Voz para texto no Slack, com sinceridade

O Slack tem voz para texto embutido?

Não — não do jeito que você imagina. O Slack não tem nenhum recurso que transforme sua fala em texto digitado na caixa de mensagem. O que ele tem é o clipe de áudio: clique no ícone de microfone num canal ou DM e o Slack grava áudio, de até cinco minutos, em todos os planos. Isso é um memorando de voz, não uma mensagem ditada.

O Slack consegue transcrever esse clipe, mas só quando você pede. Depois de gravar, você clica no ícone "Gerar transcrição" e uma prévia do texto aparece abaixo do clipe. Não é automático, apesar do que metade da internet vai te dizer. Então a transcrição do clipe é o texto de uma gravação que você fez, não a mensagem que você queria ditar e enviar como uma mensagem normal do Slack. Fluxo diferente, resultado diferente. Passei um tempo sinceramente vergonhoso clicando naquele ícone de microfone esperando que as palavras aparecessem, até aceitar que elas nunca apareceriam.

Se você quer que sua voz vire uma mensagem digitada no Slack, a ferramenta que faz isso vive fora do Slack: o seu sistema operacional, ou um app de ditado dedicado. Os dois estão logo abaixo.

Digitar no Slack o dia todo vs. só falar

O argumento a favor de ditar no Slack é simples. Falar acontece a cerca de 145 palavras por minuto; digitar, para a maioria das pessoas, fica mais perto de 40. Isso é mais ou menos três vezes e meia mais rápido, e libera suas mãos. Para um canal movimentado, a diferença se acumula ao longo do dia.

O contrapeso honesto: muitas mensagens do Slack têm seis palavras. "Já tô nessa." "Olhando agora." "Você pode mandar o link?" O ditado não faz nada por essas; você perderia tempo trocando de modo. A digitação por voz justifica seu valor no conteúdo mais longo: a atualização de status, a nota de passagem de bastão, a resposta que você normalmente adiaria porque digitá-la é um trabalho chato. Esse é o limiar. Mensagens curtas, continue digitando. Qualquer coisa além de uma frase ou duas, fale.

O jeito mais rápido: um atalho de ditado para todo o sistema

É aqui que um app dedicado muda a conta. Whisper by Remskill não é um app do Slack, um bot ou uma extensão de navegador. É um app de desktop que funciona como um teclado: pressione um atalho, fale, e a transcrição é colada no cursor, em qualquer app, incluindo a caixa de mensagem do Slack. Funciona igual no app de desktop do Slack e no Slack aberto no navegador, porque, do ponto de vista do seu computador, você está apenas digitando.

A configuração é rápida:

Esse é o ciclo inteiro. A transcrição aparece na caixa de redação, você aperta Enter.

Fale, e a mensagem aparece no Slack

Quando está rodando, a experiência é discreta da melhor maneira possível. Você coloca o cursor no canal, segura a tecla, fala, solta. Um segundo depois, mais ou menos, o texto está na caixa de mensagem do Slack como se você tivesse digitado. Sem copiar e colar, sem uma janela separada para pescar o texto, sem clipe para o seu colega ter que dar play.

Como a transcrição local roda na sua máquina (puro Rust, sem sidecar de Python, sem servidor no meio do caminho), ela funciona offline. Isso importa mais do que parece. A transcrição de clipes do próprio Slack é processada na nuvem, e a digitação por voz embutida do Windows precisa de uma conexão com a internet para funcionar. O modo local do Whisper não. O áudio daquela atualização de status interna nunca sai do seu laptop.

Como é o app completo do Whisper

O atalho é a parte que você vai usar mais, mas há uma superfície de configurações por trás dele. Você escolhe o seu mecanismo de transcrição: modelos Whisper, cujas variantes multilíngues cobrem 99 idiomas e cujas builds .en só em inglês 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 idiomas europeus. Você define o seu atalho, gerencia o histórico e salva predefinições. Nada disso é necessário para ditar uma mensagem no Slack. Está ali para quando você quiser ajustar.

Organizando mensagens ditadas no Slack com IA

A linguagem falada é bagunçada. Você diz "hã", recomeça frases, deixa frases pela metade. O Whisper tem uma etapa opcional de aprimoramento por IA que corta as muletas linguísticas e arruma a redação em algo que você enviaria a um colega, antes de colar. Então "é, então o, o deploy saiu, eu acho que tá, tá tudo certo" vira "O deploy saiu — acho que está tudo certo."

Essa limpeza roda localmente através do Ollama, gratuita, na sua própria máquina. Usuários Pro podem direcioná-la pela nuvem, mas o benefício da limpeza de muletas não exige o Pro; ele está ali no pipeline local gratuito. Para o Slack, onde o tom mora em algum lugar entre o e-mail e a mensagem de texto, aquela etapa de "deixar com som profissional" é o recurso que as pessoas acabam mantendo.

Os clipes de áudio e huddles do próprio Slack vs. ditado de verdade

Vale a pena ser preciso sobre o que o Slack já faz, para você não ficar procurando uma configuração que não existe. Clipes de áudio: mídia gravada, de até cinco minutos, transcrevível sob demanda. Huddles: salas de áudio ao vivo para conversar com colegas. Nenhum dos dois transforma a sua fala numa mensagem digitada que você envia e edita como texto. São boas ferramentas para "deixa eu só falar isso em voz alta", e um substituto ruim para "deixa eu ditar isso e apertar enviar". Se o seu objetivo era o segundo, o Slack nunca ia te dar isso. Não é um bug, é uma questão de escopo.

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

Se você só precisa ditar uma mensagem curta de vez em quando, não instale nada. O seu computador já faz isso de graça. No Windows, pressione a tecla do logotipo do Windows + H e a digitação por voz abre em qualquer caixa de texto, Slack incluído, sem assinatura. Num Mac, o atalho de Dictation embutido (ou a tecla de microfone) faz o mesmo, e no Apple silicon ele roda no dispositivo sem precisar de internet. No seu telefone, o ícone de microfone do teclado dita direto no campo de mensagem do Slack mobile; isso é iOS ou Gboard, não o Slack, mas funciona.

O único trade-off que vale conhecer: o Win+H do Windows precisa de uma conexão com a internet para funcionar, enquanto o ditado do macOS e o modo local do Whisper não precisam. Para um rápido "chegando cinco minutos atrasado", a ferramenta do sistema operacional é a escolha certa. Onde um app dedicado se destaca é no volume, na limpeza de muletas e em ditar offline: quanto mais longo e mais frequente o uso, mais essas coisas importam.

Chame isso de teste da lancheira. Numa terça-feira à noite estou montando lancheiras, sanduíche, fruta, o iogurte que o mais novo vai recusar, e uma mensagem precisa sair antes de todo mundo se dispersar. Pego o laptop com uma mão só, aperto o atalho e dito a mensagem entre fatias de pepino: paro para perguntar como se escreve um nome, o ditado espera, sigo em frente. A mensagem sai. As lancheiras ficam prontas. Aquele exato momento costumava ser quinze minutos digitando com uma mão só.

Once one hotkey follows your cursor everywhere, the same flow lets you dictate to ChatGPT — speak the prompt and it lands as clean text in the chat box, no retyping a long request by hand.

Quanto custa o Whisper

O pipeline de ditado local, a transcrição e a limpeza por IA via Ollama, é gratuito para qualquer usuário autenticado, sem cartão no cadastro. Então colocar a sua voz no Slack com o Whisper não custa nada. O Whisper Pro adiciona os recursos da nuvem (transcrição OpenAI, aprimoramento de IA na nuvem, busca na web por voz), e ele tem um período de teste separado. Os números exatos ficam na página de preços em vez de aqui, porque os preços mudam e um post de blog é um lugar ruim para mantê-los atualizados.

O Slack provavelmente vai acabar lançando ditado de verdade, como a maioria dos apps faz, assim que gente suficiente clicar no ícone de microfone esperando isso. Até lá, o seu computador já tem o recurso, e existe um app para quando a versão embutida não for rápida o suficiente. Escolha a menor ferramenta que resolve o seu problema. Para a maioria das mensagens curtas, é a tecla que você já tem.