Uma nova forma de introduzir texto

Ao longo da história moderna, o teclado tem sido a nossa principal forma de comunicar com máquinas. Digitamos comandos, escrevemos código, compomos mensagens. Mas à medida que a IA se torna um colaborador e não apenas uma ferramenta, a quantidade de contexto que precisamos transmitir explodiu. O teclado já não é suficiente.

A tecnologia de fala para texto atingiu um ponto de viragem. Falar é agora um método de entrada viável — não uma novidade, mas uma alternativa genuína ao teclado. Esta é uma mudança de paradigma na forma como os humanos interagem com computadores.

Tal como aprender a escrever num teclado QWERTY, a entrada por voz requer prática. Mas a curva de aprendizagem é muito mais curta e os ganhos de produtividade muito maiores. Queremos oferecer não apenas uma ferramenta, mas uma nova experiência — uma que mude a forma como pensa sobre entrada de dados.

A maioria das ferramentas de voz para texto são construídas nos EUA, otimizadas para inglês. Funcionam razoavelmente bem para falantes de inglês, mas a qualidade cai drasticamente para outras línguas. Quando as línguas se misturam — japonês com termos técnicos em inglês, vietnamita com trechos de código — as ferramentas existentes frequentemente falham completamente.

O programador principal do koedesk é japonês, a trabalhar a partir do Vietname. Esta experiência em primeira mão de usar entrada por voz em diferentes línguas e sotaques moldou cada decisão de design. Notámos o que outros ignoraram: a diferença de precisão entre o inglês e o resto do mundo.

Por isso recomendamos o ElevenLabs Scribe v2 como modelo padrão. Oferece precisão consistentemente elevada em todas as línguas — não apenas inglês e japonês, mas também vietnamita, indonésio, espanhol e dezenas de outras. O koedesk é atualmente uma das poucas aplicações desktop que oferece integração com o Scribe v2.

O koedesk é intencionalmente simples. Pressione uma tecla, fale, solte. As suas palavras aparecem onde o cursor está. Sem passos extra, sem configuração necessária para começar.

Por baixo, somos obcecados com desempenho. A aplicação é construída em Rust — a mesma linguagem usada para motores de navegadores e sistemas operativos. Deteção de atividade vocal, captura de áudio e iniciação de transcrição estão todos otimizados para latência mínima. Quando para de falar, o texto aparece quase instantaneamente.

A maioria das ferramentas concorrentes usa um pipeline de dois passos: um modelo de fala para texto para transcrição bruta, seguido de um LLM leve para remover palavras de preenchimento, corrigir gramática e reformatar a saída. Nós adotamos uma abordagem diferente. O Scribe v2 é preciso o suficiente para que o pós-processamento LLM seja desnecessário. Confiamos diretamente na saída do modelo.

Esta é uma escolha deliberada. À medida que os modelos de fala para texto continuam a melhorar, a necessidade de pós-processamento LLM desaparecerá. Mantendo a nossa arquitetura simples, o koedesk beneficia diretamente de cada melhoria nos modelos subjacentes — sem camadas de complexidade entre eles.

Guide Inc. é uma empresa de desenvolvimento de software sediada em Tóquio, Japão, com um escritório de desenvolvimento em Ho Chi Minh, Vietname. Fundada em 2021, somos especializados em tecnologia financeira — construímos plataformas de negociação e aplicações móveis para grandes instituições financeiras japonesas.

O koedesk nasceu do nosso trabalho diário. Como programadores a construir sistemas financeiros complexos, precisávamos de uma forma mais rápida de comunicar com assistentes de codificação IA, escrever documentação e compor mensagens — sem tirar as mãos do teclado. Construímos a ferramenta que desejávamos e decidimos partilhá-la com o mundo.