Ferramentas de ditado open source, verificadas uma a uma (2026)

Procure por ditado open source e você cai em um de dois lugares, e nenhum dos dois responde à sua pergunta.

Pela redação do VoiceBoardAtualizado em 28 de agosto de 2026

O primeiro é uma comparação de modelos de reconhecimento de fala, ordenada por taxa de erro de palavra, publicada por uma empresa que vende reconhecimento de fala como API. Útil se você está construindo um produto. Inútil se você quer falar dentro de um e-mail. O segundo é a página inicial de um app específico que por acaso ranqueia para a expressão, onde a resposta para "qual ferramenta de ditado open source eu devo usar" é, previsivelmente, esta.

Entre os dois existe uma boa lista curada no GitHub, com mais de quarenta projetos. Sem datas, sem licenças, sem opinião. Quarenta é pior que nenhum, porque a maioria desses quarenta foi publicada nos últimos dezoito meses por uma pessoa num fim de semana, e você não tem como saber quais.

Então fizemos a parte chata. Puxamos o arquivo de licença, o número de estrelas e a data do último lançamento de duas dúzias de projetos em um único dia, e lemos as reclamações de quem de fato tentou instalar cada um. Eis o que sobreviveu.

Verificado em 27 de agosto de 2026. Cada licença, contagem de estrelas e data de lançamento abaixo foi lida naquele dia no repositório do próprio projeto ou na página do próprio fornecedor.

O campo em uma tabela

Três coisas neste campo não são o que o rótulo diz

Esta é a parte que nenhuma lista faz, porque leva dez minutos e irrita gente.

FUTO Keyboard e FUTO Voice Input são de código aberto para leitura, não open source. O código está publicado, o app roda inteiramente offline, a promessa de privacidade se sustenta e, para muita gente no Android, é honestamente a melhor resposta. Mas o arquivo de licença se chama FUTO Source First License 1.1, e diz: "You may modify the software only for non-commercial purposes" (você só pode modificar o software para fins não comerciais) e "You may distribute the software or any part of its source code only if you do so free of charge for non-commercial purposes" (você só pode distribuir o software ou qualquer parte do seu código-fonte se fizer isso gratuitamente e para fins não comerciais). Isso não é uma licença open source por nenhuma definição aceita, e se você está escolhendo o FUTO porque open source é a sua exigência, saiba que a exigência não está sendo cumprida.

O núcleo do Talon é proprietário. O Talon é a opção séria para quem não pode usar as mãos e precisa comandar a máquina inteira por voz, e os scripts de usuário dele são abertos e compartilhados à larga, que é de onde vem a confusão. O aplicativo em si não é. A EULA diz que "Talon binaries, updates, files, code, and any works produced from reverse-engineered Talon code... are not permitted to be redistributed in public or private" (binários, atualizações, arquivos, código e qualquer obra produzida a partir de código do Talon submetido a engenharia reversa não podem ser redistribuídos, em público ou em privado). Mais uma coisa que vale saber antes de planejar em cima dele: a documentação diz que o suporte a Linux é só X11, e que "Wayland compositors lack the APIs necessary for Talon and Wayland support is not planned" (os compositores Wayland não têm as APIs necessárias para o Talon, e suporte a Wayland não está nos planos).

Open source e gratuito não são a mesma palavra. O VoiceInk publica tudo sob GPL-3.0. Você pode ler, auditar e compilar por conta própria a custo zero, e o arquivo BUILDING.md no repositório explica como. O desenvolvedor também vende uma versão assinada por $29, com atualizações automáticas e suporte. As duas afirmações são verdadeiras ao mesmo tempo, e esse é o arranjo mais saudável da categoria, não uma pegadinha: alguém é pago para manter aquilo funcionando, e se parar, o código continua sendo seu.

Quase todos rodam os mesmos três motores

Depois que você percebe isso, a escolha fica bem mais fácil.

Whisper (OpenAI, MIT, 108.018 estrelas) é o padrão multilíngue, cobre 99 idiomas, incluindo o português, e é o que a maioria dos clientes de desktop entrega primeiro. Vai bem numa máquina moderna e devagar numa antiga.

Parakeet (NVIDIA, o modelo parakeet-tdt-0.6b-v3 no Hugging Face, CC-BY-4.0, uso comercial permitido) é o rápido. Cobre 25 idiomas europeus, entre eles o português, precisa de uns 2 GB de RAM e roda em velocidade utilizável na CPU, e é por isso que o autor do Handy diz recomendá-lo por padrão. Um usuário do MacWhisper rodando o modelo num laptop M1 resumiu a diferença assim no Hacker News, em 18 de agosto de 2025: "a velocidade de transcrição das gravações parece pelo menos 10 vezes maior que a do Whisper, e a precisão também é melhor". Uma ressalva para quem fala português: o card do modelo avisa que os dados de treino usam português europeu, enquanto a maior parte dos testes de referência usa o brasileiro, e atribui a isso parte da diferença de desempenho. Vale gravar um minuto da sua própria voz e comparar com o Whisper antes de trocar de vez.

Vosk (Apache-2.0, 15.080 estrelas) é a velha guarda: modelos minúsculos, de uns 50 MB, que rodam num Raspberry Pi, mais de 30 idiomas e o motor por trás do nerd-dictation. Repare na data, porém. Ainda entram commits (o mais recente que vimos foi de 9 de agosto de 2026), mas o último lançamento marcado é o v0.3.50, de 22 de abril de 2024. Se você instalar hoje uma ferramenta baseada em Vosk, está instalando um pacote de dois anos atrás.

A conclusão prática: a qualidade da transcrição é decidida quase toda pelo modelo, e todo mundo tem acesso aos mesmos modelos. O que você escolhe de fato, entre um projeto e outro, é a casca. O atalho funciona, o texto cai na janela certa, aquilo sobrevive a uma atualização do sistema, tem alguém corrigindo bug.

No Mac

O Mac tem as opções mais abertas porque tem mais gente escrevendo para ele.

VoiceInk é o que indicamos, e o motivo é chato, não ideológico: é o único projeto aqui em que o código aberto e a versão mantida vêm da mesma pessoa e os dois estão em dia. O arquivo de licença é GPL-3.0 puro. A versão 2.13 saiu no dia em que checamos. Ele roda Whisper e Parakeet no Neural Engine, então nada sai da máquina, e o passo opcional em nuvem toca apenas o texto que você já ditou, nunca o áudio. Na prática parece um app pago e não um projeto: dicionário pessoal para nomes e jargões, modos que trocam de configuração conforme o app em que você está, um atalho de teclado que se comporta como você espera já no primeiro dia. Também existe um app de iOS.

Os limites são duros e merecem ser ditos sem rodeio. Só Apple silicon, macOS 14.4 ou mais novo. Num MacBook Intel de 2019 isso não é opção a preço nenhum. Modelos locais pedem RAM, e o primeiro download de modelo demora numa conexão lenta.

Se você está num Mac recente e quer ditado local sem ficar de babá, experimente o VoiceInk. São $29 uma vez para um Mac, $49 para dois, $69 para três, com 14 dias de reembolso, ou grátis se você preferir abrir o Xcode e compilar. Nossa análise mais longa está na análise do VoiceInk.

FluidVoice é a opção gratuita de Mac com mais tração: GPL-3.0, 10.970 estrelas, commits no dia em que olhamos e agora também uma versão de Windows. OpenSuperWhisper (MIT, 2.727 estrelas) é menor e mais simples. O Handy funciona no Mac também, e é a escolha se você quer a mesma ferramenta em todas as máquinas que tem.

No Windows

Handy é o padrão prático. MIT, 30.459 estrelas, v0.9.6 em 24 de agosto de 2026, instalável pelo winget ou por um instalador comum, e faz a única coisa que você quer: aperta o atalho, fala, solta, o texto aparece onde está o cursor. O silêncio é filtrado antes da transcrição, e você escolhe entre os tamanhos de Whisper e o Parakeet nas configurações.

Duas observações honestas sobre ele. O autor é franco na página "sobre" do próprio projeto, citada na sua thread do Hacker News em 28 de setembro de 2025: "este é meu primeiro projeto em Rust, e dá para notar. Há bugs, arestas e decisões de arquitetura...". E vale saber que apps de desktop open source desse tipo disparam alarme de antivírus. Quando o Whispering lançou a versão 7.3.0 em agosto de 2025, um comentarista publicou em 18 de agosto resultados do VirusTotal mostrando AVG e Avast marcando o instalador como programa potencialmente indesejado. Como outro comentarista resumiu na mesma thread, um app que digita dentro de outras janelas se comporta exatamente como aquilo que os programas de segurança foram feitos para pegar. Builds sem assinatura, vindos de projetos pequenos, vão continuar disparando isso, e você vai ter de decidir se confia na origem.

OpenWhispr é a outra opção atual: MIT, 5.780 estrelas, macOS, Windows, Linux e iOS a partir de uma base de código só, modelos locais por padrão e uma camada paga em nuvem que você pode ignorar.

O Windows também tem digitação por voz embutida e gratuita (Win+H), que vale conhecer antes de instalar qualquer coisa, mas é um serviço em nuvem. A própria documentação da Microsoft diz que ela exige conexão com a internet. Gratuito e privado são problemas diferentes, e a ferramenta embutida resolve só um deles. Nosso levantamento completo de Windows está em melhores apps de ditado para Windows.

No Linux

Aqui o open source não é preferência, é a única categoria que existe, e o quadro honesto tem algumas pontas afiadas.

Handy roda no Linux e é o projeto maior com tração real. O Wayland é a ressalva. No fim de agosto de 2026 havia issues e pull requests abertos sobre atalhos globais e inserção de texto no GNOME com Wayland, registrados entre 27 de abril e 13 de agosto de 2026, vários ainda em discussão. No X11 ele se comporta. No Wayland, olhe o rastreador de issues do seu compositor antes de planejar o dia em torno disso.

Speech Note é a opção mais tranquila no Linux e a menos comentada. MPL-2.0, distribuído como Flatpak no Flathub, versão 4.9.0 de 28 de junho de 2026, e junta transcrição, leitura em voz alta e tradução offline em um app só, com complementos opcionais de GPU para AMD e NVIDIA. Tudo roda localmente, sem conexão de rede. É antes de tudo um app de notas, então ditar para o sistema inteiro não é o centro de gravidade dele, mas para escrever numa janela e tirar o texto de lá funciona sem você compilar nada.

nerd-dictation merece um parágrafo principalmente como aviso sobre a forma como essas listas são escritas. É um script Python de arquivo único, bem feito, em cima do Vosk, converte números falados em dígitos, e a configuração é Python puro, então você reescreve a saída como quiser. Também nunca teve um lançamento marcado, e o último commit foi de 10 de outubro de 2025. Um comentarista do Hacker News resumiu isso lá em janeiro de 2022 e a descrição continua servindo: "definitivamente mais voltado a faça-você-mesmo do que a ser de fato uma solução". Ele aparece perto do topo de quase toda lista de "melhor ditado open source para Linux" publicada este ano, quase sempre sem nenhuma indicação de que roda sobre um motor cujo último lançamento é de 2024.

Se você gosta de scripts, esse é um caminho legítimo e tem umas vinte linhas. Um leitor do Hacker News publicou o dele em agosto de 2025: uma tecla começa a gravar com ffmpeg, soltar a tecla mata o processo, o arquivo passa pelo whisper-cli do whisper.cpp e o resultado é digitado. Sem instalador, sem aviso de antivírus, nada para atualizar. Se isso é um prazer ou uma tarefa é a pergunta inteira desta seção. Nosso guia de plataforma está em melhores apps de ditado para Linux.

No Android

Transcribro (licença ISC, 739 estrelas) é a resposta limpa: um teclado e um serviço de reconhecimento que rodam inteiramente no aparelho, construídos sobre o whisper.cpp, disponíveis pelo F-Droid. O desenvolvimento anda quieto, com os últimos commits que vimos datados de 29 de agosto de 2025, então trate como estável, não como algo em crescimento.

FUTO Keyboard e FUTO Voice Input são a dupla conhecida. São totalmente offline, não pedem conta e se financiam por um pagamento único opcional em vez de assinatura. Só leia a seção de licenças acima antes de arquivá-los sob open source, e leve a sério a palavra do próprio projeto de que ele ainda está completando recursos e idiomas.

A base gratuita no Android é a digitação por voz do próprio Gboard, que a maioria das pessoas já tem instalada. Aqui cabe uma correção para o leitor brasileiro: a versão rápida, que roda no aparelho sem mandar nada para o Google, é a "digitação por voz avançada" dos Pixel 6 em diante, e a página de ajuda do Google lista seis idiomas para ela, inglês, francês, alemão, italiano, japonês e espanhol. Português não está. Em português, portanto, o ditado do Gboard é o comum, e o Google não publica nenhuma página confirmando pacote offline para pt-BR.

Onde o open source ainda perde, especificamente

Nada de vago. São cinco pontos, com fontes.

1. Ninguém limpa a sua fala. Essa é a lacuna de verdade e explica quase toda a decepção. As ferramentas pagas em nuvem fazem dois passos: transcrevem e depois reescrevem. A reescrita transforma "então eu acho que a gente devia, hã, talvez mudar a reunião, na verdade vamos mudar pra quinta" em uma frase limpa. Os modelos locais fazem só o primeiro passo. O mantenedor do Whispering disse isso sem rodeio no Hacker News, em 19 de agosto de 2025: "os modelos de transcrição recentes não têm uma inferência ou limpeza embutida muito boa, e o Whisper tem aquele parâmetro 'prompt' bem fraquinho", e o melhor contorno disponível é jogar a transcrição num modelo de linguagem separado depois. Dá para montar isso. Vários projetos já entregam pronto. Mas, sem configuração, o que você recebe é o que você falou, com muleta e tudo.

2. O Whisper inventa coisas no silêncio. Em "Careless Whisper: Speech-to-Text Hallucination Harms" (FAccT 2024), Koenecke e colegas descobriram que 1,4% dos trechos de áudio produziam uma sequência alucinada, texto que nunca foi dito, e que 38% dessas alucinações continham danos explícitos, como violência inventada ou atribuições falsas. As alucinações se concentravam nas pausas da fala. Para ditar um e-mail, isso é curiosidade. Para qualquer coisa que você não vá reler, não é.

3. Instalar custa de verdade. Alarme de antivírus em builds sem assinatura, download de modelo que falha sem erro útil, caixas de permissão, Wayland. Um usuário descreveu ter tentado o AppImage do Whispering no Linux em agosto de 2025, falhado ao baixar um modelo, ligado os modelos na mão e recebido depois um arquivo de áudio de comprimento zero, concluindo em 21 de agosto: "este software ainda não está pronto para uso diário, pelo menos não no Linux". É um projeto num dia, e ele avançou desde então, mas o formato dessa experiência é comum o bastante para que fingir o contrário fosse desonesto.

4. Suporte é um rastreador de issues. Não existe central de atendimento. Se o atalho parar de funcionar depois de uma atualização do sistema, suas opções são esperar, ler a thread ou consertar você mesmo.

5. A maioria desses projetos vai sumir. Entre novembro de 2025 e agosto de 2026 contamos mais de uma dúzia de apps de ditado local quase idênticos publicados no Hacker News: Ito, Vocalinux, Toice, Purr, Fonos, TypeWhisper, Recitey, TongueType, Plainsay, Velora, Dictata e outros. A maioria juntou menos de cinco pontos e zero comentários. E isso não é exclusividade de projeto pequeno. O DeepSpeech da Mozilla, com 26.772 estrelas, está arquivado. O Coqui STT, projeto que levou aquilo adiante, não tem commits desde março de 2024, e a empresa por trás dele encerrou as atividades naquele ano. Contagem de estrelas mede entusiasmo no dia do lançamento. Data de lançamento mede se ainda tem alguém ali.

Onde ele ganha, e essa parte não é pequena

Seu áudio não vai a lugar nenhum. Não como política escrita numa página de segurança, mas porque não existe chamada de rede. Essa é a única promessa de privacidade que não depende de confiar em ninguém, e é por isso que médicos, advogados e quem trabalha sob acordo de sigilo acabam aqui.

Sem teto, sem conta, sem renovação. Ditado pago custa de $8 a $15 por mês, e os planos gratuitos param em uns dois mil termos por semana, o que dá uns quinze minutos de fala. Ferramentas locais não têm contador de palavras porque não há servidor contando.

Você escolhe o modelo. O Whisper Medium pode se dar melhor com a sua voz do que o Large. O Parakeet pode ser cinco vezes mais rápido no seu laptop. O autor do Handy achou o Medium melhor que o Turbo para a fala dele, que é exatamente o tipo de coisa que só se descobre quando você tem permissão de trocar de modelo.

Continua funcionando. Nenhum fornecedor pode descontinuar a sua configuração, mudar o preço ou decidir que o seu país deixou de ter suporte. Quem tinha Dragon e viu a linha de consumo ser desmontada sabe quanto isso vale.

Você pode ler o código. Não que você vá. Mas alguém pode, e numa categoria em que o app observa tudo o que você digita, isso pesa mais do que o normal.

Se você só quer ditado que funcione hoje

Vale dizer sem hesitar: se você não gosta desse tipo de coisa, open source não é hoje o caminho mais curto para um bom ditado. As ferramentas pagas são melhores na limpeza, são assinadas e reconhecidas pelo sistema, têm um endereço de suporte, e custam entre dois e quinze dólares por mês.

Se esse é o seu caso, pule a categoria inteira e comece por um guia de plataforma: melhores apps de ditado para Mac, para Windows ou para Linux. Cada um lista primeiro a opção embutida e gratuita, porque em duas dessas três plataformas ela já basta para muita gente.

O que ficou de fora e por quê

Amical (MIT, 1.508 estrelas), VoiceTypr (AGPL-3.0, 692), OpenSuperWhisper (MIT, 2.727) e uns trinta outros. Todos reais, todos mantidos hoje. Não estão na tabela principal porque fazem o mesmo que as ferramentas acima com menos gente por trás, e recomendar um projeto jovem para algo que você vai usar todo dia é como se acaba reinstalando tudo em seis meses. Se você quer o campo completo, a lista awesome-voice-typing no GitHub é a mais completa que encontramos.

Whispering. Citado várias vezes nesta página e ainda uma boa ferramenta, mas repare que o repositório avulso está arquivado: ele agora vive dentro do monorepo Epicenter, que é onde você deve procurar.

Bibliotecas de modelo: faster-whisper, WhisperX, sherpa-onnx, NeMo. Essas são peças, não aplicativos. Se você está construindo alguma coisa, são excelentes. Se você quer ditar, é a prateleira errada.

Qualquer coisa cuja página diga open source sem um arquivo de licença. Produtos pagos e de código fechado ranqueiam nessas buscas com páginas montadas inteiramente em torno da expressão. A checagem leva um minuto: ache o repositório, abra o arquivo LICENSE, leia a primeira linha.

Como checamos isso

Em 27 de agosto de 2026 consultamos a API do GitHub para cada projeto desta página e registramos quatro coisas: o conteúdo do arquivo de licença, a contagem de estrelas, a data do último lançamento marcado e a data do último commit. Preços e requisitos de sistema vieram das páginas dos próprios fornecedores no mesmo dia. As afirmações sobre licença são citadas do arquivo de licença ou da EULA, não do texto de marketing, e é por isso que as entradas de FUTO e Talon ficaram aqui diferentes do que estão em outros lugares.

Não fizemos disputa de precisão, e não há nenhuma taxa de erro de palavra medida por nós nesta página. Onde velocidade ou precisão aparecem descritas, vêm de um estudo publicado ou de um usuário identificado numa thread pública datada, e estão marcadas como tal. Toda reclamação que citamos é atribuída a uma pessoa e a uma data, para você julgar o quanto ela envelheceu, e várias são de 2025 e podem já estar resolvidas.