Voz para texto no Gmail, do jeito certo

O Gmail não tem digitação por voz nativa no desktop. Veja o que funciona.

Abra o Gmail em um notebook, clique em Escrever e procure um microfone no editor. Não tem nenhum. O Google Docs e o Slides têm digitação por voz embutida (Chrome, Edge ou Safari), mas a própria documentação de suporte do Google limita esse recurso ao Docs e ao Slides. O Gmail não está na lista. As pessoas pedem um botão de microfone no Gmail nos fóruns de suporte do Google há anos. Nunca chegou.

Os três caminhos honestos no desktop: abra o Gmail no celular — o microfone do teclado do sistema já funciona em qualquer campo de texto, incluindo a redação do Gmail. Instale uma extensão do Chrome que adiciona um microfone à aba do Gmail — Voice In, Voicy ou a sem rodeios 'Dictation for Gmail'. Ou instale um aplicativo de desktop que intercepta um atalho no nível do sistema operacional e cola o texto transcrito na janela que estiver em foco — Whisper, Willow Voice, a versão nativa do Voicy. O primeiro só funciona em abas do Chrome. O terceiro funciona em qualquer lugar onde um cursor pisque.

A verdade sem graça é que esses caminhos resolvem problemas diferentes. Se você quer voz só dentro do Gmail, uma extensão basta. Se você quer transformar isso em hábito, para o Gmail e os outros oito aplicativos em que você também escreve, a extensão bate no teto rápido.

A configuração mais rápida: uma extensão do Chrome e um atalho

Se você quer voz no Gmail e já está no Chrome, este é o caminho mais curto. Tempo total: cerca de 3 minutos.

Pré-requisitos (um minuto)

• Google Chrome instalado (ou um navegador baseado em Chromium, como Edge ou Brave).
• Um microfone funcionando. O microfone embutido serve.
• Permissão de microfone concedida no nível do sistema operacional. macOS: Ajustes do Sistema → Privacidade e Segurança → Microfone. Windows: Configurações → Privacidade → Microfone.
• Você está conectado ao Gmail.

Escolha uma extensão

As três com base real de usuários:

• Voice In by Dictanote, uma ferramenta exclusiva de extensão do Chrome (também disponível como complemento do Edge). Funciona em mais de 10.000 sites e mais de 100 idiomas. Tem versão gratuita e uma versão Plus paga.
• Voicy, que é tanto um aplicativo nativo quanto uma extensão do Chrome. A extensão se integra ao Gmail e a mais de 20.000 outros sites. Anuncia mais de 50 idiomas e 99% de precisão.
• Dictation for Gmail, especializada no Gmail, adiciona um ícone de microfone ao lado do botão Enviar. 60 idiomas, mais de 100.000 usuários, 3,5★ de 273 avaliações.

Instalação em quatro passos

A maioria das pessoas consegue colocar isso pra rodar em menos de três minutos. O atrito não é a configuração. O atrito é tudo o que vem depois, e a gente vai chegar lá.

No celular, o Gmail já faz isso, e está tudo bem

Se você escreve a maior parte dos seus e-mails no celular, não precisa de um aplicativo para isso. Não precisa de uma extensão. Não precisa ler o resto deste artigo. Tempo total de configuração: zero. Já está lá.

No Android, abra o Gmail, toque em Escrever, toque dentro do corpo e olhe a linha de cima do teclado Gboard. Tem um ícone de microfone. Toque nele, fale, toque de novo. A própria documentação do Google diz que 'você pode falar para escrever na maioria dos lugares onde digitaria com um teclado'. Eles não publicam uma contagem exata de idiomas, só que não funciona em todos os idiomas que o Gboard suporta. As principais línguas românicas e germânicas estão cobertas.

No iPhone, abra o Gmail, toque em Escrever, toque no corpo e olhe o teclado do iOS. Tem uma tecla de microfone ao lado da barra de espaço. Toque nela, fale, toque em concluído. O microfone do teclado do iOS é do nível do sistema, então a mesma tecla funciona no Gmail, no Mensagens, no Notas e no Safari. (O Gboard para iOS tem o próprio botão de microfone, se você o tiver instalado. Qualquer um funciona.) A Apple não publica uma contagem fechada de idiomas para o ditado do iOS; ela acompanha de perto a Apple Dictation no macOS, que lista 47 variantes regionais.

Os dois são gratuitos. Os dois são nativos. Se você escreve e-mail prioritariamente no celular, o resto deste artigo é para os dias em que você está no notebook. Caso contrário, está tudo pronto.

Por que as extensões de desktop ainda erram a pontuação

As extensões do Chrome funcionam, mas a precisão delas é a razão de a 'Dictation for Gmail' ter média de 3,5 estrelas em 273 avaliações, e não 4,7. O padrão das reclamações é o mesmo nas três. Depois que você entende isso, para de se surpreender.

A maioria das ferramentas de ditado em extensão de navegador são invólucros da Web Speech API. Elas pedem que o Chrome faça a conversão de fala em texto e depois colam o resultado. Essa API é boa para frases curtas, frágil para qualquer coisa mais longa. As coisas específicas que dão errado:

• A pontuação precisa ser falada. 'Ponto' 'vírgula' 'ponto de interrogação' 'novo parágrafo'. Você acha que vai aprender. Não aprende. Seu cérebro não quer dizer 'ponto' em voz alta no fim de cada frase. A maioria dos usuários dita um bloco corrido e sem pontuação, depois arruma tudo com o trackpad. O que acaba com boa parte do propósito.
• O microfone expira após o silêncio. Pare por três segundos para pensar na frase e a API para de ouvir. Você volta a falar e meia frase sumiu.
• O foco da aba é grudento. Clique em outra aba do Chrome e o microfone para. Vá para o calendário conferir uma data e o microfone para. O ditado vive dentro de uma única aba.
• Sotaques e nomes próprios. Os nomes são autocorrigidos para qualquer palavra que o navegador achar mais parecida. Destinatários meus já foram chamados de Andre, Ankara e, uma vez, 'Sra. Andrescu', até eu perceber.

A Voicy afirma que sua extensão usa a própria IA para mais precisão, e essa é a versão que eu testaria primeiro se fosse seguir o caminho da extensão. Mas nenhuma resolve os problemas da pontuação por voz e do tempo limite. Os dois estão embutidos na suposição de que o ditado no navegador é uma ação de 30 segundos, não uma ferramenta de escrita.

O mesmo teto das extensões de navegador se aplica à digitação por voz no Google Docs — prática dentro da aba, mas nunca segue o seu cursor para dentro do Gmail nem para qualquer outro lugar.

O que eu uso para o Gmail, e quando nem me dou ao trabalho

Eu criei o Whisper porque tinha me esgotado com as extensões do Chrome pelos motivos acima. É um aplicativo de desktop em Tauri para Mac (Apple Silicon) e Windows. Sem Mac Intel, sem Linux. Ele registra um atalho no nível do sistema operacional. Segure, fale, solte. O texto é transcrito e colado na janela que estiver em foco.

Atalho padrão: Ctrl+Space no Windows, somente modificadores Command + Option no macOS (qualquer Command, qualquer Option, segure para gravar, solte para parar). Os dois são personalizáveis em Configurações.

O detalhe que mudou meu jeito de trabalhar: ele não se importa com qual aplicativo está em foco. O mesmo atalho na redação do Gmail, no Slack, no Notion, no VS Code, no terminal. O módulo de colagem em Rust escreve na área de transferência do sistema e injeta o atalho nativo Cmd+V ou Ctrl+V na janela que eu estiver olhando. O macOS pede a permissão de Acessibilidade na primeira vez. Depois disso, fica invisível.

Para o Gmail, isso importa por causa da troca de contexto. Eu começo a escrever uma resposta, faço alt-tab para o calendário, alt-tab de volta. Com uma extensão do Chrome, o estado do microfone se foi. Com um atalho de desktop, eu continuo de onde parei.

Você escolhe o motor de transcrição. Três caminhos, apresentados com honestidade, sem padrão:

• Cloud (OpenAI BYOK). gpt-4o-mini-transcribe por padrão, gpt-4o-transcribe para a faixa de maior precisão. Você usa sua própria chave da OpenAI. Melhor qualidade, busca na web embutida, precisa de conexão.
• Parakeet local. O modelo TDT da NVIDIA, cerca de 600 MB, 5 a 10× mais rápido que o Whisper na CPU. Inglês mais 24 idiomas europeus. Offline. Sem idiomas asiáticos, sem tradução para o inglês.
• Whisper local. Do Base (cerca de 140 MB) até o Large v3 (cerca de 3 GB). As variantes multilíngues cobrem 99 idiomas. As variantes .en são só em inglês. Mais lento que o Parakeet, mas suporta tradução e um controle mais fino por gravação.

Para respostas do Gmail em inglês, é no Parakeet local que eu deixo. O Cloud assume quando preciso de um e-mail mais longo com busca na web. O gatilho por palavra-chave da IA é 'Hey whisper' seguido da instrução.

Quando eu nem me dou ao trabalho: uma resposta de uma linha do tipo 'valeu, pode deixar'. A latência do atalho só ganha da digitação a partir de umas dez palavras. O sentido do ditado são os e-mails de 80 a 200 palavras, em que falar é mais rápido do que digitar.

Quando o Gboard ou o ditado do iOS é a resposta certa

Se 90% do seu Gmail acontece no celular, não instale nada. O Gboard e o ditado do iOS são gratuitos, do nível do sistema e feitos para mensagens curtas a médias. O ícone de microfone do seu teclado dá conta de uma resposta de 100 palavras em 40 segundos.

Se você está em um Mac e o que precisa são memorandos de voz de 30 segundos num campo de texto, a Apple Dictation funciona para notas curtas. O macOS Tahoe vem com 47 idiomas e variantes regionais. Acionada pela tecla de Microfone, por um atalho configurável ou por Editar → Iniciar Ditado. Ela para depois de 30 segundos de silêncio, o que a deixa ótima para o 'sim, responda para confirmar' e ruim para um parágrafo que precisa de uma pausa para pensar.

Se você escreve a maior parte dos seus e-mails em um desktop ou notebook, em vários aplicativos que não são todos abas de navegador, é aí que um aplicativo no nível do sistema começa a fazer diferença. A gente faz um. A Willow Voice e a versão nativa do Voicy também. Teste alguns antes de decidir — o mesmo atalho que funciona em todo o sistema também deixa você ditar no Notion.

A digitação por voz no Gmail deveria ter sido um recurso do Google dez anos atrás, e de algum jeito ainda não é. Até que seja, escolha o caminho que combina com o seu dia. Teclado do celular se você está no celular, extensão do Chrome se você vive dentro de uma aba, aplicativo de desktop se você escreve em todo lugar para onde o cursor vai. Seja qual for a escolha, o objetivo é o mesmo. Pare de digitar os e-mails de 100 palavras.