Liberdade de expressão para texto, diretamente no seu browser.

Como funciona a digitação por voz online sem carregar sua voz

Quando a página carrega, ela baixa um modelo de reconhecimento de fala chamado Whisper em seu navegador. É o tamanho base, quantizado em int8, e chega a cerca de 80 MB. Uma barra de progresso mostra o download. O modelo viaja até você em vez de sua voz viajar para um servidor.

Depois disso, a ferramenta é push to talk. Você toca no microfone, seu navegador pede permissão para microfone e um medidor de nível mostra que está ouvindo você. Toque novamente e a gravação vai direto para o modelo em execução na mesma aba. O áudio é tratado em janelas de 30 segundos com uma sobreposição de 5 segundos, para que um longo período de conversa não seja interrompido no meio da frase.

Onde o seu navegador suporta WebGPU, o modelo roda na placa gráfica e é várias vezes mais rápido. Onde isso não acontece, ele recorre ao WebAssembly na CPU, que é mais lento, mas ainda funciona. Seu navegador armazena em cache os arquivos do modelo após a primeira execução, para que as visitas posteriores comecem imediatamente. Uma contagem de palavras e um número aproximado de palavras por minuto ficam acima da caixa de texto.

Digitação por voz sem upload, sem inscrição e sem conta

A maioria dos sites gratuitos de digitação por voz assume um de dois formatos. Alguns gravam seu áudio e o publicam em seus servidores para transcrição. Outros chamam o reconhecimento de voz integrado ao Chrome ou Edge, que envia o áudio para o serviço do fornecedor do navegador. De qualquer forma, sua voz sai da sua máquina e você confia em uma política de privacidade que não escreveu.

Esta página tem um formato diferente. Não há upload, nem conta, nem servidor de transcrição. O arquivo do modelo é um download estático e a transcrição é executada na guia à sua frente. Você pode verificar isso sozinho. Carregue a página, espere a modelo chegar, desligue o wifi e continue ditando. Continua funcionando, porque o reconhecimento nunca foi pela rede.

Essa estrutura também tem efeitos práticos. Nada é medido, então não há limite de minutos, limite diário e nenhum mural solicitando que você se inscreva no meio de uma gravação. Isso também significa que não podemos ler, armazenar ou perder sua transcrição. Se você fechar a guia, o texto desaparecerá, então copie ou baixe tudo o que deseja manter.

Como usar a ferramenta de digitação por voz, passo a passo

Aguarde o download do modelo terminar. O botão do microfone permanece inativo até que esteja pronto, porque não há nada para transcrever antes disso. Em uma conexão normal, isso leva alguns segundos e só acontece na sua primeira visita.

Toque no microfone. Na primeira vez, seu navegador pedirá permissão para usar o microfone. Permita. Observe o movimento do medidor de nível enquanto você fala, que é a maneira mais rápida de confirmar se o dispositivo de entrada correto está selecionado. Se o medidor estiver plano, altere sua entrada nas configurações de som do sistema e recarregue.

Fale no seu ritmo normal. Não há necessidade de desacelerar ou enunciar demais, e gritar piora os resultados em vez de melhorar. Toque no microfone novamente quando terminar um pensamento. O texto aparece na caixa abaixo.

Você pode continuar. Cada nova gravação é adicionada ao final do que já existe, para que você possa ditar em pequenos intervalos. A caixa é um campo editável normal, então corrija o que quiser e copie-o ou baixe-o como um arquivo .txt.

Quão preciso é e com quais idiomas e sotaques ele suporta?

O modelo é multilíngue e detecta o idioma automaticamente, para que você possa começar a falar sem escolher nada no menu. Na prática, isso abrange a maioria dos principais idiomas e é visivelmente mais forte naqueles com mais dados de treinamento, sendo o inglês o principal deles.

Seja realista quanto ao tamanho do modelo. Esta é a base do Whisper, escolhida porque um download de 80 MB é algo que o visitante realmente esperará. É bom na fala conectada comum e suporta uma variedade de sotaques, mas não é o maior modelo disponível e cometerá mais erros do que um modelo dez vezes maior. Nomes próprios, nomes de produtos, jargões técnicos e nomes de pessoas são onde isso ocorre com mais frequência.

Uma sala silenciosa e um microfone decente ajudam mais do que qualquer outra coisa que você possa mudar. Os microfones dos laptops captam o ruído do teclado e o eco da sala, e ambos pioram o texto. Se você dita muito, um fone de ouvido barato é a maior atualização disponível para você.

Para que as pessoas usam a digitação por voz gratuita

O uso mais comum é um primeiro rascunho. Para a maioria das pessoas, falar é mais rápido do que digitar, e um rascunho falado que você edita tende a superar uma página em branco. Ensaios, postagens em blogs, cartas de apresentação, e-mails longos, entradas de diário e notas de reuniões funcionam bem dessa maneira.

É também uma ferramenta de acessibilidade simples. Se a digitação for dolorosa, se você tiver uma lesão ou se o teclado estiver simplesmente lento para você, ditar em uma guia do navegador não precisa de instalação, direitos de administrador e nenhuma compra. Isso é importante em um laptop de trabalho bloqueado ou em uma máquina de biblioteca compartilhada onde você não pode instalar software.

Os alunos o usam para anotações e para obter citações longas rapidamente. As pessoas que escrevem em um segundo idioma geralmente acham mais fácil dizer uma frase do que digitá-la. E é útil como bloco de notas: capture a ideia enquanto a tem e arrume-a depois.

Se o que você tem é uma gravação existente em vez de uma voz ao vivo, esse é um trabalho diferente. Use a ferramenta de áudio para texto para isso.

Digitação por voz offline, sem conexão com a internet

Depois que o modelo estiver no cache do navegador, esta página continuará funcionando sem conexão. A transcrição nunca usou a rede, então um avião, um trem ou um wi-fi de hotel morto não a impede. Você precisa que a própria página carregue, então abra-a antes de perder o sinal.

Duas coisas o levam de volta ao download. Limpar o armazenamento do navegador remove o modelo em cache, e uma janela privada ou anônima geralmente começa com um cache vazio, então busca o arquivo novamente. Navegadores diferentes também mantêm caches separados, então mudar de um para outro significa mais um download.

Esse primeiro download é o único momento em que esta ferramenta precisa da internet. Todo o resto, a gravação, o reconhecimento e o texto, acontece no seu próprio hardware. Vale a pena dizer claramente porque é incomum. A maioria dos sites de ditado gratuitos para de funcionar no momento em que você fica offline, porque o reconhecimento está acontecendo em outro lugar.

Os limites da digitação por voz do navegador e o que o aplicativo de desktop adiciona

Esta ferramenta digita em uma caixa em uma página da web. Esse é o limite honesto. Ele não pode colocar texto em seu editor, cliente de e-mail, Slack ou documento, então você sempre copia o resultado manualmente. Se você quiser ditar outra coisa, este é um trabalho de duas etapas.

O texto também chega depois que você para, e não palavra por palavra enquanto você fala, porque a gravação é transcrita de uma só vez quando você toca novamente no microfone. E não há passe de limpeza. Tudo o que você disse é o que você obtém, incluindo os hums, os falsos começos e a frase que você abandonou no meio.

O aplicativo de desktop Yaps é a mesma ideia no dispositivo, sem esses limites. Você segura uma tecla de atalho, fala em qualquer aplicativo em que já esteja e o texto chega ao seu cursor. Ele limpa palavras de preenchimento e pontuação e funciona offline depois de instalado. Também existe um teclado Android, que é muito melhor adequado para o ditado do telefone do que uma guia do navegador.