Glossário
O ditado, definido com clareza.
O vocabulário da conversão de fala em texto, uma página por termo: o que significa, por que importa na prática, onde o marketing costuma confundir as coisas e onde você pode vê-lo funcionando.
No seu Mac
Os ajustes, teclas e recursos do macOS com que o ditado esbarra, e onde fica cada um.
Tecla GloboTecla Fn, tecla Função
A tecla Globo é a tecla com o símbolo de um globo, e geralmente também fn, nos teclados do Mac.
Ler a definição
Controle por VozComandos de voz do Mac
O Controle por Voz é um recurso de acessibilidade integrado ao macOS que permite operar o Mac inteiramente pela voz.
Ler a definição
Comandos de ditadoComandos de ditado do Mac, comandos de pontuação por voz
Comandos de ditado são as palavras e frases que você diz ao usar o Ditado no Mac para inserir pontuação, símbolos, maiúsculas e formatação em vez de texto comum.
Ler a definição
Pontuação automáticapontuação automática do Ditado
A pontuação automática é um ajuste do Ditado no Mac que insere vírgulas, pontos e pontos de interrogação enquanto você dita.
Ler a definição
Volume de entradavolume do microfone, nível de entrada, ganho do microfone
O volume de entrada é o ajuste do Mac que controla com que força o som do microfone, ou de outro dispositivo de entrada, é captado.
Ler a definição
Modo de MicrofoneModos de Microfone, Isolamento de Voz, Espectro Amplo
O Modo de Microfone é um controle do macOS que muda como o microfone do Mac trata o som ao seu redor, nos apps compatíveis.
Ler a definição
Entrada de Teclado SeguraSecure Event Input, entrada segura
A Entrada de Teclado Segura é um ajuste do Terminal no Mac que impede que outros apps do computador ou da rede detectem e registrem o que você digita no Terminal.
Ler a definição
Legendas ao Vivolegendas em tempo real, transcrição ao vivo
As Legendas ao Vivo são um recurso de acessibilidade do macOS que mostra numa janela a transcrição em tempo real do áudio falado, de qualquer app ou de conversas ao vivo ao seu redor.
Ler a definição
Ditado AprimoradoUsar Ditado Aprimorado, ditado offline
O Ditado Aprimorado era uma caixa de seleção no painel Ditado das preferências de Teclado, em versões antigas do macOS, que baixava o reconhecimento de fala para o Mac para ditar offline.
Ler a definição
Melhorar a Siri e o DitadoCompartilhar Gravações de Áudio, Histórico da Siri e do Ditado
Melhorar a Siri e o Ditado é um ajuste de privacidade opcional que deixa a Apple guardar e analisar uma amostra do áudio do seu uso da Siri e do Ditado para aprimorar esses recursos.
Ler a definição
Apple Intelligence
A Apple Intelligence é o conjunto de recursos de IA generativa do macOS, incluindo as Ferramentas de Escrita para reescrever, revisar e resumir textos.
Ler a definição
SpeechAnalyzerSpeechTranscriber, framework Speech
O SpeechAnalyzer é uma classe do framework Speech da Apple, lançada com o macOS 26 e o iOS 26, que os apps usam para converter fala em texto.
Ler a definição
Falando com ele
As palavras para como o ditado começa, termina e chega ao app em que você está.
Ditado
Ditado é produzir texto escrito falando, com as palavras transcritas em tempo real, ou quase, no lugar onde você está escrevendo.
Ler a definição
Digitação por voz
Digitação por voz é outro nome para ditado: inserir texto num aplicativo falando, em vez de usar o teclado.
Ler a definição
Transcriçãotranscrição de arquivos
Transcrição é converter em texto uma gravação de áudio ou vídeo que já existe.
Ler a definição
Push-to-talksegurar para falar
Push-to-talk (apertar para falar) é um modo de ativação que só grava com uma tecla pressionada: aperte, fale, solte, pronto.
Ler a definição
Detecção de atividade de vozVAD
Detecção de atividade de voz (VAD) é a técnica de detectar quando alguém está falando e quando há silêncio ou ruído de fundo.
Ler a definição
Palavra de ativaçãohotword
Uma palavra de ativação é uma frase que liga um dispositivo que escuta, como “E aí Siri” ou “Alexa”.
Ler a definição
Permissão de AcessibilidadePermissão de Acessibilidade
A permissão de Acessibilidade é o ajuste do macOS que deixa um app ler e controlar a interface de outros apps.
Ler a definição
Como ele ouve você
Os modelos, as medidas e as falhas de transformar áudio em palavras.
Conversão de fala em textoSTT
Conversão de fala em texto (STT) é a tecnologia que transforma fala em palavras escritas.
Ler a definição
Reconhecimento automático de falaASR
Reconhecimento automático de fala (ASR) é a área do aprendizado de máquina, e a classe de modelos, que transforma fala humana em texto.
Ler a definição
Whisper
Whisper é uma família de modelos de reconhecimento de fala de código aberto lançada pela OpenAI em 2022, treinada com 680.000 horas de áudio e com cerca de 99 idiomas.
Ler a definição
Parakeet
Parakeet é uma família de modelos de reconhecimento de fala de código aberto da NVIDIA, com arquitetura transdutora, que emite palavras conforme o áudio chega.
Ler a definição
Neural EngineANE
O Neural Engine é a parte do chip Apple silicon, ao lado da CPU e da GPU, feita para rodar modelos de aprendizado de máquina com eficiência.
Ler a definição
Transcrição em streamingtranscrição em tempo real
A transcrição em streaming mostra as palavras na tela enquanto você ainda fala, e não depois que você para.
Ler a definição
Identificação de idiomaLID
Identificação de idioma é a etapa em que o software de fala descobre qual idioma está sendo falado, antes ou durante a transcrição.
Ler a definição
Word error rateWER
Word error rate (WER), ou taxa de erro de palavras, é a medida padrão de precisão no reconhecimento de fala: palavras erradas divididas pelas palavras faladas.
Ler a definição
Alucinação
Em reconhecimento de fala, alucinação é texto que o modelo produz e ninguém disse: uma frase plausível inventada a partir de silêncio, ruído ou um trecho curto demais para transcrever.
Ler a definição
Latêncialatência ao soltar a tecla
No ditado, a latência é o tempo entre o fim da sua fala e o texto pronto aparecendo no cursor.
Ler a definição
Diarização de falantesidentificação de falantes
Diarização de falantes é descobrir quem falou quando numa gravação, para identificar a transcrição por falante.
Ler a definição
Whisper large-v3 turboWhisper turbo, large-v3-turbo
O Whisper large-v3 turbo é um modelo de reconhecimento de fala da OpenAI, lançado em 1º de outubro de 2024.
Ler a definição
Cohere Transcribecohere-transcribe-03-2026
O Cohere Transcribe é um modelo de reconhecimento de fala de código aberto da Cohere, lançado em março de 2026.
Ler a definição
Qwen3-ASRQwen3-ASR-1.7B, Qwen3-ASR-0.6B
O Qwen3-ASR é uma família de modelos de reconhecimento de fala de código aberto da equipe Qwen, da Alibaba, lançada em 29 de janeiro de 2026.
Ler a definição
MLXApple MLX, framework MLX
O MLX é um framework de arrays de código aberto para aprendizado de máquina em Apple silicon, feito pela equipe de pesquisa em machine learning da Apple.
Ler a definição
Core MLCoreML, Apple Core ML
O Core ML é o framework da Apple para rodar modelos de aprendizado de máquina dentro de um app, no dispositivo.
Ler a definição
Quantizaçãoquantização de modelos, 4 bits, 8 bits
Quantização é guardar os números de um modelo com menos bits, por exemplo 4 ou 8 bits onde o original usava 16 ou 32.
Ler a definição
Fator de tempo realRTF, RTFx
O fator de tempo real (RTF) é o tempo que o reconhecimento de fala leva para processar um áudio, dividido pela duração dele.
Ler a definição
O que sai
Tudo o que acontece entre uma transcrição crua e o texto que você teria digitado.
Disfluênciavícios de fala
Disfluência é qualquer quebra na fala fluente: vícios como “hum” e “ãh”, repetições, começos em falso e autocorreções.
Ler a definição
Etapa de formataçãopós-processamento
A etapa de formatação vem após o reconhecimento de fala e transforma a transcrição bruta no texto que uma pessoa teria digitado: pontuação, maiúsculas, números em algarismos, vícios de fala removidos e tom adequado ao destino.
Ler a definição
Modo literal
O modo literal é um ajuste em que o ditado sai exatamente como você disse, sem reformular, mudar o tom ou limpar além do reconhecimento básico.
Ler a definição
Pontuação por vozcomandos de voz
Pontuação falada é dizer o nome de um sinal ou símbolo, como “comma”, “open paren” ou “new paragraph”, e a ferramenta de ditado digitar o símbolo em vez da palavra.
Ler a definição
Expansão de textotrechos
A expansão de texto troca um gatilho curto por um texto salvo maior: endereço, assinatura, resposta pronta.
Ler a definição
Dicionário pessoalvocabulário personalizado
Um dicionário pessoal é a lista de palavras que uma ferramenta de ditado aprendeu a escrever do seu jeito: nomes, produtos, jargões e tudo o que o modelo escreveria como a grafia mais provável.
Ler a definição
Ajuste de tomregistro
O ajuste de tom é um recurso de formatação que escreve as mesmas palavras ditadas de formas diferentes conforme o destino: em minúsculas e solto num app de chat, pontuado e completo num e-mail, intocado num terminal.
Ler a definição
Palavras por minutoPPM
Palavras por minuto (PPM, ou WPM) mede a velocidade de produção de texto.
Ler a definição
Onde roda
As duas palavras que decidem se a sua voz vira dado de outra pessoa.
Processamento no dispositivoprocessamento local
No processamento no dispositivo, o modelo de reconhecimento de fala roda no seu computador: o áudio é transcrito ali e nunca é enviado.
Ler a definição
LLM localmodelo de linguagem no dispositivo
Um LLM local é um modelo de linguagem que roda no seu próprio computador, não no servidor de um fornecedor.
Ler a definição
Sua voz sempre foi mais rápida.
7 dias grátis, depois $19 USD em pagamento único. Sem conta, sem assinatura, sem enviar nada.
macOS 14 ou posterior · Apple silicon