Escrever falando sem que nada saia do computador

Não. O áudio é reconhecido por um arquivo de modelo que está no seu próprio disco, e é apagado junto com a pasta temporária em que viveu. A única coisa que atravessa a rede é o download único do modelo; depois o ditado funciona com a rede totalmente desligada.

780 milissegundos de soltar a tecla até o texto aparecer, medido numa frase real de cinco segundos com o modelo padrão num notebook com M5. Uma frase de quinze segundos levou 0,66–0,75 segundo. O modelo pesado large-v3-turbo leva cerca do dobro.

Sim: o atalho é registrado para todo o sistema, então dispara num terminal, num navegador, num mensageiro ou num editor, com o MediaChef em segundo plano ou até com a janela fechada.

Por padrão, a tecla ⌥ direita — um modificador sozinho: segure e fale, ou toque uma vez para começar e outra para terminar; com Shift o texto é enviado com Enter. Um modificador sozinho não digita nada e não conflita com nada. Combinações como ⌥ Space digitavam um espaço no modo de segurar se ⌥ fosse solto primeiro, por isso foram retiradas; ⌃⌥ Space e ⌃⌥ D ficam como alternativas.

Para duas coisas. Ouvir a tecla de acionamento: um modificador sozinho não pode ser registrado como atalho comum, então o MediaChef escuta o teclado por conta própria, e o macOS só permite isso com Acessibilidade. E digitar texto na janela de outro aplicativo, que o sistema trata como entrada sintética. Uma permissão cobre as duas e é concedida uma vez; depois reinicie o aplicativo.

O texto vai para a área de transferência e uma notificação diz por quê, com o painel certo dos Ajustes do Sistema já aberto. Nada ditado se perde por causa de uma permissão que falta.

O aplicativo mais um modelo de fala: 488 MB no padrão, 78 MB se você escolher o menor, 1,62 GB o maior. Se você já usa o MediaChef para transcrever arquivos, o modelo já está no seu disco e o ditado não acrescenta nada.

O Whisper suporta 99 idiomas, e você pode nomear o seu ou deixar que detecte. Misturar idiomas numa mesma frase é justamente o caso em que o modelo pesado justifica o tamanho e em que o dicionário ajuda mais.

Cinco minutos, e depois ele para sozinho e transcreve o que ouviu em vez de descartar. Na prática a gente dita em frases, não em monólogos.

Escape durante a gravação joga a tomada fora e não entrega nada. Ele é registrado só enquanto você dita, então não interfere no Escape em nenhum outro lugar.

Faz o mesmo trabalho com duas diferenças que importam: a este se pode ensinar o seu vocabulário, e o áudio fica na sua máquina. Se nenhuma das duas importa para você, o embutido já está aí e também é de graça.

Sim. O MediaChef é de código aberto sob GPL-3.0, sem versão paga e sem assinatura — o ditado incluído. A versão publicada é a 0.8.5, com o ditado incluído.

São duas passagens distintas. Enquanto você fala, o painel mostra um rascunho produzido por um modelo leve a cada segundo e meio, para conseguir acompanhar a fala. O que é digitado é o resultado final do modelo principal sobre a gravação inteira, com o seu dicionário de termos. Os dois modelos são escolhidos na aba Ditado: coloque na prévia o mesmo modelo do principal e a diferença desaparece — ao custo de o painel ficar atrasado.

O macOS vincula a permissão à assinatura do aplicativo, não ao nome dele. O MediaChef não tem certificado da Apple — não vamos pagar por um —, então cada versão é assinada de forma diferente e o sistema trata o aplicativo atualizado como novo. O próprio aplicativo remove a entrada vencida e pede a permissão outra vez: um interruptor e um «Permitir» por atualização.

Então aquela entrada pertence à cópia anterior do aplicativo, que é o que acontece depois de uma atualização. Desligar e ligar de novo não a revincula — nós testamos. O MediaChef limpa essa entrada por conta própria e dispara o aviso do sistema: ligue-o na lista e reinicie o aplicativo.

Normalmente é o fone: AirPods na caixa continuam conectados e continuam sendo a entrada padrão, e o macOS entrega zeros absolutos a partir deles — para qualquer aplicativo, não só o nosso. A notificação diz de qual dispositivo veio o silêncio. Coloque o fone ou escolha o microfone explicitamente na aba Ditado.

Sim: a aba Ditado lista os dispositivos de entrada. «Como o sistema» significa o último fone conectado, e não o microfone do notebook — por isso a escolha explícita é mais confiável.

Nada é digitado. Uma gravação vazia nem chega ao reconhecimento: o Whisper não fica calado diante do silêncio, ele inventa — o modelo russo digitava créditos de legendas. Essas assinaturas de legendadores são reconhecidas e tratadas como silêncio, e você recebe «não se ouve fala».

O subsistema de áudio do macOS está acordando: até dois segundos na primeira abertura do microfone por execução. O painel aparece imediatamente, antes de a gravação começar, então segure a tecla até ele dizer que está ouvindo. Depois disso, abrir leva dezenas de milissegundos.

Aperte o acionador junto com Shift: o texto é digitado e o Enter vem automaticamente. Um ditado vazio nunca aperta Enter — caso contrário, ficar calado enviaria uma mensagem vazia ou executaria o comando anterior num terminal.

A gravação é cancelada e nada é digitado. A ⌥ direita mais uma letra é o atalho de outro aplicativo, não um ditado, e o programa entende assim.

Não. A gravação vive numa pasta temporária e é apagada junto com ela, e guardar um histórico de transcrições vem desligado por padrão. O aplicativo promete que o seu conteúdo não sai da máquina; escrever nela tudo o que você dita em texto puro combinaria mal com isso — as pessoas ditam senhas e trechos de conversas privadas.

Sim. O painel é desenhado acima das janelas em tela cheia e em todas as áreas de trabalho — editores e terminais em tela cheia são justamente onde se dita.

A aba Ditado também oferece a ⌘ direita — o outro modificador sozinho ao qual o macOS não atribui ação própria — mais duas combinações comuns, ⌃⌥ Espaço e ⌃⌥ D, caso os dois modificadores já estejam ocupados.