Ditado por voz gratuito: Whisper local e aplicações prontas a usar

No exemplo descrito aqui, quase tudo é ditado por voz: prompts para o Claude, notas, publicações e respostas em aplicações de mensagens. Falar é 3–4 vezes mais rápido do que escrever num teclado. O Whisper local pode reconhecer a gravação no seu computador. A aplicação de destino é um limite de privacidade separado: o texto colado num chat na nuvem ou enviado a um serviço online segue depois o funcionamento desse serviço.

Este guia apresenta um percurso direto de instalação da aplicação e um teste breve antes de depender do ditado. Depois disso, um agente pode ajudar a investigar uma falha concreta. Comparamos também a comodidade das aplicações pagas prontas a usar com uma opção local.

Porquê ditar por voz em vez de escrever?#

Quando trabalha com IA, o que mais tempo consome não é o código, mas a formulação. Explica ao Claude o que deve fazer, revê e esclarece. Escrever essas explicações demora muito. Dizê-las é rápido.

Os números são simples: falar é cerca de três vezes mais rápido do que escrever. É a diferença entre «escrevi um parágrafo em dois minutos» e «disse-o em trinta segundos». Ao longo do dia, isso representa dezenas de minutos poupados.

Além disso, fica com as mãos livres. Pode andar pela sala, olhar para outro ecrã ou segurar numa chávena. Para muitas pessoas, também elimina uma barreira: é mais fácil falar do que sentar-se para escrever alguma coisa.

Wispr Flow, superwhisper, Whisper: qual é a diferença?#

É fácil confundir os nomes, por isso vamos analisá-los por ordem.

Whisper (sem «r» no fim, da OpenAI) é um motor: um modelo aberto que transforma a fala em texto. É gratuito, de código aberto e pode funcionar diretamente no seu computador. Por si só, é apenas um «motor» sem botões nem janelas — as aplicações prontas usam-no nos bastidores.

Wispr Flow (com «r», wisprflow.ai) é uma aplicação paga pronta a usar para Mac e Windows. Mantém uma tecla premida, fala e o texto aparece em qualquer campo onde esteja o cursor. É prática, aperfeiçoada e funciona logo após a instalação.

superwhisper (superwhisper.com) é uma aplicação semelhante para Mac, Windows e iPhone. Tem um modo gratuito que usa modelos locais, enquanto a versão completa é paga. A ideia é a mesma: manter uma tecla premida, falar e obter texto.

Handy ('<OFFICIAL_URL>') é uma aplicação gratuita e de código aberto que funciona offline em Mac, Windows e Linux. É uma opção gratuita pronta a usar se não quiser configurar tudo através do Claude Code (mais sobre isso abaixo).

Ambas as abordagens transformam fala em texto, mas o modelo, as funções de edição e o local de processamento podem diferir. Uma aplicação pronta a usar reduz a configuração; o Whisper local dá-lhe controlo sobre um percurso de reconhecimento offline. Teste a mesma frase, incluindo nomes e termos especializados, antes de decidir qual serve melhor.

Pago ou gratuito: o que cobram o Wispr Flow e o superwhisper?#

Eis uma visão honesta das opções pagas:

Aquilo por que paga realmente nas aplicações pagas:

• Interface pronta a usar. Instala e funciona; não é preciso configurar nada.
• Comandos de voz. «Vírgula», «novo parágrafo» e «apaga a última coisa» são reconhecidos como comandos de edição (nas versões pagas).
• Sincronização e dicionário. Os nomes, termos e o seu dicionário pessoal são sincronizados entre dispositivos.

Tudo isto é bom. Mas o reconhecimento de voz nestas aplicações utiliza a mesma classe de modelos que está disponível gratuitamente. Na configuração local descrita aqui, não é necessária nenhuma subscrição: fala e o texto aparece.

A introdução por voz pode facilitar a escrita de prompts longos. Instale e teste primeiro uma aplicação escolhida; se houver uma falha, indique a um agente a versão exata da aplicação, o modelo selecionado, o sistema operativo e o sintoma observado, em vez de lhe pedir que invente uma configuração não especificada.

Como funciona o Whisper local e por que é privado?#

Os serviços na nuvem funcionam assim: a sua voz é enviada para o servidor de outra pessoa, onde é reconhecida, e o texto é enviado de volta. Cobram por isso (aluguer do servidor) e tem de confiar à empresa a sua voz.

O Whisper local funciona de outra forma. Transfere o modelo uma vez (um ficheiro com algumas centenas de megabytes ou um pouco mais) e, a partir daí, tudo acontece no seu dispositivo:

1. Mantenha uma tecla de atalho premida e fale

   O microfone grava áudio enquanto a tecla estiver premida.

2. O modelo no computador reconhece a fala

   O áudio é transformado em texto diretamente no dispositivo, sem Internet.

3. O texto é inserido onde está o cursor

   Num chat com o Claude, num documento, na barra de endereço do navegador — em qualquer sítio.

Um percurso de reconhecimento local não exige um endpoint de voz pago e pode transcrever sem ligação à Internet depois de o modelo ser transferido. Verifique esse comportamento num editor de texto local. Isso não impede que um chat na nuvem, a sincronização da área de transferência ou outro destino transmita o texto mais tarde.

O Whisper compreende cerca de 99 idiomas, incluindo alguns menos comuns, como o cazaque e o tártaro. Os modelos têm vários tamanhos — desde os mais leves (rápidos, mas menos precisos) até aos maiores (mais precisos, mas mais exigentes).

Que tipo de computador consegue usar a introdução por voz?#

A compatibilidade e a velocidade dependem da versão da aplicação, do modelo, do idioma e do hardware. Antes de transferir o instalador, verifique o sistema operativo e a arquitetura de processador suportados. Um modelo maior exige mais memória e armazenamento; uma instalação funcional não demonstra, por si só, que o reconhecimento é suficientemente rápido para o seu trabalho.

No percurso com Handy abaixo, comece por um modelo local Whisper Small e uma frase curta. Verifique o tamanho da transferência indicado pela aplicação e espere pela conclusão. Se o carregamento falhar ou a demora for excessiva, consulte os requisitos da aplicação e experimente um modelo local mais pequeno que seja suportado, em vez de presumir que todos os portáteis antigos têm o mesmo desempenho. Compare a transcrição e a demora reais no seu computador; este guia não estabelece um mínimo universal de hardware nem um tempo de conclusão.

Uma configuração documentada de ditado local para macOS ou Windows#

Use o Handy v0.9.8 como aplicação concreta deste percurso. O README dessa versão descreve a transcrição local com Whisper, atalhos configuráveis e permissões de microfone e acessibilidade. Este percurso baseia-se na documentação; não foram executadas a instalação e a transcrição para este guia.

1. Transfira dos ficheiros oficiais dessa versão o instalador correspondente ao seu sistema operativo e processador. Instale e abra o Handy. Confirme que abriu a versão pretendida, e não uma aplicação com nome semelhante obtida noutro site.
2. Transfira e selecione na aplicação um modelo local Whisper Small. Espere que a transferência termine. Deixe desativado o pós-processamento online opcional durante a verificação do reconhecimento local.
3. Autorize o acesso do Handy ao microfone. No macOS, conceda a permissão de Acessibilidade que solicita para inserir texto noutras aplicações, em Definições do Sistema → Privacidade e Segurança. Verifique o nome da aplicação e a finalidade; não aprove automaticamente pedidos sem relação com esta tarefa.
4. Nas definições do Handy, configure o atalho de transcrição como Ctrl+Shift+Space e escolha o modo de manter premido para gravar. É uma combinação escolhida, não um atalho predefinido garantido. Se a aplicação a rejeitar ou outro programa a utilizar, escolha uma combinação disponível e use-a nas verificações seguintes.
5. Abra um documento local de texto simples, coloque o cursor nele, mantenha o atalho configurado premido, diga «Teste de introdução por voz, projeto alfa» e solte-o. A gravação deve parar e o texto reconhecido deve ser inserido nesse documento. Verifique as palavras e a demora; a pontuação pode variar.
6. Depois de transferir a aplicação e o modelo, desligue a rede e repita a frase inofensiva no documento local. Uma transcrição aí produzida demonstra que este percurso de transcrição selecionado pode funcionar offline. Volte a ligar a rede. Isto não demonstra que um chat na nuvem que receba a transcrição a mantenha local.

Se quiser ajuda de um agente para adaptar a configuração, use um prompt de diagnóstico limitado:

Uso o Handy v0.9.8 com um modelo local Whisper Small.
O meu sistema operativo e processador são: [preencha os valores reais].
O atalho de transcrição escolhido é: [preencha o atalho configurado].
Resultado observado do teste curto no editor local: [descreva o que aconteceu].
Consulte as instruções oficiais desta versão. Identifique a etapa que falha:
transferência/carregamento do modelo, captação do microfone, atalho ou inserção de texto.
Explique cada permissão ou alteração proposta antes de eu a aplicar. Não mude
para uma API de transcrição na nuvem, não compre nada e não elimine ficheiros existentes.

Use o prompt como ajuda opcional para uma falha concreta observada. Uma mensagem «pronto» do agente e clicar em Permitir não substituem a transcrição e a verificação offline.

Como verificar se funciona (e o que fazer se não funcionar)#

Depois de configurar a aplicação, o modelo transferido e o atalho, faça pessoalmente a verificação no editor local:

1. Coloque o cursor num documento de texto simples local

   Use uma frase inofensiva; faça a verificação local antes de enviar texto para um chat na nuvem.

2. Mantenha premido o atalho que configurou no Handy

   Use Ctrl+Shift+Space apenas se foi a combinação escolhida e está disponível; use o atalho efetivo também no Mac.

3. Diga uma frase curta em voz alta

   Por exemplo: «teste de introdução por voz».

4. Solte as teclas

   O texto deverá aparecer onde estava o cursor.

Se não aparecer texto, não se preocupe; estes problemas são comuns. Copie este prompt para o chat do Claude e ele orientar-lhe-á na resolução:

Uso o Handy v0.9.8 com um modelo local Whisper Small.
O atalho que configurei é: [preencha o atalho real].
Num documento local, mantenho-o premido, falo e solto-o, mas não aparece texto.
Verifica as instruções oficiais desta versão e distingue transferência ou
carregamento do modelo, microfone, atalho e inserção de texto.
Explica as permissões propostas antes de eu as aprovar; não mudes para
transcrição na nuvem, não compres nada e não apagues ficheiros existentes.

Isto abrange quase todas as situações. As causas mais comuns dos problemas são:

• Sem acesso ao microfone. O sistema não permitiu que o programa captasse áudio — tem de autorizar o acesso nas definições de privacidade.
• Sem permissão para inserir texto (Mac). Verifique a permissão de Acessibilidade solicitada pelo Handy em Definições do Sistema → Privacidade e Segurança e volte a testar no editor de texto local.
• Conflito com o atalho configurado. Verifique se outro programa utiliza a combinação escolhida no Handy. Se necessário, configure uma disponível e repita o teste com essa combinação.
• A transferência ou o carregamento do modelo não terminaram. Consulte o estado na aplicação e conclua a transferência do modelo local selecionado antes de voltar a testar. Não mude silenciosamente para um serviço de transcrição online.

E se nada for instalado?#

Por vezes não há tempo para resolver problemas, mas quer ditar ainda hoje. Nesse caso, ative a função de introdução por voz integrada no sistema; é gratuita:

• Mac: «System Settings» → «Keyboard» → «Dictation» → ative-a. Nos chips Apple, o reconhecimento funciona offline, diretamente no dispositivo.
• Windows: prima Win + H para abrir o painel de escrita por voz. Tenha em conta que funciona através da Internet (o reconhecimento é feito nos servidores da Microsoft), pelo que não é um processamento privado offline.

Funciona de imediato, sem instalação. A qualidade é mais modesta do que a do Whisper local. Mas é uma forma perfeitamente válida de evitar ficar bloqueado e começar a escrever por voz ainda hoje.

Wispr Flow ou Whisper gratuito: qual deve escolher?#

Um guia rápido para escolher:

A opção local evita uma subscrição de reconhecimento e oferece um percurso para transcrição offline. Confirme a qualidade, a velocidade e o funcionamento sem rede no seu computador antes de depender dela. Uma aplicação comercial pode ser mais adequada se o seu fluxo poupar mais tempo; compare usando a mesma frase inofensiva.

Experimente simplesmente ditar o seu primeiro prompt. Na experiência descrita aqui, após alguns dias de introdução por voz, as pessoas quase deixaram de escrever textos longos no teclado.