Melhor app e modelo de fala para texto offline para vários idiomas no macOS, Linux e Windows

Resumo para quem não quiser ler o texto:

• Melhor app para macOS, Linux e Windows: Handy.computer
  • Alternativa para macOS e Linux: Voxtype
• Melhor modelo para vários idiomas, como inglês e português: parakeet-tdt-0.6b-v3-int8

Faz tempo que eu procurava uma boa solução de fala para texto (speech to text) que fosse offline e código aberto, e que funcionasse em vários sistemas operacionais. Assistindo a um dos vídeos do The Download, do GitHub, conheci o Handy.computer. É um aplicativo ótimo e fácil de usar, que dá para configurar rapidinho, e tem várias opções legais de configurações, como atalhos personalizáveis (com uma opção de apertar para falar), remoção de palavras de preenchimento e palavras personalizadas (como Kossmann). Ele até tem pós-processamento com outro LLM, se você quiser um resultado mais polido. Uso há vários meses no macOS e tem sido ótimo!

O segundo desafio foi encontrar um modelo bom que fosse rápido, preciso e que suportasse inglês e português do Brasil. A página de documentação do Handy.computer sobre modelos é uma ótima referência e, depois de alguns testes, tive os melhores resultados com o modelo parakeet-tdt-0.6b-v3-int8 da NVIDIA. Mesmo suportando oficialmente apenas o português de Portugal, ele funcionou bem com o português do Brasil também.

Tive dificuldade para fazer o Handy ser acionado pelo atalho no Ubuntu. Talvez estava faltando alguma dependência ou algo assim, então só usava no computador do trabalho (macOS). Desde que migrei para o Omarchy no meu computador pessoal, que já vem com o Voxtype pré-instalado, estou usando ele e está funcionando muito bem! Sinto falta da interface fácil de configurar do Handy, mas tem sido uma boa experiência testar uma solução diferente. Ainda preciso configurar as palavras personalizadas (não é tão simples quanto no Handy), mas estou muito feliz com o resultado.

Continuo sendo do tipo de pessoa que pensa melhor escrevendo, mas para respostas curtas ou para dar feedback a um agente de IA, falar é muito mais rápido do que digitar, e usar um app de fala para texto nesses casos específicos tem sido uma ótima experiência. E, se você está se perguntando, este post foi todo digitado.