Por que cada vez mais gente troca o teclado por comandos de voz no trabalho

Aplicativos e fones com inteligência artificial começam a substituir o teclado no trabalho. A tecnologia de ditado por voz já lida bem com e-mails, apresentações e códigos, mesmo em ambientes barulhentos.

O aplicativo Handy, por exemplo, de código aberto, roda um modelo de aprendizado de máquina diretamente no computador do usuário e não envia áudio para a nuvem, o que preserva a privacidade dos dados.

Já a startup Wispr Flow aposta em modelos maiores para limpar hesitações e erros de fala antes de transformar o áudio em texto, com foco no mercado corporativo. A empresa levantou uma rodada de investimento de US$ 280 milhões, sendo avaliada em US$ 2 bilhões.

No hardware, a startup norte-americana Subtle vende os fones VoiceBuds, por US$ 250, capazes de captar a fala do usuário mesmo em ambientes barulhentos ou quando ele fala baixo.

Como funciona o reconhecimento de voz atual

De acordo com a NewAtlas, os modelos de reconhecimento de fala usados nesses aplicativos ficaram amplamente disponíveis nos últimos anos. Isso permitiu que empresas menores construíssem serviços de ditado com alta precisão e velocidade, algo que antes exigia grandes investimentos em pesquisa.

No caso do VoiceBuds, o dispositivo tem aparência de fone de ouvido sem fio comum e funciona junto a um serviço baseado em nuvem para captar a voz do usuário.

A empresa afirma que o produto não depende de microfones sofisticados para funcionar. Ainda segundo a Subtle, a inteligência artificial em tempo real do dispositivo consegue isolar a voz do usuário mesmo em ambientes com barulho ou quando a pessoa fala em volume baixo.

O que ainda falta comprovar

A Subtle diz que os VoiceBuds registraram até cinco vezes menos erros de transcrição do que a combinação entre o AirPods Pro 3, da Apple, e o modelo de transcrição da OpenAI, em testes feitos em ambientes barulhentos.

Porém, a empresa não detalhou o tamanho da amostra nem a metodologia usada para chegar a esse resultado, o que limita a comparação direta com outros produtos do mercado.

Ainda assim, a expansão de aplicativos somada aos fones aponta para a tendência de que mais gente deve migrar do teclado para o comando de voz em tarefas cotidianas de trabalho, como redigir e-mails, montar apresentações e até programar por meio de comandos falados.

Privacidade separa as abordagens

Vale destacar que, enquanto o Handy processa a fala localmente, sem enviar dados para servidores externos, a Wispr Flow e a Subtle dependem de serviços na nuvem para funcionar. Essa diferença pode pesar na escolha de quem trabalha com informação sensível ou confidencial.