Provedores de Reconhecimento de Fala no Hedy
O que são Provedores de Reconhecimento de Fala?
O Hedy suporta múltiplas opções de reconhecimento de fala, oferecendo flexibilidade para escolher entre privacidade completa com processamento local ou alternativas baseadas na nuvem. Você pode alternar entre provedores a qualquer momento conforme suas necessidades atuais - use o local para sessões offline e serviços na nuvem quando preferir seus recursos específicos.
Primeiros Passos
-
Abra o aplicativo Hedy
-
Abra Configurações e vá até a aba Fala e IA
-
Veja a lista de modelos de fala. Cada modelo ocupa uma linha. A linha do modelo que você usa agora mostra Em uso. Os serviços na nuvem ficam na seção Serviços em nuvem · usa a sua própria chave de API
-
Toque na linha que você quer usar. Se o modelo ainda não estiver no dispositivo, escolha Baixar na linha dele primeiro. Para um serviço na nuvem, escolha Configurar para adicionar sua chave de API
-
Sua escolha entra em vigor na próxima sessão
O selo Recomendado, acompanhado do texto Melhor correspondência para o idioma da sua reunião, marca o modelo que melhor atende ao idioma da sua reunião no seu dispositivo. Cada linha mostra o nome do modelo e, logo abaixo, o fabricante (NVIDIA ou OpenAI). A linha também indica o tamanho do download (por exemplo, 2,4 GB de download), os idiomas compatíveis e se o modelo oferece transcrição instantânea. À direita, aparece um status como Em uso, Baixado, Incluído com o Hedy ou Pronto. Durante o download, a linha mostra o progresso e um botão Cancelar. Se o download falhar, escolha Tentar novamente. Quando há uma atualização do modelo, a única ação na linha é Atualização disponível.
Cada linha tem o nome do modelo correspondente.
| Linha | Fabricante | Motor |
|---|---|---|
| Nemotron English | NVIDIA | Nemotron English Only (local) |
| Nemotron Multilingual | NVIDIA | Nemotron Multilingual (local) |
| Whisper Base (Mac, Windows, iPhone, iPad e Android) | OpenAI | Whisper (local), modelo Base |
| Whisper Small (Mac, Windows, iPhone, iPad e Android) | OpenAI | Whisper (local), modelo Small |
| Whisper Large v3 Turbo (Mac e Windows) | OpenAI | Whisper (local), modelo Large v3 Turbo |
| Deepgram, OpenAI, xAI | Serviços na nuvem com sua própria chave de API |
O Whisper Large v3 Turbo exige um único download (cerca de 900 MB no Mac e 550 MB no Windows). O Hedy continua usando seu modelo atual até terminar e verificar o download. Só então passa a usar o novo modelo. Se você cancelar o download, o modelo atual continua em uso.
Transcrição aprimorada no Mac e no Windows
Se você nunca escolheu um motor de reconhecimento de fala em um Mac com Apple Silicon ou em um PC com Windows, o Hedy oferece Transcrição aprimorada. Ele baixa em segundo plano o motor no dispositivo adequado ao idioma da sua reunião, mostra o progresso e passa a usá-lo quando o download termina. Se você cancelar o download ou ele não puder ser concluído, reinicie-o pela linha do modelo em Configurações → Fala e IA.
- Iniciar uma sessão pausa o download, que continua depois da sessão.
- Se o download não terminar, o Hedy continua funcionando como antes.
- Se você escolheu um motor por conta própria, o Hedy nunca o altera.
Provedores Disponíveis
O Hedy oferece cinco opções de reconhecimento de fala, cada uma com características únicas:
-
Whisper (local): Opção padrão - 100% privado, funciona offline, sem custos de uso. Seu áudio nunca sai do dispositivo para a transcrição. Pode adicionar rótulos de falantes depois que a sessão termina nos aplicativos nativos, exceto no Android de 32 bits. O Whisper não está disponível no aplicativo web.
-
Nemotron (local): Um motor de streaming no dispositivo mais recente, com transcrições ao vivo e rótulos de falantes no dispositivo. Você escolhe entre um modo apenas em inglês (a opção mais rápida) e um modo multilíngue que cobre um amplo conjunto de idiomas principais. Disponível em todas as plataformas para as quais o Hedy oferece um app nativo: Macs com Apple Silicon e macOS 15 ou posterior, iPhone XS (ou mais recente), iPads com Neural Engine (iPad Pro de 2018, iPad Air 3, iPad mini 5, iPad de 8ª geração ou mais recentes), Windows e Android. Em hardware Apple, ele roda na Neural Engine e rotula os falantes ao vivo; no Windows e no Android, os rótulos são adicionados ao final da sessão. Requer um download único do modelo (cerca de 0,6 GB para apenas inglês, 0,7 GB para multilíngue).
-
Deepgram: Serviço baseado na nuvem com streaming em tempo real e recursos de formatação inteligente. Usa o Nova-3, que suporta dezenas de idiomas. O Hedy expõe todos os idiomas que o Nova-3 oferece, permitindo que você transcreva reuniões em qualquer idioma suportado sem precisar trocar de provedor. Requer sua própria chave de API.
-
OpenAI: Transcrição na nuvem com Voice Activity Detection e detecção automática de idioma. O Hedy continua automaticamente sessões longas além do limite de 60 minutos por conexão do OpenAI, rotacionando conexões em segundo plano para que reuniões de mais de uma hora continuem sem interrupção. Requer sua própria chave de API.
-
xAI: Transcrição na nuvem com o grok-voice-transcribe do xAI, com streaming ao vivo para sessões e transcrição em lote para arquivos importados. Ele suporta 25 idiomas, e seu vocabulário personalizado é enviado como dica, para que nomes e termos de produto voltem escritos do jeito que você quer. Requer sua própria chave de API.
Configurando o Whisper (local)
O Whisper aparece em várias linhas para você escolher o tamanho que melhor se adapta ao seu dispositivo.
No Mac ou em um PC com Windows:
-
Whisper Base é o mais leve e rápido. O Hedy o recomenda para Macs com Intel
-
Whisper Small equilibra velocidade e precisão. O Hedy o recomenda para Macs com Apple Silicon que executam o macOS 14
-
Whisper Large v3 Turbo é a opção mais precisa para muitos idiomas além do inglês. Exige um único download de cerca de 900 MB no Mac ou 550 MB no Windows
No iPhone, iPad e Android:
-
Whisper Base é a opção padrão
-
Whisper Small oferece mais precisão, principalmente em idiomas além do inglês. O Hedy o recomenda apenas para iPhone 12 ou posterior e celulares Android de 2024 em diante
Voice Activity Detection (VAD):
O VAD filtra automaticamente silêncio e ruído de fundo para melhorar a qualidade da transcrição. Este recurso é ativado por padrão para o Whisper.
-
Ativar/Desativar: Alterne o VAD ligado ou desligado com base no seu ambiente de gravação
-
Sensibilidade: Ajuste de “High Sensitivity” (captura mais fala, incluindo sons mais baixos) até “Maximum Filtering” (captura apenas fala clara, filtra mais ruído de fundo)
Frequência da Transcrição:
-
Mais Lenta: Atualiza a transcrição cerca de duas vezes por minuto (economiza bateria)
-
Normal: Atualiza a transcrição a cada 5 segundos (recomendado para a maioria dos usuários)
-
Mais Rápida: Atualiza a transcrição a cada segundo (usa mais energia)
Configurando o Nemotron (local)
Ele transcreve inteiramente no dispositivo e mostra transcrições ao vivo enquanto você fala. Está disponível em todas as plataformas para as quais o Hedy oferece um app nativo: iOS, iPadOS, macOS, Windows e Android. Em hardware Apple, ele roda na Neural Engine.
Requisitos do dispositivo:
-
Mac com Apple Silicon (M1 ou mais recente) com macOS 15 ou posterior, ou
-
iPhone XS ou mais recente, ou um iPad com Neural Engine (iPad Pro de 2018, iPad Air 3, iPad mini 5, iPad de 8ª geração ou mais recente), ou
-
Windows, ou
-
Um telefone Android de 64 bits
Apenas inglês ou multilíngue:
O Nemotron aparece em duas linhas para você escolher a que combina com suas reuniões.
-
Nemotron English (Nemotron English Only) é a opção mais rápida e transcreve em tempo real em inglês.
-
Nemotron Multilingual (Nemotron Multilingual) transcreve em tempo real no dispositivo em vários idiomas.
Ambos rodam totalmente no dispositivo. O English Only sempre transcreve em inglês e ignora sua configuração de idioma da reunião. O Multilingual usa seu Idioma da reunião/aula, a menos que você ative Auto-detect language (Configurações > Fala e IA); nesse caso, ele identifica o idioma pelo áudio.
Configuração inicial:
-
Em Configurações → Fala e IA, encontre a linha Nemotron English ou Nemotron Multilingual
-
Escolha Baixar na linha. Recomendamos usar Wi-Fi. O download tem cerca de 0,6 GB para o modelo em inglês e 0,7 GB para o multilíngue
-
Quando o download terminar, toque na linha para selecionar o modelo. O Hedy começa a usar o Nemotron na próxima sessão
Se você iniciar uma sessão enquanto um download do Nemotron está na fila, a linha mostra Pausado durante a sua sessão. O download continua quando a sessão termina. Se os arquivos do modelo Nemotron que você escolheu sumirem de um iPhone, iPad, Mac ou PC com Windows, o Hedy os baixa novamente quando o dispositivo estiver no Wi-Fi e você estiver fora de uma sessão. Enquanto isso, o Hedy usa o Whisper.
Rótulos de falantes e cache temporário de áudio:
Os dois mecanismos no dispositivo rotulam quem está falando. Com Nemotron no hardware Apple, os rótulos aparecem ao vivo enquanto você fala; com Nemotron no Windows e no Android, e com Whisper em dispositivos compatíveis, eles são adicionados ao final da sessão. Para identificar os falantes, o Hedy mantém o áudio em uma cache temporária no dispositivo enquanto processa e depois o exclui. Esse áudio permanece no seu dispositivo. A configuração Cache temporária de áudio fica ativada por padrão; você pode desativá-la nas configurações do Hedy, embora deixá-la ativada ofereça a melhor atribuição de falantes. O Whisper precisa dessa cache ou de Salvar áudio da sessão, além de Detecção de Atividade de Voz, para adicionar rótulos de falantes. Os rótulos de falantes do Whisper não estão disponíveis no aplicativo web nem no Android de 32 bits.
Configurando Provedores na Nuvem
Configuração do Deepgram:
-
Crie uma conta em console.deepgram.com
-
Gere uma chave de API no seu painel
-
Em Configurações → Fala e IA, escolha Configurar na linha Deepgram
-
Cole sua chave de API e toque em “Test” para verificar
-
Escolha suas preferências de modelo e idioma
-
Defina a duração máxima da sessão para controlar custos
Configuração do OpenAI:
-
Obtenha sua chave de API em platform.openai.com/api-keys
-
Em Configurações → Fala e IA, escolha Configurar na linha OpenAI
-
Insira sua chave de API e teste a conexão
-
Escolha seu modelo preferido
-
Opcionalmente, ative o Voice Activity Detection com sensibilidade ajustável
-
Defina a duração máxima da sessão para controle de custos
Configuração do xAI:
-
Obtenha sua chave de API em console.x.ai
-
Em Configurações → Fala e IA, escolha Configurar na linha xAI
-
Cole sua chave de API
-
Defina a duração máxima da sessão para controle de custos
Escolhendo o Provedor Certo
Selecione com base em suas prioridades e caso de uso:
-
Privacidade em Primeiro Lugar: Use um motor local (Whisper ou Nemotron) - o áudio nunca sai do seu dispositivo para a transcrição
-
Uso Offline: Todos os motores locais funcionam sem internet
-
Recursos na Nuvem: Deepgram, OpenAI e xAI oferecem processamento baseado na nuvem
-
Detecção de Voz: Whisper e OpenAI incluem recursos de Voice Activity Detection
-
Formatação Inteligente: O Deepgram oferece opções de formatação automática
-
Sem Custos de Uso: Os motores locais (Whisper, Nemotron) não têm cobranças por minuto
-
Transcrição no dispositivo mais rápida: O Nemotron normalmente entrega uma transcrição com menor latência do que o Whisper
-
Streaming multilíngue no dispositivo: O Nemotron Multilingual oferece transcrição no dispositivo em um amplo conjunto de idiomas
-
O melhor motor no dispositivo para o seu idioma: Veja a tabela abaixo
-
Análise Totalmente Privada: Em Macs com Apple Silicon, PCs com Windows, iPhone 15 Pro ou mais recente, iPads com chip M ou A17 Pro e celulares Android compatíveis, você pode combinar o reconhecimento de fala local com o Processamento de IA Local para manter a transcrição e a análise de IA inteiramente no dispositivo.
Qual motor no dispositivo usar para o seu idioma
O Whisper e o Nemotron não têm a mesma precisão em todos os idiomas. Encontre abaixo o seu Idioma da reunião/aula para ver qual escolher. Quando os dois motores funcionam bem em um idioma, recomendamos o Nemotron, porque ele é mais leve e mais rápido.
Observações que valem para toda a tabela:
-
Nemotron significa Nemotron Multilingual (local). Para inglês, escolha Nemotron English Only (local) na linha Nemotron English.
-
Whisper Large v3 Turbo indica a linha Whisper Large v3 Turbo em um Mac ou PC com Windows. É a opção no dispositivo mais precisa para vários idiomas, mas usa mais memória e é mais lenta que o Nemotron. Se estiver lenta demais no seu computador, o Nemotron é a próxima melhor escolha para esses idiomas.
-
O Whisper Large v3 Turbo não está disponível em celulares e tablets. Onde a tabela indica Whisper, escolha Whisper Small se o seu dispositivo for compatível.
-
Se o seu dispositivo não consegue executar o Nemotron (por exemplo, um Mac com Intel ou um iPhone mais antigo), use o Whisper.
-
O selo Recomendado nas configurações segue as mesmas indicações quando o Hedy consegue identificar a opção adequada para seu dispositivo. No Android e, em qualquer celular, para árabe, hindi e tailandês, nenhuma linha recebe o selo. Nesses casos, use a tabela.
-
Sotaques, dialetos, pessoas falando ao mesmo tempo e microfones distantes reduzem a precisão em qualquer idioma.
| Idioma da reunião | Mac ou PC com Windows | iPhone, iPad ou Android |
|---|---|---|
| Inglês | Nemotron English Only | Nemotron English Only |
| Árabe | Nemotron | Não disponível em dispositivos móveis |
| Holandês | Nemotron | Nemotron |
| Francês | Nemotron | Nemotron |
| Alemão | Nemotron | Nemotron |
| Hindi | Nemotron | Não disponível em dispositivos móveis |
| Italiano | Nemotron | Nemotron |
| Japonês | Nemotron | Nemotron |
| Coreano | Nemotron | Nemotron |
| Português | Nemotron | Nemotron |
| Russo | Nemotron | Nemotron |
| Espanhol | Nemotron | Nemotron |
| Turco | Nemotron | Nemotron |
| Ucraniano | Nemotron | Nemotron |
| Vietnamita | Nemotron | Nemotron |
| Chinês (mandarim) | Whisper Large v3 Turbo | Nemotron |
| Croata | Whisper Large v3 Turbo | Nemotron |
| Tcheco | Whisper Large v3 Turbo | Nemotron |
| Dinamarquês | Whisper Large v3 Turbo | Nemotron |
| Finlandês | Whisper Large v3 Turbo | Nemotron |
| Húngaro | Whisper Large v3 Turbo | Nemotron |
| Norueguês | Whisper Large v3 Turbo | Nemotron |
| Polonês | Whisper Large v3 Turbo | Nemotron |
| Romeno | Whisper Large v3 Turbo | Nemotron |
| Eslovaco | Whisper Large v3 Turbo | Nemotron |
| Sueco | Whisper Large v3 Turbo | Nemotron |
| Africâner | Whisper Large v3 Turbo | Whisper |
| Cantonês | Whisper Large v3 Turbo | Whisper |
| Catalão | Whisper Large v3 Turbo | Whisper |
| Grego | Whisper Large v3 Turbo | Whisper |
| Hebraico | Whisper Large v3 Turbo | Whisper |
| Indonésio | Whisper Large v3 Turbo | Whisper |
| Malaio | Whisper Large v3 Turbo | Whisper |
| Sérvio | Whisper Large v3 Turbo | Whisper |
| Esloveno | Whisper Large v3 Turbo | Whisper |
| Tagalo | Whisper Large v3 Turbo | Whisper |
| Tailandês | Whisper Large v3 Turbo | Não disponível em dispositivos móveis |
Em africâner, cantonês, hebraico e sérvio, a precisão é visivelmente menor do que nos outros idiomas, qualquer que seja o motor.
Considerações de Custo
Entendendo as implicações de custo de cada provedor:
-
Whisper (local): Gratuito - sem cobranças de uso
-
Nemotron (local): Gratuito - sem cobranças de uso (download único do modelo, cerca de 0,6-0,7 GB)
-
Deepgram: Preço por minuto (verifique as taxas atuais no painel deles)
-
OpenAI: Preço baseado em uso (verifique as taxas atuais na plataforma deles)
-
xAI: Preço por hora, cobrado separadamente para sessões ao vivo e arquivos importados (verifique as taxas atuais na plataforma deles)
A configuração de duração máxima da sessão ajuda a prevenir gravações acidentais durante a noite e a gerenciar custos de API. Quando uma sessão em andamento atinge o limite, o Hedy continua a sessão e transcreve o restante no seu dispositivo.
Boas Práticas
-
Comece com o Whisper (local) para se familiarizar com o recurso e, em seguida, experimente o Nemotron se o seu dispositivo for compatível
-
Teste provedores na nuvem com gravações curtas antes de sessões importantes
-
Monitore seu uso de API nos painéis dos provedores para acompanhar custos
-
Use diferentes provedores para diferentes cenários com base em suas necessidades
-
Mude para local quando estiver viajando ou em áreas com internet limitada
-
Defina a duração máxima da sessão um pouco acima das suas reuniões mais longas (o padrão é 120 minutos), para que uma reunião longa seja transcrita na nuvem do início ao fim
Solução de Problemas
Chave de API Não Funciona
-
Certifique-se de que copiou a chave completa sem espaços
-
Verifique se sua conta tem créditos disponíveis
-
Confirme que a chave de API tem as permissões necessárias
-
Tente regenerar a chave no painel do provedor
Teste de Conexão Falhou
-
Verifique a estabilidade da sua conexão com a internet
-
Confirme que o firewall não está bloqueando conexões WebSocket
-
Certifique-se de que a chave de API está ativa com cota suficiente
-
Aguarde um momento e tente novamente (problemas temporários do serviço)
Problemas de Transcrição
-
Para o Whisper, experimente outra linha (Whisper Base, Whisper Small ou Whisper Large v3 Turbo)
-
Para Whisper no Windows: Se a transcrição fica muito atrás da conversa, verifique configurações de GPU para transcrição lenta
-
Para termos especializados, nomes e siglas: Adicione-os pelo recurso de vocabulário personalizado
-
Para Nemotron: Use o modo English Only para reuniões em inglês; para outros idiomas, use o modo Multilingual ou volte para o Whisper com o idioma definido explicitamente
-
Para Nuvem: Verifique a estabilidade da conexão com a internet
-
Certifique-se de que o microfone está configurado corretamente
-
Minimize o ruído de fundo durante a gravação
Configurações Não Salvam
-
Aguarde o indicador “Saved” aparecer
-
Não troque de tela enquanto estiver salvando
-
Reinicie o aplicativo se os problemas persistirem
-
Certifique-se de ter uma conexão estável com a internet
Suas chaves de API são armazenadas com segurança no keychain criptografado do seu dispositivo e nunca são transmitidas para os servidores do Hedy. Para máxima privacidade em conversas sensíveis, sempre use um motor local (Whisper ou Nemotron).