Voz para texto no Obsidian

O Obsidian tem voz-para-texto integrado?

Não. O Obsidian não tem uma função de ditado nativa que converta a sua fala em texto no editor. O plugin principal Audio Recorder grava um ficheiro de áudio e anexa-o à sua nota; não transcreve o que disse. Isso é útil, mas é o oposto do que a maioria das pessoas que procuram isto quer.

Para obter transcrição real dentro de um cofre, recorre-se a um plugin da comunidade. O mais comum é o plugin "Whisper" de nikdanilov. Grava ou carrega áudio, envia-o para uma API de transcrição compatível com Whisper e cola o resultado no cursor. Funciona em ambiente de trabalho e móvel, e o atalho predefinido é Alt+Q. O problema está no seu próprio início rápido: adiciona uma chave de API nas definições, porque comunica com OpenAI, Groq, Azure ou outro serviço compatível com Whisper. Isso significa nuvem, e significa pagar ao fornecedor da API por minuto de áudio.

Há também outras vias dentro do editor. As pessoas combinam o Audio Recorder principal com um serviço de transcrição como o Deepgram, ou executam ferramentas de ditado separadas ao lado do Obsidian. São todas boas opções. Mas note o fio condutor: as que transcrevem dentro da nota quase todas encaminham o seu áudio para uma API na nuvem e pedem uma chave. Há uma forma diferente de o fazer que evita ambas.

Um plugin num cofre vs. um atalho em todo o lado

Esta é a distinção que vale a pena esclarecer. Um plugin no cofre vive dentro do Obsidian. Transcreve quando está numa nota, usando o seu próprio atalho, e só funciona aí. Uma app de atalho global vive um nível acima, no seu sistema operativo. Escreve no Obsidian, mas também no browser, no email, no terminal e em qualquer outra app, porque para o seu computador está simplesmente a escrever.

O que quer depende do que está realmente a fazer. Se o seu único objetivo é colocar um ficheiro de áudio gravado numa nota e tê-lo transcrito no local, o plugin está feito exatamente para isso. Se quiser ditar prosa no editor como a escreveria, e também ditar em todo o lado onde escreve, a app global é a melhor forma. O resto deste guia é principalmente sobre o segundo tipo, porque não requer chave nem configuração por cofre.

A forma mais rápida: um atalho de teclado global

É aqui que uma app de ambiente de trabalho muda os cálculos. Whisper by Remskill não é um plugin do Obsidian, uma integração de cofre, nem uma extensão de browser. É uma app de ambiente de trabalho que funciona como um teclado: prima um atalho, fale, e a transcrição é colada no cursor, em qualquer app, incluindo a sua nota do Obsidian. Não há chave de API para colar, porque os motores de transcrição correm localmente na sua máquina. Funciona da mesma forma no Obsidian e em todo o lado, uma vez que escreve em vez de integrar.

A configuração é breve:

Esse é o ciclo completo. A transcrição aparece no editor, lê-a, continua a escrever.

Fale, e a nota preenche-se

Uma vez a funcionar, a experiência é notavelmente comum da melhor forma. Coloca o cursor numa nota, mantém a tecla, fala, larga. Um segundo depois o texto está no editor como se o tivesse escrito. Sem gravação separada para percorrer mais tarde, sem ficheiro de áudio a desordenar o cofre, sem tarefa de transcrição para aguardar. Apenas palavras onde estava o cursor.

Como a transcrição local corre na sua máquina (Rust puro, sem sidecar Python, sem servidor no loop), funciona offline. Para uma app de notas, esse é o ponto principal. O pensamento que está a capturar, a reunião que está a resumir, a ideia a meio formada que não quer indexada nos logs de outra pessoa — nada do áudio sai do seu portátil. Os plugins no cofre que chamam uma API na nuvem não podem dizer isso, e o ditado de voz integrado do Windows precisa de ligação à internet para funcionar. O modo local do Whisper não.

Como é a app completa do Whisper

O atalho é a parte que usará mais, mas há uma interface de definições por trás. Escolhe o seu motor de transcrição: modelos Whisper, cujas variantes multilingues cobrem 99 idiomas, ou o Parakeet da NVIDIA, cerca de 600 MB, 5 a 10 vezes mais rápido do que o Whisper em CPU, cobrindo inglês e 24 idiomas europeus. Define o seu atalho, gere o histórico e guarda predefinições. Nada disso é necessário para ditar uma nota. Está lá quando quiser ajustar.

Limpar notas ditadas com IA

A língua falada é desordenada. Diz «eh», recomeça frases, perde o fio condutor. O Whisper tem um passo opcional de melhoria por IA que remove palavras de preenchimento e organiza a formulação antes de colar. Assim «eh, sim, então a, a reunião mudou, acho que vamos, vamos fazer quinta agora» torna-se «A reunião foi adiada; acho que fazemos quinta.» Para uma nota permanente que voltará a ler mais tarde, essa limpeza compensa.

Essa limpeza corre localmente via Ollama, gratuitamente, na sua própria máquina. Os utilizadores Pro podem encaminhá-la pela nuvem, mas o benefício da limpeza de palavras de preenchimento não requer Pro; está disponível no pipeline local gratuito. Também pode desativá-la e colar a transcrição bruta, o que para uma captura rápida é muitas vezes exatamente certo.

Local e privado: as suas notas ficam na sua máquina

Esta é a única opinião firme que defendo para uma ferramenta de notas: o ditado apenas em nuvem é um desastre de privacidade à espera de ser transcrito. O seu cofre é onde guarda a folha de cálculo de salários que está a redigir, o email para a escola do seu filho, o pensamento a meio formado que ainda não está pronto para partilhar. Todo o apelo do Obsidian para muita gente é que as notas são ficheiros simples no seu próprio disco. Encaminhar o áudio dessas notas pela API de um fornecedor desfaz isso silenciosamente.

Com os motores locais do Whisper, a gravação é transcrita na sua própria CPU e descartada. Sem chave, sem conta no fornecedor de transcrição, sem áudio guardado num log algures. Isso não é uma frase de marketing — é simplesmente onde acontece o cálculo. Uma vez vi uma equipa acumular uma fatura de nuvem de cinco dígitos num trimestre a alimentar uma API com gravações de standups; a resposta do CFO foi, mais ou menos, «ou não pagamos para transcrever reuniões que já têm notas». A mesma lógica aplica-se a um cofre pessoal — sem o CFO.

Quando um plugin de cofre se encaixa melhor

Não vou fingir que a app global vence em todos os casos, porque não é assim. Se o que tem realmente é uma pasta de notas de voz gravadas ou áudio de reuniões que quer transcrever e anexar dentro de notas específicas, um plugin de cofre como o plugin "Whisper" de nikdanilov está feito exatamente para esse fluxo de trabalho. Grava ou carrega um ficheiro e coloca a transcrição na nota. Pagará a API de transcrição por minuto e gerirá uma chave, mas o ciclo ficheiro-entrada, transcrição-na-nota é exatamente o que faz — e uma app de escrita por atalho não o substitui.

Há também a opção de não fazer nada. Se só ditar uma linha ocasional, o seu sistema operativo já o faz gratuitamente. No Windows, prima a tecla do logótipo do Windows + H e o ditado de voz abre-se em qualquer caixa de texto, incluindo uma nota do Obsidian. Num Mac, o atalho de Ditado integrado faz o mesmo, e no Apple silicon corre no dispositivo sem internet. A contrapartida: Win+H no Windows precisa de ligação, enquanto o ditado do macOS e o modo local do Whisper não.

Escolha a ferramenta mais pequena que resolve o seu problema. Para uma captura de uma linha, é a tecla que o seu SO já tem. Para transcrever ficheiros de áudio em notas específicas, é um plugin de cofre. Para ditar prosa no editor e em todo o lado onde escreve, offline e sem chave, é a app global.

Quanto custa o Whisper

O pipeline de ditado local — transcrição e limpeza por IA via Ollama — é gratuito para qualquer utilizador com sessão iniciada, sem cartão no registo. Por isso, colocar a sua voz numa nota com o Whisper não custa nada, e não há medição por minuto pela API de transcrição. O Whisper Pro adiciona as funcionalidades de nuvem (transcrição OpenAI, melhoria de IA na nuvem, pesquisa web por voz) e tem um período de avaliação separado. Os números exatos estão na página de preços em vez de aqui, porque os preços mudam e um artigo de blog é um mau lugar para os manter atualizados.

O Obsidian provavelmente terá um dia uma função de ditado nativa, como as apps tendem a fazer quando suficientes pessoas instalam três plugins a tentar simulá-la. Até lá, o seu cofre tem opções: um plugin de cofre para transcrever ficheiros de áudio, o seu SO para a linha ocasional, e uma app global para ditar prosa no editor sem chave nem servidor no loop. Três ferramentas, um caderno. Na maior parte das vezes precisa da que mantém o áudio na sua máquina.