Reconhecimento de voz offline de verdade significa que o áudio nunca sai do seu dispositivo. O modelo carrega em local, roda na sua CPU ou GPU, e produz texto no mesmo processo — sem ida e volta pela rede, sem upload, sem dependência de nuvem. Em 2026 há cinco apps de ditado de consumo que cumprem essa definição de forma limpa: SnailText, MacWhisper, SuperWhisper (modo local), Voibe e VoiceInk.
Esta comparação cobre os cinco. Os critérios: arquitetura de privacidade (o que de fato sai do dispositivo), suporte de plataforma, aceleração por GPU, precisão e preço.
Aviso: o SnailText é nosso próprio produto. Tentamos ordená-los com honestidade e dizer exatamente quando um concorrente é a melhor compra — as escolhas por app abaixo nomeiam MacWhisper, SuperWhisper, Voibe e VoiceInk como a opção certa para casos concretos. Faça o teste de captura de rede do final em qualquer app, incluindo o nosso, e verifique você mesmo as afirmações de privacidade.
A verificação de arquitetura de privacidade que ninguém mais faz
Antes de ordenar por recursos, a pergunta mais importante é: o que de fato sai da sua máquina durante um ditado?
“Offline” e “local” são usados de forma solta. Um app desta categoria merece escrutínio:
SuperWhisper roda o STT em local — o áudio é transcrito no seu dispositivo. Mas o recurso Smart Modes, ativado por padrão, faz requisições de saída à nuvem durante o ditado. Na nossa captura de rede (junho de 2026), essas requisições levavam contexto como o nome da aplicação ativa, o conteúdo do campo de texto com foco, e dados da área de transferência. O STT é local; o enriquecimento de contexto não. Faça o teste de captura de rede abaixo para confirmar você mesmo o comportamento atual antes de depender disto.
SnailText não envia nada durante o ditado. O áudio fica na RAM e é descartado após a transcrição. A correção com IA opcional do Pro (Gemma) também roda em local — sem chave de API, sem chamada a um LLM na nuvem.
Essa distinção importa mais para os casos de saúde, jurídico e empresa. Para todos os demais, vale saber o que você está recebendo de verdade.
Cinco apps comparados
| Recurso | SnailText | MacWhisper | SuperWhisper | Voibe | VoiceInk |
|---|---|---|---|---|---|
| Plataformas | ✓ Mac + Windows | Só Mac | Mac + Windows | Só Mac | Só Mac |
| GPU Windows | ✓ Vulkan | — | Só CPU | — | — |
| GPU Mac | ✓ Metal | ✓ Metal | ✓ Metal | ✓ Metal | ✓ Metal |
| Plano grátis | ✓ Ilimitado | ✓ Tiny + Base | 15 min (nuvem) | Não | Grátis (compilar) |
| Preço | Grátis / $7.49/mês | Grátis / $49 | $8,49/mês | $198 vitalício | Grátis / $4,99/mês |
| Totalmente local? | ✓ Nada subido | ✓ Sim | STT sim, contexto não | ✓ Sim | ✓ Sim |
| LLM de IA local | ✓ Gemma no dispositivo | — | Só nuvem | — | — |
| Vocabulário / dic. personalizado | ✓ Pro | — | ✓ Sim | — | — |
Preços da concorrência e detalhes de plataforma verificados em junho de 2026 — cheque o site de cada fornecedor para números atuais.
Os apps, um por um
SnailText — nosso próprio produto. Mac (Apple Silicon) e Windows, com aceleração por GPU em ambos (Metal no Mac, Vulkan no Windows — sem CUDA). O áudio é mantido na RAM e descartado no instante em que a transcrição termina; não há rota de upload para desativar porque não existe nenhuma. O plano grátis roda Whisper Tiny e Base sem limite de palavras nem conta. O Pro ($7.49/mês) acrescenta modelos maiores e um passo de correção com Gemma local que também roda no dispositivo. A lacuna principal: sem apps móveis e sem fluxo de transcrição de arquivos — é feito para ditado ao vivo no app que tem o foco.
MacWhisper — só Mac, e a opção mais forte desta lista para transcrever arquivos de áudio existentes (reuniões, entrevistas, podcasts) em vez de ditado ao vivo. Construído sobre whisper.cpp com aceleração Metal. O plano grátis cobre Tiny e Base; a licença única de $49 é o melhor custo-benefício da categoria se a transcrição de arquivos é seu trabalho principal. Sem versão de Windows e sem injeção de vocabulário em ditado ao vivo.
SuperWhisper — Mac e Windows, com o sistema de Modes mais completo (modelo, vocabulário e prompt por contexto). O STT roda em local, mas o recurso Smart Modes por padrão envia contexto — nome de app, conteúdo do campo de texto com foco, área de transferência — à nuvem, então não é totalmente offline de fábrica. A versão de Windows não tem aceleração por GPU em junho de 2026, o que aparece como uma latência longa após parar em arquivos grandes. Escolha se você é principalmente de Mac e quer a maior configurabilidade e aceita a troca do Smart Modes.
Voibe — só Mac, deliberadamente simples e rápido, com aceleração Metal e preço vitalício ($198). Totalmente local — nada subido. Não há plano grátis, então você se compromete de antemão, mas a 18+ meses de uso diário sai mais barato que uma assinatura. Escolha se você quer um app de ditado local sem firulas no Mac e prefere pagar uma vez.
VoiceInk — só Mac, código aberto (GPL v3), construído sobre whisper.cpp. Grátis se você compilar do código. Totalmente local sem uploads. O custo é seu tempo: não há instalador assinado nem onboarding polido, então serve a usuários técnicos à vontade compilando um projeto Swift/whisper.cpp. Sem versão de Windows.
Precisão: o que os números de fato significam
Os cinco apps usam Whisper por baixo (VoiceInk via whisper.cpp, SnailText via whisper-rs, MacWhisper via o mesmo). SuperWhisper e SnailText também oferecem Parakeet TDT v3 para casos de uso principalmente em inglês.
No benchmark de fala limpa em inglês LibriSpeech, o Whisper Large-v3 atinge aproximadamente 2,7% de taxa de erro de palavra — competitivo com as APIs na nuvem no melhor delas. O Whisper Base atinge aproximadamente 5-6% WER. A diferença é o tamanho do modelo, não nuvem vs local.
Na prática:
- Inglês limpo numa sala silenciosa: os cinco apps produzem resultados comparáveis com o mesmo tamanho de modelo. A diferença é insignificante.
- Fala com sotaque ou rápida: o Whisper Medium em diante maneja bem os sotaques. Se você não é falante nativo de inglês, teste ao menos com Small.
- Vocabulário técnico: SnailText e SuperWhisper admitem listas de vocabulário. O MacWhisper não tem injeção de vocabulário em ditado ao vivo.
- Ambientes ruidosos: aqui importa mais a qualidade do VAD que a precisão do modelo. SnailText e SuperWhisper usam Silero VAD.
Aceleração por GPU: o que muda
A GPU reduz a latência após parar — o tempo entre parar uma gravação e o texto aparecer. Só em CPU, o Whisper Base leva 1-3 segundos para uma frase de 10 segundos. Em GPU, menos de 300 ms.
A versão de Windows do SuperWhisper não tem aceleração por GPU em junho de 2026 — a latência foi de 29 segundos para um arquivo de 3,5 minutos no nosso teste. O SnailText usa Vulkan no Windows, que funciona em GPU NVIDIA, AMD e Intel Arc sem exigir CUDA.
Quando escolher qual app
Escolha o SnailText se: você precisa de Mac e Windows com a mesma experiência, quer aceleração por GPU em ambas as plataformas, ou precisa de um plano grátis ilimitado. O plano Pro acrescenta modelos maiores e correção com IA Gemma local.
Escolha o MacWhisper se: você é só de Mac e transcreve sobretudo arquivos — reuniões, entrevistas, gravações. O preço de $49 vitalício é o melhor custo-benefício para transcrição de arquivos em específico.
Escolha o SuperWhisper se: você é principalmente de Mac e quer o sistema de Modes mais completo — modelo, vocabulário e prompt por contexto. Saiba que o Smart Modes envia contexto à nuvem por padrão.
Escolha o Voibe se: você quer um app de ditado no Mac simples e rápido com preço vitalício. Sai mais barato que as assinaturas a 18+ meses de uso.
Escolha o VoiceInk se: você é técnico, está no Mac, e quer custo zero. GPL v3, compile você mesmo, sem assinatura.
A única coisa que a maioria das comparações pula
O teste que separa os apps offline de verdade dos “quase offline” é uma captura de rede durante um ditado ativo. Abra o Little Snitch no Mac ou o GlassWire no Windows, comece a gravar, e olhe a coluna de tráfego de saída.
Um app offline de verdade produz zero requisições de saída durante a gravação e a transcrição. Você pode ver requisições ao iniciar (verificação de atualização) ou depois (verificação de licença), mas nada durante a conversão real de áudio para texto. Esse é o teste — não os documentos de política.
Dos cinco apps aqui, quatro passam limpo: SnailText, MacWhisper, Voibe e VoiceInk. O SuperWhisper passa no STT mas falha no enriquecimento de contexto quando o Smart Modes está ativo.
Faça o teste antes de se comprometer. Leva 60 segundos e te diz mais que qualquer página de privacidade.