Whisper para Mac

As ferramentas de Mac que encapsulam o Whisper, e para que serve cada uma

A maioria das pessoas que pesquisa "Whisper para Mac" não quer encostar no pip. Elas querem um app. Existem várias boas opções, e elas não são intercambiáveis. Dividem-se em dois grupos.

O Whisper by Remskill, o app que eu construo, está no grupo dois. Ditado em primeiro lugar. Vale saber em qual grupo você está antes de baixar qualquer coisa.

O que o Whisper by Remskill faz em um Mac

Vou descrever a coisa que eu construí, e aí você pode julgá-la em comparação com o resto.

É um app de ditado. Você aperta um atalho, fala, e o texto cai no cursor em qualquer app: Mail, Notes, Slack, seu editor de código, a caixa onde você está digitando a autorização da escola das crianças deste ano. O atalho padrão no Mac é Command e Option pressionados juntos, e ele é totalmente remapeável. Toda a transcrição acontece no seu Mac. Nenhum arquivo para enviar, nenhuma gravação para gerenciar.

Você também não roda Python. Não tem pip, não tem ffmpeg, não tem terminal, não tem GPU. A coisa toda é Rust puro. Os motores Whisper e Parakeet rodam através de uma biblioteca chamada transcribe-rs, sem nenhum sidecar de Python embutido. A transcrição local roda na sua CPU, sem GPU dedicada, e o app ocupa cerca de 25 MB em disco.

Quanto ao modelo em si, você escolhe. O Whisper local te dá 8 modelos, 99 idiomas, tradução para o inglês, vocabulário personalizado, controle de beam-size e priorização de palavras-chave. Mais lento, mas com o máximo de controle. O Parakeet é o motor NVIDIA TDT, com cerca de 600 MB, e roda de 5 a 10 vezes mais rápido que o Whisper em uma CPU, cobrindo o inglês mais 24 outros idiomas europeus, sem tradução para o inglês. O modo nuvem é o terceiro caminho: você usa sua própria chave da OpenAI, e não ficamos com nenhuma parte. Eu deliberadamente não escolho um por você. Detalhamos as diferenças em Whisper vs Parakeet se você quiser a versão longa.

A precisão local costuma ficar entre 95% e 99%. O pipeline local inteiro é gratuito para qualquer usuário logado: Whisper, Parakeet, limpeza por IA offline através do Ollama, histórico de transcrições, presets, palavras-chave, aceleração por hardware, downloads de modelos e o atalho personalizado. Sem método de pagamento no cadastro. Você pode usar em até 3 dispositivos. O plano pago, o Whisper Pro, só adiciona a camada de nuvem: transcrição em nuvem da OpenAI, limpeza por IA na nuvem e busca na web. Os preços ficam na página de preços. Não vou citar valores aqui, porque páginas de preços mudam e você deve lê-los direto da fonte.

Uma limitação honesta: nossa build para Mac é só para Apple Silicon, do M1 ao M4. Se você está em um Mac com Intel, este app não é para você, e já já vou te dizer qual é.

É assim que o seu primeiro ditado realmente fica. Aperte o atalho, um pequeno indicador de gravação aparece, você fala, solta, e o texto já organizado cai exatamente onde o seu cursor estava. A sobreposição abaixo é a coisa real que o app mostra, não uma maquete.

A configuração é rápida. Baixe o app, faça login e deixe ele puxar um modelo. O Parakeet é o menor, com cerca de 600 MB, ou um modelo Whisper se você quiser idiomas ou tradução. Escolha seu atalho ou mantenha Command e Option. Depois abra o Mail, segure o atalho e diga uma frase. Esse é todo o onboarding. Minha filha mais nova fez isso sem me fazer uma única pergunta de acompanhamento, que é o único teste de usabilidade em que eu confio plenamente. Se você quer o passo a passo mais longo, captura por captura, com os três caminhos de modelo, eu escrevi um guia dedicado: voz para texto no Mac.

Por que eu mantenho tudo local no Mac

Aqui vai minha única opinião forte neste artigo: ditado só na nuvem é um desastre de privacidade.

A planilha de salários do seu chefe, o e-mail para a escola do seu filho, a peça jurídica que você está redigindo no trem. Nada disso deveria passar pelos servidores de um fornecedor só porque você quis digitar com a voz. Seu Mac já tem um microfone e uma CPU. Para um parágrafo de ditado, ele não precisa de um servidor no meio do caminho. Com os motores locais, o áudio nunca sai da sua máquina. É o padrão que eu escolheria, e é gratuito.

O modo nuvem existe para quando você realmente quer os modelos mais recentes da OpenAI ou respostas da web, na sua própria chave. É a saída de emergência, não a porta da frente.

Quando MacWhisper, VoiceInk ou o CLI são a melhor escolha

Eu seria um péssimo guia se fingisse que um app vence em todos os casos. Não vence. Aqui vão as situações em que eu te mandaria para outro lugar.

Se você só lembrar de uma coisa

O modelo é gratuito e aberto. A decisão que importa é o que você coloca ao redor dele: um terminal, uma interface gráfica de transcrição de arquivos, ou um atalho que digita sua fala ao vivo em qualquer coisa que você esteja olhando. Combine o invólucro com a tarefa, e, no Mac, ignore o Python a menos que você genuinamente curta. Existem três tipos de pessoas que vão procurar o Whisper no Mac: as que têm uma pasta de gravações, as que nunca mais querem digitar, e as que só gostaram do nome. Duas delas estão no grupo errado até chegarem até aqui na leitura.

Eu ditei a maior parte deste artigo em vez de digitar, o que pareceu apropriado. O único parágrafo que digitei à mão teve mais erros de digitação.