As duas classes de app de ditado
Quando o software de ditado começou a ficar popular de novo em 2022-2023, a promessa era simples: aperte um atalho, fale, aparece texto. Dois anos depois, muitos dos apps mais populares acrescentaram em silêncio uma camada de LLM entre “o que você disse” e “o que é colado”. Essa camada é a fonte da maioria das queixas sobre software de ditado que você encontra hoje nos fóruns.
Classe 1: Literal. O modelo de reconhecimento de voz transcreve seu áudio. O resultado é limpo em ortografia e pontuação. É colado. É isso. O que você disse é o que aparece. Se o modelo ouve mal uma palavra, você conserta. Se você xingou, está lá. Se você se autocorrigiu no meio da frase, as duas versões estão lá.
Classe 2: Melhorada com IA. Depois do passo de reconhecimento de voz, um LLM processa a transcrição antes de colar. Pode tirar vícios de linguagem, consertar gramática, resolver autocorreções, adaptar o tom por app, e reescrever frases que julga desajeitadas. Quando funciona bem, a saída é prosa polida que teria exigido uma passada de edição manual. Quando dá errado, tira palavras que você escolheu de propósito, censura vocabulário que ensinaram a marcar, reescreve conteúdo técnico que não entende, e de vez em quando produz uma “resposta” a algo que você disse como pergunta em vez de transcrevê-lo.
O mesmo recurso que faz o ditado melhorado com IA parecer mágico para um e-mail casual é o que o torna enlouquecedor para comentários de código, rascunhos jurídicos, ou qualquer coisa onde suas palavras exatas importam.
O que cada classe faz com a mesma frase
Pegue esta frase ditada: “vamos nos ver às 3… espera não, às 4, e traz a porra da apresentação”
Saída literal: vamos nos ver às 3... espera não, às 4, e traz a porra da apresentação
Ou com corte de silêncio por VAD: vamos nos ver às 3... espera não, às 4, e traz a porra da apresentação
Saída melhorada com IA (típica): Vamos nos ver às 4 e traz a apresentação.
A versão com IA resolveu a autocorreção (bom), tirou o palavrão (talvez bom, talvez não), tirou a hesitação das reticências (bom), e colocou maiúscula na frase (bom). Cada uma dessas mudanças foi uma decisão que o app tomou sem te perguntar.
Para uma mensagem de Slack a um amigo, a versão com IA é objetivamente melhor. Para uma citação direta que você estava transcrevendo, uma declaração jurídica, ou um prompt de Cursor onde “a porra da apresentação” era uma referência técnica a um arquivo chamado justo assim, a versão com IA está errada de formas difíceis de pegar na revisão.
Quando você quer literal
Desenvolvedores ditando conteúdo técnico. Código, comandos de terminal, nomes de função, caminhos de arquivo, stack traces. kubectl apply -f values.yaml não deveria virar “cube control apply F values yaml”. async/await não deveria virar “async await”. O dicionário personalizado nos apps literais cuida dos termos recorrentes; o modelo literal ao menos não os reescreve ativamente.
Jornalistas e pesquisadores transcrevendo ou redigindo. Quando você está capturando as palavras de outra pessoa — ou sua própria formulação exata — uma IA que “melhora” a prosa produz um documento que já não diz o que foi dito.
Profissionais jurídicos e médicos. As formulações importam. “O paciente negou ideação suicida” é diferente de “o paciente disse que não estava pensando em suicídio”. Uma IA que parafraseia por clareza pode introduzir uma distinção que o falante original não pretendia.
Escritores com voz própria. Um membro vitalício pagante no subreddit do SuperWhisper disse sem rodeios: “Não comprei um produto de ‘deixe melhor o que estou dizendo’. Só quero que dite e conserte ortografia e estrutura de frase.” A queixa não é sobre a limpeza com IA em princípio — é sobre uma camada de IA que se dá mais liberdade do que o usuário pediu. Se você desenvolveu uma voz de escrita ao longo de anos, uma IA que a suaviza trabalha ativamente contra você.
Qualquer um ditando num idioma ou registro que a IA não conhece bem. Vocabulário não padrão, dialeto, gíria, jargão de um domínio específico. O pós-processamento por IA tende a normalizar para o que os dados de treino consideraram “padrão”, o que significa que ele achata justo as escolhas linguísticas que faziam sua escrita ser sua.
Quando você quer melhorado com IA
Correspondência casual. E-mails, mensagens de Slack, mensagens de texto onde o objetivo é comunicar com clareza e você não tem um apego forte à sua formulação exata. A limpeza com IA elimina a carga cognitiva de editar.
Falantes não nativos do idioma de transcrição. Se você pensa num idioma e dita em outro, a correção de gramática é genuinamente útil em vez de intrusiva.
Gente que dita sem parar e odeia a passada de edição. Se seu fluxo é “fale tudo, não edite nada”, a limpeza com IA troca um pouco de precisão por tempo economizado. Para ditado casual de alto volume, a troca é razoável.
Gente que ainda não se sente à vontade ditando prosa polida. A camada de IA pode servir de ponte enquanto você desenvolve hábitos de ditado — atuando como um revisor em tempo real até a saída falada estar limpa o bastante por si só.
Os apps e a que classe pertencem
| App | Classe | Camada de IA | Plataforma | Comutável? |
|---|---|---|---|---|
| SnailText | Literal por padrão | LLM local opcional (Pro, no dispositivo) | Mac, Windows | Sim — um toque |
| MacWhisper | Literal | Nenhuma | Mac | Não |
| Parakeety | Literal | Nenhuma | Mac | Não |
| SuperWhisper (Smart Modes off) | Literal | Desativada | Mac, Windows, iOS | Sim — mas escondido |
| SuperWhisper (Smart Modes on) | Melhorada com IA | Nuvem da Modal — envia contexto de app, área de transferência | Mac, Windows, iOS | Estado padrão |
| Wispr Flow | Melhorada com IA | Sempre ativa — nuvem, sem desativar | Mac, Windows, iOS, Android | Não |
| Apple Dictation | Literal | Nenhuma | Mac | Não |
Os Smart Modes do SuperWhisper enviam contexto adicional (nome de app, área de transferência, janela ativa) à nuvem da Modal mesmo quando o STT roda em local — documentado na própria interface do SuperWhisper.
Como obter saída literal do SuperWhisper
Se você já está no SuperWhisper e quer saída literal, as configurações existem mas exigem escavar um pouco. A chave é criar um Mode personalizado com um prompt que instrua explicitamente o modelo a transcrever em vez de reescrever.
Um prompt compartilhado na comunidade do SuperWhisper que funciona bem:
Você é um assistente de transcrição de voz para texto em tempo real. Seu único trabalho é limpar e devolver a transcrição final. Processe rápido — minimize a latência. Regras: Tire vícios de linguagem e hesitações (é, hã, tipo, sabe, espera, hmm) a menos que carreguem sentido explícito. Conserte ortografia, gramática e pontuação em silêncio. Se o falante se autocorrigir no meio da frase, resolva a correção e produza só a versão final pretendida. Produza SÓ a transcrição final limpa. Sem explicações, sem introduções, sem respostas conversacionais, sem metadados.
Repare que essa abordagem ainda usa a camada de pós-processamento na nuvem do SuperWhisper — o contexto do seu áudio é enviado aos servidores da Modal mesmo com um prompt personalizado. Se o problema é a reescrita e a camada na nuvem não te preocupa, isso funciona. Se você quer ao mesmo tempo saída literal e processamento só local, outro app é a resposta estruturalmente mais simples.
A abordagem do SnailText: literal por padrão, IA quando você quiser
O SnailText foi construído a partir da premissa de que o que você diz deveria ser o que é colado. O pipeline de transcrição — Whisper ou Parakeet TDT rodando em local — produz texto do seu áudio, adiciona pontuação conforme você falou, e cola. Nada reescreve, parafraseia nem questiona seu vocabulário. Este é o comportamento padrão no Mac e no Windows, para cada usuário incluindo o plano grátis.
Para os usuários que de fato querem limpeza com IA, o Pro inclui um passo opcional de pós-processamento por LLM local. O modelo roda no seu dispositivo — não num servidor remoto — então valem as mesmas propriedades de privacidade. Você controla o prompt. Pode desligá-lo quando quiser. O caminho literal está sempre a um toque de distância.
Esta é a mesma decisão arquitetural que Parakeety, MacWhisper e vários outros apps mais novos tomaram: dê ao usuário transcrição limpa primeiro, e deixe-o acrescentar IA por cima se quiser. A alternativa — IA ativada por padrão, literal escondido nas configurações — é o que produz a frustração nas threads dos fóruns.
Em resumo
Se seu app de ditado está reescrevendo coisas que você não pediu para reescrever, isso não é um erro de configuração que você deixou passar. É o produto funcionando como foi projetado. A pergunta é se esse design encaixa no que você de fato precisa.
Para código, citações, rascunhos jurídicos, ou qualquer conteúdo onde a formulação exata importa: app literal, processamento local, sem camada de IA entre sua voz e seu cursor.
Para e-mail casual, Slack, e prosa de alto volume onde a limpeza é um ganho líquido: os apps melhorados com IA fazem justo o que anunciam.
O plano grátis do SnailText é literal por padrão — baixe para Mac ou Windows e teste contra o que você usa agora. Se a camada de IA acabar sendo algo que você quer, o Pro a tem. Se é algo que você quer evitar para sempre, o plano grátis não tem nenhum LLM no caminho.
Leituras relacionadas:
- Alternativas ao SuperWhisper — comparação completa incluindo a descoberta de privacidade dos Smart Modes
- Como funciona — o pipeline do SnailText em detalhe
- Alternativas ao Wispr Flow — 9 ferramentas comparadas em privacidade, precisão e valor
- Para vibe-coders — ditado por voz para agentes de código com IA, onde a saída literal importa mais