde o texto vai. Como o SO pensa que estás a digitar, funciona da mesma forma em todo o lado.

A configuração é curta:

Esse é o ciclo completo. O texto aparece onde estava o cursor, relês, continuas a trabalhar. Sem janela para mudar, sem clip para percorrer.

Fala, e o texto aparece no editor

Uma vez a funcionar, a experiência é sem surpresas da melhor forma. Colocas o cursor numa linha de comentário ou num campo de commit, manténs a tecla, falas, soltas. Um segundo depois o texto está lá como se o tivesses digitado. O fluxo passa de «parar, digitar, corrigir os erros» para «falar, pronto».

Como a transcrição local corre na tua máquina (Rust puro, sem sidecar Python, sem servidor no ciclo), funciona offline. Para um developer, isso não é uma nota de rodapé. O teu código proprietário, os nomes de API internos nos comentários, a descrição do bug que menciona um cliente — nada disso tem de sair do laptop para que uma função de ditado funcione. Voltaremos a por que isso importa para trabalho proprietário.

Limpar preenchimentos com IA

A linguagem falada é desordenada. Dizes «hm», recomeças frases, ficas a meio. O Whisper tem uma etapa opcional de melhoria por IA que apara os preenchimentos e organiza a formulação antes de colar. Assim «hm, sim, então esta, esta função, tipo, trata da lógica de retry, a lógica de retry» torna-se «Esta função trata da lógica de retry.» Para um commit message ou um comentário de documentação, essa é a diferença entre ruído ditado e algo que commitarias mesmo.

Essa limpeza corre localmente via Ollama, gratuitamente, na tua própria máquina. Os utilizadores Pro podem encaminhá-la pela cloud, mas o benefício de limpeza de preenchimentos não requer Pro. Está no pipeline local gratuito. Também podes desativá-la e colar a transcrição bruta — o que para um prompt de IA rápido é muitas vezes exatamente a decisão certa, já que o assistente não se importa com o «hm» de qualquer forma.

Como é a app Whisper completa

O atalho é a parte que usarás mais, mas há uma superfície de definições por trás. Escolhes o teu motor de transcrição: os modelos Whisper, cujas variantes multilingues cobrem 99 idiomas e cujos builds 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 línguas europeias. Defines o atalho, geres o histórico, guardas predefinições e adicionas vocabulário personalizado — útil quando a base de código está cheia de palavras que nenhum dicionário conhece. Nada disso é necessário para ditar um comentário. Está lá quando quiseres afinar.

Quando recorrer a Talon ou Serenade

Agora a parte honesta — a secção que os artigos escritos por IA nunca incluem. Se o que queres mesmo é escrever código bruto com a voz, navegar no ficheiro, editar sintaxe, refatorar e nunca tocar no teclado, então o Whisper é a ferramenta errada — e o mesmo vale para qualquer app de ditado geral. Queres uma ferramenta construída para programar mãos livres, e duas se destacam.

Talon Voice é o peso pesado para controlo total mãos livres. Faz comandos de voz, controlo por ruído (clicar com sons «pop» e «hiss»), rastreamento ocular para o cursor e personalização profunda através de scripts Python. Corre no Windows, macOS e Linux. Pessoas com RSI grave gerem toda a máquina com ele. Tem uma curva de aprendizagem e um nível Patreon para funcionalidades antecipadas e suporte prioritário — mas para operação verdadeiramente sem teclado não há nada igual.

Serenade é o ponto de entrada mais suave. É um assistente de voz open source, gratuito, construído especificamente para escrever código, com um motor speech-to-code feito para developers em vez de ditado geral. Conecta-se ao VS Code, IntelliJ, PyCharm e outros, pode correr localmente ou na cloud, e suporta as linguagens comuns: Python, JavaScript, TypeScript, Java, C e C++ e mais. Se o teu objetivo é «editar sintaxe por voz sem uma curva acentuada», começa aí. Se o teu objetivo é «ditar o comentário, o commit e o prompt de IA enquanto as mãos ficam no teclado para o código», isso é Whisper. Trabalhos diferentes. Prefiro apontar-te para o certo do que fingir que fazemos tudo.

If you want hotkey dictation rather than full voice coding and you are on a Mac, VoiceInk is the other name worth weighing; the honest VoiceInk alternative comparison lays out where each one fits a developer day.

Quanto custa o Whisper

O pipeline de ditado local (transcrição e limpeza de IA via Ollama) é gratuito para qualquer utilizador com sessão iniciada, sem cartão no registo. Ditar os teus comentários, commits e prompts de IA com o Whisper não custa nada. O Whisper Pro adiciona as funcionalidades cloud (transcrição OpenAI, melhoria de IA na cloud, pesquisa web por voz) com um período de teste separado. Os valores exatos estão na página de preços e não aqui, porque os preços mudam e um post de blog é um mau lugar para os manter atualizados.

A voz não vai substituir o teu teclado para código — e quem te disser que vai está a vender algo. O que substitui é o imposto de digitação em tudo o que não é código: os comentários que saltas, os commit messages que encurtas para poupar esforço, o prompt que preferias dizer do que teclar. Aponta aí e vale o seu lugar. Aponta a um ciclo for e atirarás os auscultadores pela sala — como o meu familiar fez com o Dragon numa máquina Windows 98. Algumas coisas demoram vinte e cinco anos a acertar. Ditar a prosa em torno do código é uma que finalmente temos.