O app de ditado que funciona quando a internet não funciona

Algumas queixas só aparecem quando as coisas quebram, e por isso é fácil subestimá-las até acontecerem com você: o ditado na nuvem depende da rede. Uma queda do provedor, e a sua tecla de ditado não faz nada. Um Wi-Fi de hotel que cai, e uma frase pode sumir dentro de um spinner. Um avião. Um túnel de trem. Uma VPN renegociando exatamente no pior momento. Isso não é defeito de um produto; é o que depender de uma ida e volta significa.

A crueldade está em o que falha. Se o seu app de anotações cai, você abre um arquivo de texto. Se o seu ditado cai, você perde um método de entrada — aquele em torno do qual você construiu memória muscular, no meio de uma frase, normalmente enquanto as suas mãos estavam ocupadas com outra coisa. Esse era o motivo inteiro de você estar ditando.

Embaixo da queixa de disponibilidade está uma questão de privacidade: o áudio da sua voz sai da máquina? Em um caminho de transcrição na nuvem, gravações de você pensando em voz alta — nomes de clientes, recursos não lançados, o problema de segurança que você está descrevendo a um colega — viajam para a infraestrutura de outra pessoa para virar texto. Esse caminho também pode depender de sessões, contas e disponibilidade de serviço fora do seu controle.

Eu construí a resposta do Keebye para isso antes de articulá-la como recurso, porque a minha própria exigência era direta: tinha que funcionar com o Wi-Fi desligado. Eis o que isso realmente significa, e o que custa.

Por que o ditado na nuvem falha até zero

A mecânica no nível da categoria vale ser explicitada, porque ela explica por que essa queixa nunca some completamente, por melhores que os produtos fiquem.

Um loop de ditado na nuvem tem no mínimo quatro elos: capturar áudio na sua máquina, enviá-lo a um servidor, rodar inferência lá, mandar o texto de volta. Cada elo é uma dependência — a sua rede, a rede deles, a camada de autenticação deles, a capacidade deles, o uptime deles. A corrente costuma estar bem. Mas quando qualquer elo quebra, o loop inteiro quebra, e ele quebra até zero. Não "mais lento", não "menos preciso" — nada chega ao seu cursor. Degradação seria tolerável; o ditado degrada para silêncio.

Provedores podem se blindar bastante contra isso, mas não conseguem consertar elos que não são deles: o roteador do hotel, o voo, a VPN corporativa, o incidente de backbone entre você e eles. Uma ferramenta cuja disponibilidade depende de vários sistemas pode falhar quando qualquer um deles fica indisponível.

O que acontece quando não existe nuvem da qual recuar?

A arquitetura do Keebye responde à pergunta removendo-a. A fala para texto roda inteiramente on-device — modelos ONNX, inferência local, no silício do seu próprio Mac. Existem zero chamadas de rede no caminho do ditado. Não "nós as minimizamos", não "nós as agrupamos" — zero. Também não há telemetria. Nenhuma. Quando você segura a tecla e fala, nenhum pacote sai da máquina em seu nome.

Quero sublinhar o ponto arquitetural, porque é a diferença entre isto e um "modo offline". Um modo offline é um recurso de fallback: o caminho normal vai para a nuvem e, quando a nuvem está inalcançável, um caminho local degradado assume — se o app perceber a tempo, se o caminho local for mantido, se a transição funcionar no meio da frase. O Keebye não tem essa transição porque não tem caminho de nuvem de onde sair. A inferência local não é o plano B; é o único plano. Uma queda lá em cima não pode quebrá-lo pelo mesmo motivo que um apagão em outro país não pode desligar a luminária da sua mesa. Imunidade por construção, não por fallback.

É aqui também que a queixa mais silenciosa é respondida sem uma tela de ajustes. O seu áudio nunca sai da máquina — não é criptografado em trânsito, não é anonimizado, simplesmente nunca é enviado, porque não há para onde enviar. Se você ativa o histórico de ditados, o que fica guardado é só texto, em um banco SQLite local no seu próprio disco. (Esse histórico é uma história de qualidade de vida à parte — a queixa recorrente de "para onde foi o meu ditado?" — que cobrimos em o seu ditado nunca deveria simplesmente sumir.) E a fragilidade de conta e sessão desaparece junto com as contas: não existe sessão de nuvem para expirar no caminho do ditado, então não há reautenticação entre você e uma hotkey que funciona.

A única vez em que você precisa da internet

Honestidade obrigatória, dita sem rodeios: os modelos precisam chegar à sua máquina de alguma forma. Na primeira execução, o Keebye baixa o modelo de fala — aproximadamente 700 MB para o mecanismo em inglês, e cerca de 1,3 GB se você ativar o mecanismo multilíngue. É um download de verdade, uma vez por mecanismo, e você precisa de internet para ele.

Depois disso, os modelos ficam no disco e a transcrição roda contra eles localmente, com rede ou sem rede, até você removê-los ou substituí-los. Mas se essa primeira execução acontecer no avião, você está sem sorte até pousar — faça a configuração antes de viajar, não durante. Prefiro que você ouça isso de mim a descobrir sobre o Atlântico.

A questão da precisão, respondida honestamente

O download é a ressalva pequena. Aqui está a maior, porque ferramentas on-device adoram pular essa parte.

Os maiores modelos de nuvem podem ser mais precisos que um modelo on-device. Um modelo que ocupa um rack de servidores tem capacidade que um arquivo de 700 MB não tem, e fingir o contrário insultaria a sua inteligência. O que eu digo — e o que acredito por conviver com os dois — é que a diferença diminuiu bastante e, mais importante, que os modos de falha diferem em natureza. O pior dia de um modelo on-device é uma palavra mal ouvida que você corrige. O pior dia de um modelo de nuvem é saída zero, porque a precisão dele é multiplicada pela disponibilidade, e a disponibilidade é o termo que vai a zero dentro do trem. Qual modo de falha você prefere assumir depende do seu dia; o meu tem trens demais.

É só para macOS hoje, e está em acesso antecipado. Sem build para Windows, e com as arestas que acesso antecipado implica. Se a sua configuração é Windows primeiro, a resposta honesta é que o Keebye ainda não consegue ajudar você.

Se você está pesando isto contra uma ferramenta que já usa, as páginas de comparação são a versão imparcial deste argumento. Keebye vs Superwhisper compara dois produtos com caminhos de transcrição on-device; Keebye vs Wispr Flow cobre a decisão entre local e nuvem. E se a alternativa que você está pesando é o ditado embutido no macOS, ditado por voz para Mac cobre o que o nativo faz bem e onde o Keebye difere.

Disponibilidade é um recurso

A categoria de ditado passou anos competindo em porcentagens de precisão, e precisão importa. Mas a queixa que de fato faz as pessoas trocarem de ferramenta raramente é "ele me ouviu errado uma vez". É "ele parou de funcionar, de novo, e eu não sei por quê, e a solução envolvia fazer login em alguma coisa". Disponibilidade — chata, sem glamour — é o recurso que você só nota pela ausência.

O jeito de tornar um método de entrada tão confiável quanto um teclado é dar a ele a mesma lista de dependências de um teclado: a máquina na sua frente, e mais nada. Esse é o projeto inteiro.

O Keebye está em acesso antecipado para macOS. Comece o teste grátis abaixo, faça o download da primeira execução enquanto ainda tem internet, depois entre no túnel do trem — ou simplesmente desligue o Wi-Fi — e dite a mesma frase de novo.