Em um estudo de laboratório de 2016 em Stanford e na Baidu, pessoas que ditavam mensagens curtas para um iPhone 6 Plus chegaram a 153 palavras por minuto em inglês. As mesmas pessoas, digitando no teclado do celular, chegaram a 52. Em mandarim, foram 123 contra 43 (Ruan et al.). A fala também cometeu menos erros no caminho, embora tenha deixado um pouco mais deles no texto final: 1,30% das palavras erradas contra 0,79% na digitação.
Era um reconhecedor de quase uma década atrás, em condições ideais, e mesmo assim triplicou a velocidade de digitação. Ninguém precisa ser convencido de que falar é mais rápido. A decisão que você tem pela frente é mais estreita e mais cara: pagar de US$ 8 a US$ 15 por mês por um app de ditado com IA ou usar a tecla de microfone que seu computador já tem?
Nossa opinião, depois de ler as páginas de preços, as políticas de privacidade e a documentação dos principais concorrentes: a maioria das pessoas deve começar no gratuito e continuar nele até conseguir apontar o que exatamente a ferramenta gratuita faz mal. Os apps pagos oferecem, sim, algo que as ferramentas embutidas não têm. Só que é mais restrito do que o marketing sugere.
O plano gratuito não para de melhorar, e as notícias confirmam
A Nvidia lançou o Nemotron 3.5 Transcribe, um modelo gratuito de pesos abertos que transcreve áudio em até 40 idiomas, lida com gravações de até uma hora e distingue até oito pessoas falando (TechCrunch). É uma ferramenta para desenvolvedores, não um app de ditado, e o TechCrunch aponta uma limitação que importa aqui: ele funciona com áudio gravado, não com transmissões ao vivo. Você não consegue apertar uma tecla e falar com ele.
Mas é o mesmo padrão que vimos o ano todo. Modelos de fala poderosos continuam chegando como downloads gratuitos, e os apps que os embrulham (vários deles gratuitos, como o Spokenly e o plano gratuito do Superwhisper) ganham um motor melhor sem pagar por ele. O que separa um app pago de um gratuito é menos o motor e mais a edição ao redor, e já vamos chegar nisso.
A pilha da própria Apple também avançou. O MacStories comparou uma ferramenta de linha de comando baseada no SpeechAnalyzer e no SpeechTranscriber on-device da Apple com o modelo Large V3 Turbo do MacWhisper, num vídeo de 34 minutos. A API da Apple terminou 2,2 vezes mais rápido, em 45 segundos contra 1 minuto e 41, sem diferença perceptível na qualidade da transcrição (MacStories). O teste foi de transcrição de arquivo, não da tecla de Ditado, então trate isso como evidência sobre o motor, não sobre a experiência de uso. O guia atual da Apple para Mac acrescenta que, com o Apple Intelligence no macOS 27, o Ditado usa um modelo on-device para melhorar ortografia, pontuação e capitalização, mas só em inglês, só em Macs com M3 ou mais recente e com pelo menos 12 GB de memória unificada (Apple).
Não encontramos nenhum teste independente de taxa de erro de palavras das teclas embutidas em si, da Apple, da Microsoft ou do Google. Essa lacuna importa, e é por isso que a seção de precisão abaixo se apoia em números de um fornecedor, com um aviso.
Para onde vai o seu áudio
Esta é a diferença mais clara entre as opções, e está escrita na documentação de cada fornecedor.
A digitação por voz do Windows (Win+H) usa reconhecimento de fala online com tecnologia do Azure Speech, então precisa de conexão com a internet (Microsoft). A Apple diz que você pode conferir os ajustes de Teclado para ver se o Ditado geral é processado no seu dispositivo em vez de ser enviado aos servidores da Siri, e a mesma página observa que, se você optar por compartilhar gravações de áudio, a Apple pode revisar uma amostra. Um recurso do Windows muda o quadro: em PCs Copilot+, o Fluid dictation da Microsoft usa pequenos modelos de linguagem on-device para corrigir gramática, pontuação e vícios de fala enquanto você fala, em inglês, e vem ativado por padrão. A página de ajuda do Gboard do Google trata de comandos e idiomas, mas, na página que lemos, não diz onde o áudio é processado. Não vamos chutar.

Entre os apps pagos, as respostas são de natureza diferente. O Superwhisper diz que seus modelos locais rodam inteiramente no seu dispositivo e que "seu áudio e suas transcrições nunca saem do seu dispositivo". Se você escolhe um modelo na nuvem, o áudio vai para os servidores deles, onde é "processado na memória e não é armazenado após a conclusão da requisição", ou para um provedor terceirizado, sob os termos desse provedor. Ele também diz que seus dados não são usados para treinar modelos (política de privacidade do Superwhisper).
O Wispr Flow é cloud-first. A página de privacidade diz que o áudio é enviado por TLS para os servidores deles, transcrito e depois apagado, a menos que você ative o armazenamento na nuvem. Dois ajustes merecem uma olhada antes de você começar. "Improve the model for everyone" permite que a Wispr use seu áudio, suas transcrições e suas edições para treinamento. A página diz que o treinamento vem desativado por padrão e travado nos planos Growth e Enterprise, e não informa o padrão dos planos individuais. Já o "Context awareness" lê um trecho limitado de texto do app em que você está ditando para que os nomes saiam certos (Wispr Flow).
Se a privacidade do áudio decide a questão para você, nosso texto sobre IA local versus IA na nuvem cobre a troca em geral, e o sobre gravadores sempre ligados trata do lado legal de gravar outras pessoas.
O que a assinatura acrescenta é a edição
Ditado bruto é uma transcrição. Você diz "hã, então, o negócio é, a gente devia, na verdade, vamos mover o prazo para sexta" e recebe exatamente isso, com as hesitações. Os apps pagos fazem uma segunda passada que transforma isso no que você queria escrever.

A proposta do Wispr Flow é exatamente essa: fala em qualquer app com comandos de IA e edições automáticas, dicionário e snippets, e um modelo que aprende seus nomes e jargões. O equivalente do Superwhisper fica no plano Pro: modos com IA, como Super e Mail, context awareness e transcrição em tempo real, nada disso no plano gratuito (planos do Superwhisper). O Aqua Voice cobra por instruções personalizadas e dicionário pessoal no Pro, e por comandos de voz e modo em tempo real no plano Max (Aqua).
As ferramentas embutidas, na maioria, ficam na primeira etapa. O Ditado da Apple insere pontuação e entende "nova linha" e "novo parágrafo" ("new line" e "new paragraph", no original em inglês). O Gboard aceita "period", "comma" e "new paragraph" e deixa você trocar uma palavra tocando nela e falando a nova. O Windows tem comandos do tipo "stop listening". Apple e Gboard param por aí. A exceção é o Fluid dictation em PCs Copilot+, que de fato elimina vícios de fala e corrige gramática, então uma ferramenta gratuita agora cobre parte do que os apps pagos cobram. O que nenhuma das ferramentas embutidas documenta é a reescrita de uma frase atropelada, ou um dicionário com os seus próprios nomes.
Dá para ver a lacuna no que dizem os usuários de ferramentas gratuitas. Um usuário do Hacker News que usa o Handy, app gratuito e de código aberto, escreveu: "você não consegue fazer ele limpar seus erros de gramática, ele só registra suas palavras exatamente como estão. Mas pra isso ele é ótimo" (Hacker News). Respondendo a uma recomendação do MacWhisper na mesma conversa, outro escreveu: "Minha única reclamação é que os modelos on-device não lidam sozinhos com comandos de pontuação" (Hacker News).
Precisão: o único confronto direto foi feito por um rival
O Superwhisper publica um benchmark de 16 modelos de fala em 8 conjuntos de dados, incluindo teleconferências de resultados cheias de nomes de empresas, fala espontânea e reuniões. Ele lista o Wispr Flow com a passada de limpeza desligada, para que a saída possa ser avaliada contra uma referência palavra por palavra. Nos resultados combinados, o modelo de nuvem do próprio Superwhisper, o S1 Voice, teve taxa de erro de palavras de 6,6%, e a saída bruta do Wispr Flow, 8,7% (benchmarks do Superwhisper). Em quantos termos de vocabulário personalizado foram reconhecidos corretamente, o Wispr marcou 62,5%, contra 83,3% do Superwhisper e cerca de 91% do ElevenLabs Scribe v2 e do GPT Transcribe da OpenAI.
Leia essa tabela com uma boa dose de ceticismo. O Superwhisper a montou, escolheu os conjuntos de dados e rodou o produto de um concorrente como caixa-preta, com um recurso desativado. A página também publica linhas em que outros superam o Superwhisper, o que é um ponto a favor, e diz que o código e a saída por trecho estão em um repositório de benchmark. Não auditamos esse repositório. A página também não diz qual versão do modelo da Wispr foi usada. A Wispr, aliás, anunciou um modelo de fala próprio, o Canto, então a linha do Wispr pode não descrever o que é entregue hoje. O que os números sustentam é modesto: os cinco melhores modelos de nuvem ficam a cerca de dois pontos de taxa de erro de palavras uns dos outros, e as ferramentas embutidas nem aparecem na tabela.
Os usuários nem sempre concordam com a ordem do benchmark. Um comentarista do Hacker News, respondendo ao anúncio do Canto pela Wispr, escreveu: "Eu passei do Superwhisper->WisprFlow->Spokenly->Fieldwork e achei o WisprFlow o menos preciso dos 4" (Hacker News). É a experiência de uma pessoa, não um teste, e o anúncio da Wispr cita o benchmark deles. Sotaques, microfones e vocabulário variam, então um teste pessoal vale mais do que qualquer tabela.
Quanto cada um custa e como é cobrado
Os preços abaixo vêm das páginas dos próprios fornecedores. O Pro do Wispr Flow custa US$ 12 por usuário por mês no plano anual, US$ 15 no mensal, e o plano gratuito limita o uso no desktop a 2.000 palavras por semana (Wispr Flow). O Pro do Superwhisper custa US$ 8,49 por mês, US$ 84,99 por ano ou US$ 249,99 uma única vez, e uma licença cobre todos os seus Macs, PCs Windows e celulares. O Pro do Aqua custa US$ 10 por mês cobrados anualmente, com 1.000 palavras grátis para testar. O Pro do MacWhisper é um pagamento único de €64 (MacWhisper).
| App | Plano gratuito | Pago e forma de cobrança | Para onde vai o áudio |
|---|---|---|---|
| Ditado da Apple, Win+H, Gboard | Grátis, embutido | Nenhum | Apple: confira os ajustes. Windows: Azure (Fluid dictation é on-device). Gboard: não informado |
| Superwhisper | Ilimitado, modelos Whisper locais, sem limpeza por IA | US$ 8,49 por mês, US$ 84,99 por ano, US$ 249,99 único | Local ou nuvem, você escolhe |
| Wispr Flow | 2.000 palavras por semana no desktop | US$ 15 por mês, ou US$ 12 por mês no plano anual | Nuvem |
| Aqua Voice | 1.000 palavras | US$ 10 por mês no plano anual | Servidores da Aqua; o Privacy Mode limita as transcrições armazenadas |
| MacWhisper | Versão gratuita | €64 único | Modelos locais ou na nuvem |
O Wispr é uma assinatura com um teto semanal rígido no plano gratuito, então quem usa muito bate no limite rápido e acaba decidindo sob pressão. O plano gratuito do Superwhisper não tem teto nenhum, mas também não tem limpeza. A opção vitalícia, de US$ 249,99, equivale a cerca de três anos do plano anual e, junto com o pagamento único do MacWhisper, é uma das duas únicas opções aqui que param de cobrar. Para quem sabe que vai ditar por anos, é a melhor estrutura de preço, na nossa opinião. Estudantes e organizações sem fins lucrativos têm 40% de desconto no Superwhisper, desde que peçam antes de comprar.
Nossas escolhas, conforme o que você faz o dia todo
Comece com a tecla embutida por uma semana. Não custa nada, funciona em qualquer campo de texto e você descobre se o hábito pega. Descobrir se o hábito pega é uma coisa ruim de se fazer com um plano anual já pago.
Se você dita e-mails, anotações e mensagens no Slack e o texto bruto serve, fique no gratuito. O Superwhisper Free dá modelos locais com ditado ilimitado, o MacWhisper tem uma versão gratuita que também roda modelos locais, e quem usa Windows e quer algo privado pode olhar o Whisperstream, que faz reconhecimento local.
Pague quando a limpeza for o ponto. Se você dita rascunhos longos, prompts para um modelo de IA ou e-mails para clientes e fica tirando "hãs" e recomeços na mão, a assinatura é mais fácil de justificar. Experimentaríamos primeiro o plano gratuito do Wispr Flow, já que as 2.000 palavras por semana bastam para avaliar a limpeza com a sua própria voz. Depois, olhe o Superwhisper Pro ou a licença vitalícia se quiser modelos locais e uma licença para todos os seus dispositivos. As páginas do Willow Voice e do Aqua valem uma olhada se você quiser outras opções.
Não pagaríamos se você só dita em rajadas curtas, se seu Mac é um M3 com 12 GB ou mais e você está no macOS 27 (as correções on-device de ortografia e pontuação da Apple podem bastar), se você usa um PC Copilot+ com Fluid dictation, ou se o áudio não pode sair da sua máquina e você não precisa de reescrita. Também pularíamos qualquer app que você não tenha testado por um dia com o seu próprio jargão.
Se o que você procura são gravações de reuniões, e não a sua própria voz, aí é outra categoria de ferramenta. Nosso guia de anotações de reunião com IA e o post sobre as melhores ferramentas de transcrição com IA cobrem o assunto, e o ranking do ToolRank para ferramentas de transcrição mostra onde cada uma se posiciona.
Perguntas frequentes
Vale a pena pagar pelo Wispr Flow?
Se você dita por horas por semana e tira vícios de fala na mão, provavelmente sim. A US$ 12 por mês no plano anual, é um custo pequeno perto desse tempo. Se você dita algumas mensagens por dia, as 2.000 palavras semanais do plano gratuito podem dar conta, e as ferramentas embutidas também.
O Superwhisper é melhor que o Wispr Flow?
Eles servem a pessoas diferentes. O Superwhisper roda modelos locais, tem um plano gratuito sem limite e oferece licença vitalícia. O Wispr Flow é baseado em nuvem e é forte em limpeza. O único confronto direto publicado que encontramos é do próprio Superwhisper, então pesamos isso de acordo.
O Ditado da Apple ou a digitação por voz do Windows são privados?
A digitação por voz do Windows usa reconhecimento de fala online com tecnologia do Azure Speech, segundo a Microsoft, e precisa de conexão com a internet. A Apple diz que parte do Ditado é processada no dispositivo e orienta você a conferir os ajustes de Teclado para ver se o seu é.
Esses apps funcionam em qualquer app?
O Wispr Flow diz que funciona em qualquer app no Mac, Windows, iPhone e Android. O Superwhisper cita Slack, Gmail e qualquer outro site ou app. As ferramentas embutidas funcionam onde houver um campo de texto que aceite entrada do sistema, embora o comportamento varie.
Dá para usar o ditado totalmente offline?
Dá. Os modelos Whisper locais do Superwhisper e o MacWhisper funcionam assim. A digitação por voz do Windows precisa de internet. Teste o modo offline com o Wi-Fi desligado antes de confiar nele.
Próximo passo: escolha uma opção gratuita, dite tudo por cinco dias úteis e anote quantas palavras por semana você realmente usa. Se passar das 2.000 do Wispr, você achou o seu plano.