O Whisper Snapper é um aplicativo nativo de macOS do desenvolvedor independente Evan Harris que transforma áudio e vídeo em texto com os modelos locais Parakeet, WhisperKit e Whisper, ou por APIs na nuvem para as quais você fornece as próprias chaves. Ele traz separação de interlocutores, resumos e traduções locais com Llama 3.2 e exportação para TXT, SRT, VTT, Markdown, CSV e PDF.
Já usou esta ferramenta? Avalie-a
Já usou esta ferramenta? Avalie-a
O Whisper Snapper é um aplicativo nativo de macOS que converte arquivos de áudio e vídeo em texto escrito. Ele é distribuído pela Mac App Store com o nome «Whisper Snapper Transcriptions», e o registro da loja aponta Evan Harris como desenvolvedor e vendedor. No Product Hunt, seu autor se descreve como fundador solo e desenvolvedor independente. Esse dado diz bastante sobre a natureza do produto: trata-se de um utilitário focado, feito por uma única pessoa, e não de uma plataforma com aporte de risco e equipe comercial por trás.
Esse enquadramento pesa mais do que parece. Um programa de transcrição construído por uma pessoa e vendido uma única vez por um valor fixo responde a incentivos diferentes dos de um serviço por assinatura que precisa das suas gravações nos próprios servidores para justificar receita recorrente. Toda a arquitetura do Whisper Snapper se apoia nessa diferença. O aplicativo foi desenhado de modo que, se você quiser, nada do que transcrever chegue a tocar em uma conexão de rede.
A página inicial expõe a proposta sem rodeios: «The Transcription App Mac Users Deserve» (o aplicativo de transcrição que os usuários de Mac merecem). Abaixo, detalha do que ele dá conta: transcrever vídeos, podcasts, reuniões, notas de voz e mais, com resumos e traduções gerados por inteligência artificial em mais de vinte idiomas, tudo funcionando de forma privada no seu Mac.
A palavra «Whisper» no nome deste aplicativo remete ao Whisper, a família de modelos de reconhecimento automático de fala publicada em código aberto pela OpenAI. O Whisper é distribuído sob uma licença livre permissiva, o que significa que qualquer desenvolvedor pode baixar os pesos do modelo, executá-los localmente e construir um produto sobre eles. É exatamente isso que o Whisper Snapper faz, ao lado de modelos de outras procedências.
O Whisper Snapper não é um produto da OpenAI, não é operado pela OpenAI e não há qualquer indício de parceria, endosso ou vínculo societário entre os dois. Trata-se de um aplicativo independente de terceiros que executa um modelo de licença aberta. Usar o nome de um modelo no nome de um produto é juridicamente comum e, neste caso, também tecnicamente exato: o aplicativo de fato executa o Whisper.
Ainda assim, convém dizer com clareza: o site não traz em lugar algum uma ressalva de ausência de afiliação nem qualquer aviso sobre marcas. A página inicial cita repetidamente OpenAI Whisper, GPT-4o, NVIDIA Parakeet, Deepgram Nova-2 e Llama sem uma única linha esclarecendo que não é afiliada a essas empresas nem conta com o endosso delas. É uma omissão, não um engodo. Do outro lado da balança está o fato de que o aplicativo é inteiramente transparente sobre qual motor faz o quê: a política de privacidade nomeia a OpenAI e a Deepgram como operadoras terceiras e vincula diretamente às políticas de cada uma. Não há tentativa alguma de apresentar tecnologia alheia como invenção própria. A leitura honesta é, portanto, esta: um empacotamento transparente de modelos abertos e comerciais ao qual falta uma cláusula padrão, e não uma empresa de fachada.
A maioria dos produtos de transcrição obriga você a escolher de uma vez por todas: ou usa um serviço em nuvem e aceita que suas gravações saiam da máquina, ou usa uma ferramenta local e aceita um programa mais lento e tosco. A posição declarada do Whisper Snapper é que essa escolha deve ser feita arquivo a arquivo, e não no nível do produto. O site formula assim: privacidade quando você precisa, velocidade quando não precisa. Rode tudo localmente no Mac para gravações delicadas, ou recorra à nuvem para processamento mais rápido, decidindo de novo a cada transcrição.
Esse é o ponto mais importante a compreender sobre este aplicativo. Uma jornalista pode transcrever pela manhã, inteiramente sem conexão, a entrevista de uma fonte confidencial e, à tarde, enviar a gravação de um congresso público a uma interface em nuvem para ganhar tempo, sem trocar de aplicativo.
A transcrição local roda integralmente no chip do seu Mac. Você baixa um modelo uma vez e, a partir daí, o aplicativo não precisa de internet para transcrever. O registro da App Store lista um catálogo local considerável: os modelos OpenAI Whisper tiny, base, small, large-v3, large-v3-turbo e distil-large-v3, ao lado de NVIDIA Parakeet v2 (inglês), v3 (25 idiomas com separação de interlocutores) e TDT-CTC-110M, além do Qwen3 ASR da Alibaba e do Llama 3.2 para tradução e resumo.
Oferecer vários tamanhos de Whisper é conveniência real, não enfeite de ficha técnica. O Whisper tiny é rápido e leve e dá conta com folga de uma nota de voz limpa com uma única voz, quando você quer apenas um texto pesquisável. O Whisper large-v3 rende bem melhor com sotaques marcados, vozes sobrepostas e salas barulhentas, mas é bastante mais pesado de executar. Ter os dois instalados permite ajustar o modelo à tarefa em vez de pagar sempre o custo de processamento do pior cenário.
O Parakeet, desenvolvido pela NVIDIA, pertence a outra linhagem de modelos e costuma ser notavelmente veloz nos chips da Apple. A variante v3 abrange 25 idiomas e, o que é crucial, faz separação de interlocutores localmente, algo que nem todo modelo offline consegue.
A opção em nuvem é onde a estrutura comercial do Whisper Snapper se afasta da maioria dos concorrentes, e vale entendê-la antes de comprar. O site informa que, para ganhar velocidade, você pode recorrer às interfaces em nuvem da OpenAI Whisper, do GPT-4o ou da Deepgram.
O ponto decisivo é que o aplicativo não revende acesso a essas interfaces. A descrição do Product Hunt especifica que a transcrição em nuvem se dá «com chaves de API pessoais», e a política de privacidade é inequívoca: para esses serviços, você precisa fornecer as próprias chaves de API.
Isso tem consequências concretas nos dois sentidos. A favor: você paga o fornecedor da interface diretamente pela tarifa dele, sem margem do desenvolvedor, e este nunca se torna um intermediário que guarde seu áudio ou sua relação de cobrança. Contra: ativar o modo em nuvem exige que você se cadastre por conta própria na OpenAI ou na Deepgram, gere uma chave e coloque saldo nessa conta. Se você esperava pagar uma vez e ver a transcrição em nuvem simplesmente funcionar, o arranjo não é esse. Os custos de nuvem são separados, contínuos, cobrados por consumo pelo fornecedor e ficam inteiramente fora do preço único do aplicativo.
A separação de interlocutores — marcar quem disse cada fala — é o que distingue uma transcrição de entrevista aproveitável de um paredão de texto indiferenciado. A página inicial descreve assim: saber quem disse o quê, com a separação disponível via Deepgram, GPT-4o Transcribe e Parakeet v3.
Repare na ressalva «disponível via». A separação não vale para todos os motores do aplicativo, mas está atrelada a esses modelos específicos. Se as etiquetas de interlocutor são indispensáveis ao seu trabalho e você também exige operação totalmente offline, o Parakeet v3 é o modelo local de que precisa: os outros dois caminhos são serviços em nuvem.
As notas da versão 1.7, de julho de 2026, também registram trabalho contínuo nessa frente: foram corrigidas falhas de filtragem de segmentos de fala que geravam breves segmentos espúrios nas linhas de tempo de interlocutores. Esses segmentos espúrios são a falha clássica da separação, em que o sistema atribui por um instante e erroneamente algumas palavras a um interlocutor adicional que não existe. O fato de o problema ter sido identificado e corrigido sugere manutenção ativa, e não um utilitário publicado e depois abandonado.
A versão 1.1 acrescentou uma segunda camada de inteligência artificial sobre a transcrição bruta e, de modo incomum, essa camada também é local.
Os resumos passam pelo Llama 3.2 na sua própria máquina. A página inicial descreve a função assim: transformar com um clique gravações de uma hora em resumos concisos, graças ao Llama rodando inteiramente no seu Mac, de forma que seu conteúdo nunca deixe o dispositivo.
A tradução segue o mesmo padrão. A página inicial promete traduzir as transcrições para espanhol, francês, alemão, japonês, chinês e mais de quinze outros idiomas, com todo o processamento feito localmente pelo Llama. O registro da App Store traz uma contagem mais completa e um pouco diferente, anunciando «AI TRANSLATION — 30 LANGUAGES» e citando espanhol, francês, alemão, chinês, japonês, coreano, português, italiano, neerlandês, russo, árabe, hindi, turco, polonês, vietnamita, tailandês, indonésio, sueco, dinamarquês e norueguês, com a observação de que não é necessária internet.
Isso é arquitetonicamente relevante. Vários aplicativos de transcrição oferecem resumos por inteligência artificial, mas quase todos o fazem enviando sua transcrição pronta a um modelo de linguagem em nuvem. Isso anula discretamente a vantagem de privacidade da transcrição local: suas palavras acabam igualmente no servidor de outra pessoa, apenas uma etapa depois. Resumir no dispositivo com o Llama 3.2 fecha essa brecha. Para quem lida com material protegido por sigilo profissional, essa é a diferença entre uma cadeia de fato offline e outra que apenas aparenta ser.
Calibre, contudo, a expectativa de qualidade. O Llama 3.2 é um modelo pequeno, escolhido para rodar com folga em hardware de consumo. Seus resumos serão aceitáveis e suas traduções transmitirão o sentido, mas nenhum dos dois igualará um modelo de ponta em nuvem em nuances, expressões idiomáticas ou terminologia especializada. Essa é a troca assumida deliberadamente: certo teto de qualidade em troca de privacidade e custo marginal nulo.
Esta seção merece cautela especial, porque precisão é a promessa que os compradores mais cobram e que os fornecedores mais inflam.
Em seu favor, o Whisper Snapper se mostra contido. O próprio artigo sobre como escolher o motor de transcrição não publica taxas de erro por palavra, tabelas de referência nem porcentagens de precisão. Descreve os motores qualitativamente — a Deepgram como de processamento extremamente rápido, o Parakeet v2 como rápido e leve — e informa a cobertura de idiomas: mais de 99 idiomas para a interface Whisper, menos idiomas que o Whisper para a Deepgram (cerca de trinta) e 25 idiomas para o Parakeet v3. O título «Accurate Transcriptions on Your Mac» é linguagem de marketing sem número algum por trás.
Essa contenção vale mais do que uma estatística categórica. Aqui não existe nenhum número de precisão do fornecedor a auditar, simplesmente porque o fornecedor não publicou nenhum.
O que se pode avaliar são os modelos subjacentes, já que são publicamente conhecidos e medidos de forma independente. Avaliações publicadas do Whisper large-v3 apontam taxa de erro por palavra de cerca de 2,7 % no áudio limpo do LibriSpeech, isto é, fala lida e gravada em condições profissionais. Com material mais desordenado e próximo do mundo real, os testes independentes ficam mais perto da faixa de 8 % a 12 %, e uma avaliação externa mediu o large-v3 em 7,88 %. Pesquisadores também documentaram que o large-v3 tem propensão maior à alucinação do que versões anteriores, produzindo às vezes blocos longos e contínuos de texto inventado em vez de erros isolados.
Daí decorrem três conclusões práticas. Primeira: a precisão varia enormemente conforme as condições de gravação; uma gravação limpa com uma só voz e uma videoconferência a quatro captada pelo microfone de um notebook não são nem de longe a mesma tarefa. Segunda: a precisão varia por idioma; línguas com muitos recursos, como o inglês, rendem bem mais do que as de poucos recursos, e «mais de 99 idiomas» descreve abrangência, não qualidade homogênea. Terceira, e a mais séria para uso profissional: a alucinação própria da família Whisper implica que os erros nem sempre aparecem como confusão evidente. O modelo pode gerar frases fluentes, plausíveis e assertivas que jamais foram ditas. Toda transcrição destinada a citação, peça judicial ou prontuário médico precisa ser conferida contra o áudio. As marcas de tempo clicáveis do aplicativo existem justamente para tornar essa conferência rápida o bastante para ser realmente feita.
Para uma ferramenta de transcrição esta é a seção decisiva, pois gravações de reuniões, ligações com clientes e entrevistas com fontes estão entre os arquivos mais sensíveis que a maioria das pessoas chega a criar. A política de privacidade do Whisper Snapper é de fato consistente e incomumente concreta.
A política afirma que o aplicativo não coleta, armazena nem transmite informações pessoais, análises de uso ou estatísticas do aplicativo, relatórios de falha ou diagnósticos, dados de localização, identificadores de dispositivo nem qualquer dado para fins publicitários. O próprio resumo lista «não é necessária conta: não coletamos informações pessoais» e «sem análise nem rastreamento: não monitoramos seu uso».
Abrir mão de relatórios de falha e de análise de uso é um compromisso substantivo, não uma frase de efeito. A maioria dos desenvolvedores independentes mantém telemetria porque é assim que encontra defeitos. Dispensá-la é um custo real assumido em nome de uma posição sobre privacidade.
Na transcrição local, a política é categórica: todo o processamento ocorre exclusivamente no seu Mac, seus arquivos de áudio e vídeo nunca são enviados a lugar algum, não é preciso conexão com a internet e o desenvolvedor não tem acesso aos seus arquivos nem às suas transcrições. A política chama esse caminho de opção mais privada disponível.
Na transcrição em nuvem, ela é igualmente direta quanto ao preço disso: seu áudio é enviado a fornecedores de interfaces terceiros para processamento. Nomeia a OpenAI (interface Whisper, GPT-4o Transcribe) e a Deepgram (Nova-2), vincula às respectivas políticas de privacidade e acrescenta o alerta de que, ao usar serviços em nuvem, seu áudio fica sujeito às políticas desses fornecedores terceiros, que convém ler antes.
Essa é exatamente a forma correta de informar. Não finge que o modo em nuvem seja privado e aponta diretamente para as partes cujos termos de fato regem os dados.
A retenção é definida pelas suas próprias ações, e não por uma contagem regressiva, porque não há servidor guardando coisa alguma. A política lista: as transcrições ficam retidas até você apagá-las no aplicativo, as chaves de API permanecem nas chaves do sistema até você removê-las e o áudio gravado se mantém até você excluir os arquivos. Observa ainda que apagar o aplicativo remove as preferências, mas transcrições e itens do chaveiro podem precisar de exclusão separada — uma ressalva útil e frequentemente omitida.
Sobre as duas perguntas que mais inquietam — se o áudio é usado para treinar modelos de inteligência artificial e se algum humano chega a ouvi-lo —, a política não contém declaração explícita em nenhum dos sentidos. Aqui convém ser preciso em vez de generoso. Para o processamento local a questão perde o objeto: o desenvolvedor declara não operar servidores que recebam ou armazenem seus dados, de modo que não existe mecanismo pelo qual seus arquivos pudessem chegar até ele para treinamento ou revisão. Para o processamento em nuvem, a resposta não cabe a ele, mas é regida pelos termos da OpenAI ou da Deepgram aplicáveis à conta cuja chave você forneceu. Se a política de treinamento e revisão humana lhe importa, essa checagem precisa ser feita junto ao fornecedor da interface e quanto ao plano específico que você utiliza.
O tratamento das chaves de API está especificado: ao usar serviços de transcrição em nuvem, suas chaves ficam guardadas com segurança no chaveiro do macOS, e o desenvolvedor não tem acesso nem às chaves nem ao áudio que você envia. O aplicativo ainda roda em ambiente isolado com o tempo de execução reforçado da Apple.
Há um item que não fecha e cabe apontar. A política de privacidade está datada como «Last Updated: December 2024», ou seja, dezembro de 2024. Já o registro da App Store situa o lançamento original do aplicativo em 17 de dezembro de 2025, um ano inteiro depois, enquanto a versão 1.7 saiu em 23 de julho de 2026.
Ou seja, a política carrega uma data anterior à chegada pública do produto. A explicação mais provável é um simples erro de digitação — dezembro de 2024 no lugar de dezembro de 2025 — e nada no conteúdo do documento contradiz a descrição do aplicativo em outras fontes. Mas, tomado ao pé da letra, o texto está defasado diante de um produto que desde então ganhou resumo local, tradução, transcrição ao vivo e cinco modelos adicionais. Quando um documento jurídico e um registro de produto divergem, o registro do produto é o verificável: as datas da App Store são geradas automaticamente pela Apple e não podem ser alteradas à vontade, ao passo que a data da política é digitada à mão. Trate, portanto, o conteúdo da política como vigente e sua data como erro; ainda assim, se você for adotá-la para trabalho regulado, peça ao desenvolvedor que confirme e redate o documento.
A seção de públicos da página inicial diz aos profissionais do direito e da medicina que podem atender a requisitos de conformidade sem compartilhamento de dados com terceiros. Essa frase deve ser lida estritamente em referência ao modo local. Ali ela é exata: nada é compartilhado porque nada sai da máquina. Não é exata no modo em nuvem, em que o áudio comprovadamente vai a um terceiro. A afirmação também não constitui certificação: não há atestado HIPAA publicado, nem relatório SOC 2, nem oferta de acordo de operador de dados. Para trabalho regulado, o modo local é defensável do ponto de vista arquitetônico, mas essa frase de marketing não substitui sua própria avaliação de conformidade.
O modelo comercial é de uma simplicidade bem-vinda, e sua maior virtude é a ausência de assinatura. A página inicial oferece testar de graça para sempre ou passar para o Pro com pagamento único, sem assinatura alguma.
O registro da App Store confirma que o download do aplicativo é gratuito (campo de preço em 0,00 dólar americano). Várias fontes externas, incluindo a cobertura do Product Hunt, situam a atualização para o Pro em uma compra única de 9,99 dólares, sem cobranças recorrentes.
Duas ressalvas honestas sobre esse número. Primeira, os 9,99 dólares não aparecem impressos na própria página inicial, que menciona apenas «Pro pagamento único» sem valor; o dado vem de diretórios externos e da compra dentro do aplicativo, então confirme o preço vigente na App Store antes de comprar, já que o desenvolvedor pode alterá-lo. Segunda, a consulta à App Store não devolve uma lista detalhada de compras integradas, de modo que a divisão exata de recursos entre o nível gratuito e o Pro não está documentada de forma publicamente verificável. O que permanece gratuito para sempre e o que exige a atualização se esclarece instalando o aplicativo, o que não custa nada.
A economia do produto ainda assim merece atenção. Serviços de transcrição por assinatura costumam cobrar por mês ou por minuto. Um pagamento único na casa dos dez dólares, somado a modelos locais cujo custo por hora de execução é nulo, significa que usuários intensivos enfrentam custo marginal praticamente inexistente. Quem transcreve várias horas por semana pode recuperar o valor em poucos dias frente a um serviço cobrado por consumo. O contrapeso, de novo, é que as tarifas de interface do modo em nuvem correm por sua conta e não são limitadas pelo aplicativo.
Esta é a barreira mais dura do aplicativo e exclui uma parcela considerável dos usuários em potencial.
O Whisper Snapper funciona somente em macOS. Não há versão para Windows, nem para Linux, nem aplicativo para iPhone ou iPad, nem interface web, nem interface pública para desenvolvedores. O registro da App Store o classifica como software para Mac, e a App Store é o único canal de distribuição.
A exigência de versão é incomumente severa. O registro indica versão mínima do sistema operacional de 26.0, ou seja, uma edição bastante recente do macOS. Muitos Macs rodando sistemas mais antigos, porém perfeitamente úteis, sequer conseguem instalar este aplicativo sem antes atualizar o sistema. Verifique sua versão do macOS antes de fazer planos com esta ferramenta: essa única linha desqualifica mais interessados do que qualquer outro fator.
Outros dados verificáveis do registro: o download ocupa cerca de 30,4 MB (30.431.988 bytes), a classificação etária é 4+, consta na categoria Utilitários com Negócios como secundária, e a versão atual 1.7 saiu em 23 de julho de 2026, ante um lançamento inicial em 17 de dezembro de 2025.
A lista de idiomas de interface do aplicativo contém apenas inglês. Não confunda isso com a cobertura de idiomas da transcrição: o aplicativo transcreve e traduz em muitos idiomas, mas seus menus e botões estão somente em inglês.
Os formatos de entrada aceitos são MP4, MOV, M4A, MP3 e WAV. Há ainda um gravador embutido, de modo que você pode capturar áudio diretamente em vez de importá-lo.
As notas de julho de 2026 descrevem uma atualização substancial, não um remendo de manutenção. Encabeça-a a transcrição ao vivo: gravar e transcrever em tempo real, com a possibilidade de pausar e retomar sessões de gravação ao longo de várias tomadas reunidas numa mesma linha de tempo de onda. Transcrição em tempo real é uma capacidade sensivelmente distinta do processamento de arquivos em lote, e pausar e retomar entre tomadas é um cuidado atencioso para o trabalho com entrevistas.
A mesma versão acrescentou cinco modelos locais: Cohere Transcribe (14 idiomas), Parakeet em japonês, Parakeet v3 INT4, SenseVoice e um modelo Nemotron multilíngue em fluxo para 83 idiomas. Também reconstruiu o sistema de download de modelos para torná-lo mais confiável e trouxe melhorias de desempenho, entre elas a busca em transcrições em segundo plano, o roteamento direto do Cohere para o mecanismo neural da Apple e o processamento de áudios longos em blocos sucessivos em vez de todos de uma vez.
O alcance dessa última mudança é facilmente subestimado. O processamento em blocos é justamente o que impede que uma gravação longa esgote a memória, e sugere que o desenvolvedor vem resolvendo problemas reais relatados por usuários que lidam com arquivos muito extensos.
Uma transcrição que não pode sair do aplicativo tem utilidade limitada, e aqui a cobertura de exportação é ampla. A página inicial lista TXT, SRT, VTT, Markdown, CSV e PDF, permitindo criar legendas para editores de vídeo ou documentos formatados.
Cada formato aponta para um destino real. SRT e VTT são formatos de legenda que entram direto nos programas de edição: um editor de podcast citado na página inicial afirma que a exportação SRT encaixa tal e qual no Final Cut. Markdown combina com aplicativos de notas e cadeias de publicação. CSV abre a porta à análise em planilha, o que importa a pesquisadores que codificam qualitativamente material de entrevistas. PDF gera um documento formatado pronto para compartilhar, e TXT segue como recurso universal.
O trabalho sobre a transcrição dentro do aplicativo também está previsto. O registro da App Store descreve marcas de tempo clicáveis para navegar por gravações longas, busca instantânea dentro da transcrição, edição e refinamento no próprio aplicativo e armazenamento local de todas as transcrições por meio do SwiftData.
As marcas de tempo clicáveis merecem ênfase à luz do risco de alucinação discutido antes. Poder clicar numa linha e saltar para aquele momento do áudio é o mecanismo que torna a verificação rápida o suficiente para ser de fato praticada. A edição integrada permite depois corrigir o que você encontrar sem exportar para outro programa nem perder o vínculo com o áudio.
A entrada é deliberadamente mínima: arrastar, soltar, pronto. Sem contas, sem ajustes complicados, sem tutoriais: se você sabe arrastar um arquivo, sabe transcrever. Não exigir conta é coerente com a arquitetura sem servidores — simplesmente não há onde se cadastrar.
O processamento em lote é contemplado, com a adição de vários arquivos de uma vez e acompanhamento do progresso de cada um, o que importa se você vai despachar um acúmulo de gravações em vez de um arquivo isolado.
A página inicial identifica seis públicos, que vale avaliar com senso crítico em vez de aceitar sem mais.
Jornalistas e pesquisadores são o público mais bem atendido. A vantagem declarada — transcrever entrevistas sem enviar fontes sensíveis à nuvem — responde a uma obrigação profissional autêntica. Proteger a fonte não é preferência para um repórter: é dever ético e, por vezes, jurídico. Processamento inteiramente local, sem componente de servidor, é uma resposta substantiva a esse dever, e não um gesto de marketing.
Profissionais do direito e da medicina vêm em seguida, com as ressalvas já expostas: apenas no modo local, e a fórmula de conformidade da publicidade não é uma certificação.
Podcasters e criadores de conteúdo ganham sobretudo com a separação de interlocutores somada à exportação SRT. Transcrever um episódio com vários apresentadores, obter automaticamente as etiquetas de quem fala e levar as legendas para a edição é exatamente o formato desta ferramenta.
Estudantes e docentes obtêm transcrições de aulas e resumos locais, embora esse grupo deva pesar com cuidado a exigência de macOS 26, já que o equipamento estudantil costuma ser mais antigo.
Empresas e equipes remotas podem registrar atas de reunião, mas convém reter que se trata de um aplicativo de mesa para um único usuário. Não há espaço de trabalho compartilhado, nem cobrança por equipe, nem edição colaborativa, nem robô que entre automaticamente nas chamadas. Compartilhar significa exportar um arquivo e enviá-lo. Equipes que queiram colaboração integrada devem procurar outra solução.
Os usos de acessibilidade — produzir legendas para público com deficiência auditiva — ficam bem cobertos pelos formatos de exportação, com a ressalva habitual de que legendas automáticas exigem revisão humana antes da publicação.
Para quem não serve: quem não usa um Mac recente, quem precisa de captura pelo celular, quem precisa de uma interface para cadeias automatizadas, quem precisa de recursos de equipe e quem quer que a transcrição em nuvem funcione sem criar as próprias contas junto aos fornecedores.
Reunidas num só lugar para que nenhuma fique soterrada:
Dependência de plataforma. Apenas macOS, sistema mínimo 26.0. Sem Windows, Linux, iOS, Android ou versão web. É a maior limitação isolada.
Sem interface para desenvolvedores. Nada disso pode ser automatizado num fluxo do lado do servidor. É um aplicativo de mesa interativo.
O modo em nuvem exige chaves próprias. Requer contas separadas na OpenAI ou na Deepgram, e os custos de uso correm por sua conta, sem teto imposto pelo aplicativo.
A separação de interlocutores depende do modelo. Só Deepgram, GPT-4o Transcribe e Parakeet v3 a oferecem; offline, isso significa exclusivamente Parakeet v3.
O desempenho dos modelos locais depende do seu hardware. Modelos Whisper grandes são exigentes. Num Mac antigo ou modesto, o large-v3 será lento. O aplicativo não deixará sua máquina mais rápida; apenas permite escolher um modelo menor.
Custo de armazenamento. Modelos locais precisam ser baixados e guardados. Os 30,4 MB correspondem ao instalador, não aos modelos: uma coleção local completa ocupa consideravelmente mais.
A qualidade do resumo e da tradução é limitada por um modelo pequeno. O Llama 3.2 no dispositivo não alcança os modelos de ponta em nuvem.
Não há um acervo de avaliações independentes. O registro da App Store mostra zero avaliações de usuários e nenhuma nota média. Não há presença no G2, no Capterra nem no Trustpilot, e nenhuma cobertura da grande imprensa de tecnologia. O Product Hunt aporta 139 votos e sétimo lugar do dia, sinal real, porém modesto. Os depoimentos da página inicial, com primeiro nome e ocupação, não são verificáveis de forma independente. Isso é normal para um aplicativo independente jovem, mas significa que você compra sobretudo pelo que constatar no nível gratuito, e não por um consenso consolidado.
A interface está apenas em inglês, independentemente da cobertura de idiomas da transcrição.
A precisão é intrinsecamente variável, e a alucinação própria da família Whisper faz os erros parecerem fluentes. Sempre confira aquilo que pretende citar.
A data da política de privacidade é incoerente com a cronologia do produto, conforme documentado acima.
Alguns hábitos práticos melhoram sensivelmente o resultado.
Comece pelo nível gratuito antes de pagar qualquer coisa, e teste-o com o seu pior áudio, não com uma amostra limpa. A gravação que de fato lhe dá trabalho é a que determinará se a ferramenta lhe é útil.
Ajuste o modelo ao material. Use um modelo local pequeno para áudio limpo com uma só voz quando a velocidade importar; reserve o large-v3 para gravações difíceis, com sotaques, interrupções ou ruído de fundo.
Decida a privacidade arquivo a arquivo, de forma deliberada. Todo o sentido dessa arquitetura está em que a escolha é feita a cada transcrição. Faça-a conscientemente, em vez de deixá-la no padrão.
Melhore a entrada antes de culpar o modelo. Um microfone externo, uma sala mais silenciosa e falantes que evitem se atropelar farão mais pela precisão do que qualquer salto de modelo.
Em entrevistas, ative a separação de interlocutores desde o início, com um motor compatível. Colocar as etiquetas à mão depois é bem mais lento do que obtê-las automaticamente.
Verifique antes de citar. Use as marcas de tempo clicáveis para checar por amostragem qualquer trecho que pretenda publicar, citar ou juntar a um processo.
Se usar o modo em nuvem, defina limites de gasto junto ao fornecedor da interface. O aplicativo não limita seu consumo, e transcrever por consumo um acervo acumulado grande pode fazer a conta subir depressa.
Não. É um aplicativo independente de macOS cujo registro na App Store aponta Evan Harris como desenvolvedor e vendedor. A palavra «Whisper» remete ao modelo de reconhecimento de fala publicado pela OpenAI sob licença aberta, que o aplicativo executa ao lado de modelos da NVIDIA, Deepgram, Cohere, Alibaba e Meta. Não há indícios de parceria ou endosso. O site não trazer uma ressalva explícita de ausência de afiliação é uma omissão digna de nota, mas de resto o aplicativo revela com transparência os motores terceiros que emprega e vincula diretamente às políticas deles.
Somente se você escolher um motor em nuvem. Com os modelos locais, a política de privacidade afirma sem rodeios que seus arquivos de áudio e vídeo nunca são enviados a lugar algum e que não é preciso conexão com a internet. Se você selecionar a transcrição em nuvem da OpenAI ou da Deepgram, seu áudio é enviado a fornecedores de interfaces terceiros para processamento. A escolha se dá a cada transcrição, portanto você a controla arquivo a arquivo.
Não existe prazo de retenção em servidor, porque o desenvolvedor declara não operar servidores que recebam seus dados. Tudo permanece na sua própria máquina até você apagar: as transcrições até que as exclua no aplicativo, o áudio gravado até que apague os arquivos e as chaves de API no chaveiro até que as remova. Note que desinstalar o aplicativo não elimina automaticamente as transcrições nem os itens do chaveiro.
A política de privacidade não se pronuncia expressamente sobre nenhum dos dois pontos. Para o processamento local a questão perde o objeto: o desenvolvedor não opera servidores, logo não há caminho pelo qual seus arquivos cheguem até ele. Para o processamento em nuvem, a resposta é dada pelos termos da OpenAI ou da Deepgram aplicáveis à conta cuja chave você forneceu, e não por este aplicativo. Se isso lhe importa, verifique junto ao fornecedor da interface e quanto ao seu plano específico.
O aplicativo é baixado gratuitamente da Mac App Store, e a posição do desenvolvedor é testar de graça para sempre ou passar ao Pro com pagamento único, sem assinaturas. Diretórios externos situam a atualização para o Pro em 9,99 dólares de uma só vez. Esse número não aparece impresso na página inicial, então confirme o preço vigente na App Store. O uso das interfaces em nuvem, se você o ativar, é cobrado à parte pela OpenAI ou pela Deepgram e não está incluído.
Somente se for um Mac com macOS 26.0 ou posterior, que é a versão mínima constante do registro da App Store. Não há versão para Windows, Linux, iOS, Android ou web, nem interface para desenvolvedores. Essa exigência descarta um número significativo de máquinas de resto capazes, portanto verifique primeiro a sua versão do macOS.
O desenvolvedor não publica porcentagem de precisão alguma, o que é mais honesto do que inventar uma. A precisão depende do modelo escolhido, da qualidade do seu áudio e do idioma. Medições independentes do Whisper large-v3 apontam cerca de 2,7 % de taxa de erro por palavra com fala lida em condições de estúdio, mas de 8 % a 12 % com gravações realistas. Pesquisadores documentaram ainda que essa família pode inventar texto fluente que nunca foi dito, de modo que todo trecho que você for citar ou juntar a um processo deve ser conferido contra o áudio.
Sim, mas apenas com determinados motores. A separação de interlocutores está disponível via Deepgram, GPT-4o Transcribe e Parakeet v3. Se você precisa de etiquetas de quem fala e ao mesmo tempo quer permanecer totalmente offline, terá de usar o Parakeet v3, já que as outras duas opções são serviços em nuvem. A versão 1.7 também corrigiu as falhas que geravam breves segmentos espúrios.
A exportação abrange TXT, SRT, VTT, Markdown, CSV e PDF, cobrindo legendas para vídeo, notas, planilhas e documentos para compartilhar. Antes de exportar, você pode editar as transcrições no aplicativo, pesquisá-las instantaneamente e usar as marcas de tempo clicáveis para ir ao áudio correspondente — o jeito mais prático de verificar aquilo que lhe parecer duvidoso.
Sim, e isso é pouco comum. Ambos se apoiam no Llama 3.2 rodando no seu dispositivo, e o registro da App Store especifica que não é necessária internet para sua lista de idiomas de tradução. A maioria dos aplicativos concorrentes envia as transcrições a um modelo em nuvem para resumi-las, o que corrói discretamente a vantagem de privacidade da transcrição local. A contrapartida é que um modelo pequeno no dispositivo não igualará um de ponta em nuvem em nuances nem em terminologia especializada.
