Windows Speech Recognition e seu sucessor Windows Voice Typing (Win + H) são gratuitos, sempre disponíveis e não requerem configuração — um ponto de partida razoável para qualquer pessoa curiosa sobre ditar no Windows. Mas suas limitações fundamentais ficam claras rapidamente: precisão fica aquém de modelos de IA modernos, suporte de idioma é estreito, enriquecimento não existe e a saída frequentemente requer limpeza manual substancial. Telvr traz precisão Whisper large-v3 e seis modos de enriquecimento com IA para usuários Windows como uma atualização direta.
Visão Geral de Ambos os Produtos
Windows Speech Recognition (WSR) é o sistema de entrada de voz herdado integrado ao Windows, disponível desde Windows Vista. Windows 11 introduziu uma versão modernizada chamada Windows Voice Typing (ativada com Win + H), que usa um modelo baseado em nuvem para melhor precisão e adiciona uma opção de pontuação automática. Ambos são gratuitos, integrados e não requerem software adicional. Windows Voice Typing é o mais capaz dos dois e representa a abordagem atual da Microsoft para ditado integrado no Windows.
Telvr é um aplicativo de voz-para-texto no desktop dedicado usando Whisper large-v3 via API Groq. Opera via tecla de ativação (push-to-talk) — pressione, fale, solte — e insere texto transcrito na posição do cursor em qualquer aplicativo Windows. A latência é menos de dois segundos. Antes de inserir o texto, Telvr pode aplicar um de seis modos de enriquecimento com IA que transformam estruturalmente seu conteúdo falado em resultado de qualidade profissional. Telvr está disponível em macOS atualmente, com suporte a Windows em desenvolvimento ativo.
Tabela de Comparação de Recursos
| Recurso | Telvr | Windows Voice Typing / WSR | |---|---|---| | Plataforma | macOS, Windows (em desenvolvimento) | Apenas Windows | | Motor de Transcrição | Whisper large-v3 via Groq | Plataforma de Fala Microsoft / nuvem | | Latência | Menos de 2 segundos | Quase em tempo real (streaming) | | Funciona offline | Não | WSR: Sim, Voice Typing: Não (modo nuvem) | | Modos de Enriquecimento com IA | 6 modos + Prompt Personalizado | Nenhum | | Pontuação automática | Via enriquecimento | Opcional (Voice Typing) | | Suporte de idioma | 50+ com detecção automática | ~20 (seleção manual) | | Comandos de voz | Não | Sim (WSR) | | Preço | EUR 3/mês infraestrutura + EUR 0,003/min | Gratuito | | Treinamento necessário | Não | WSR: Opcional, Voice Typing: Não | | Sempre atualizado | Sim (nuvem) | Dependente de atualização do SO | | Versão de avaliação gratuita | 14 dias + EUR 3 crédito inicial | N/A (gratuito) |
Comparação Detalhada
Precisão de Transcrição
Windows Voice Typing melhorou notavelmente com Windows 11 e agora usa um modelo baseado em nuvem que supera o modelo acústico WSR herdado. Para enunciados curtos e claros em idiomas bem suportados, a precisão é adequada para tarefas básicas. A abordagem de streaming permite correções durante ditado.
Windows Speech Recognition legado depende de uma arquitetura de modelo acústico mais antiga que requer treinamento de voz para melhores resultados e tem dificuldades com sotaques, ruído de fundo e vocabulário específico do domínio. Permanece disponível principalmente para compatibilidade retroativa e suporte a comando de voz.
Telvr usa Whisper large-v3, treinado em 680.000 horas de áudio multilíngue e consistentemente reconhecido como um dos modelos de transcrição mais precisos disponíveis. Lida com vocabulário técnico, sotaques regionais e falantes não nativos significativamente melhor do que qualquer ferramenta Windows. Importante, a precisão do Whisper large-v3 permanece estável em gravações longas — algo que ambas as ferramentas Windows têm dificuldade em sessões de ditado estendidas.
A diferença de precisão é mais pronunciada quando você se afasta da fala clara em inglês em um ambiente silencioso. Sotaques estrangeiros, jargão técnico, terminologia médica ou legal, vocabulário adjacente a código — Whisper large-v3 lida com estes de forma mais confiável que o modelo atual do Windows Voice Typing.
Integração e Fluxo de Trabalho
Windows Voice Typing (Win + H) funciona na maioria dos campos de entrada de texto em aplicativos Windows. A cobertura é ampla mas não universal — alguns aplicativos especializados, certos campos de entrada em software legado e alguns aplicativos de terceiros não respondem corretamente à sobreposição de digitação por voz. A experiência varia por aplicativo.
WSR legado adiciona suporte a comando de voz para navegar Windows, controlar aplicativos e ditar em qualquer janela em foco. O vocabulário de comando é extenso, cobrindo a maioria das operações comuns do Windows por voz.
O fluxo de trabalho de push-to-talk do Telvr insere texto no cursor através do pipeline de entrada no nível do sistema, o que garante compatibilidade com a gama mais ampla possível de aplicativos. A abordagem de tecla de ativação também é mais rápida de ativar — uma única pressão de tecla versus abrir um painel flutuante.
Enriquecimento e Formatação
Nem Windows Voice Typing nem WSR legado aplicam transformação estrutural alimentada por IA ao texto ditado. Windows Voice Typing pode adicionar pontuação automática, que é uma melhoria básica de qualidade de vida sobre a ferramenta legada. Além disso, você recebe o que diz.
Os modos de enriquecimento do Telvr representam uma capacidade qualitativamente diferente:
- Bruto — transcrição verbatim
- Limpo e Corrigido — gramática, pontuação e correções de pequenos erros
- E-Mail Profissional — estrutura de e-mail completa com saudação, corpo e encerramento
- Notas de Reunião — resumo estruturado com pontos-chave e itens de ação
- 2-3 Frases — resumo condensado de seu conteúdo falado
- Dev Task — ideias faladas formatadas como descrições de tarefa de desenvolvedor
- Prompt Personalizado — qualquer transformação definida pelo usuário
O impacto é significativo em fluxos de trabalho profissionais. Um rascunho falado bruto de um e-mail, processado através do modo E-Mail Profissional do Telvr, chega como um e-mail formatado e completo. Uma descarga de cérebro falada sobre uma reunião, processada através do modo Notas de Reunião, se torna um documento estruturado com itens de ação. Windows Voice Typing produz o mesmo parágrafo falado em ambos os casos.
Suporte de Idioma
Windows Voice Typing suporta aproximadamente 20 idiomas a partir de versões recentes do Windows 11, cobrindo os idiomas europeus e asiáticos mais amplamente falados. WSR legado suporta menos idiomas e requer pacotes de idioma separados. A seleção de idioma é manual e requer interação com configurações do Windows.
Telvr suporta mais de 50 idiomas com detecção automática de idioma. Você fala e o sistema determina o idioma sem qualquer passo de configuração. Para usuários multilíngues ou profissionais que trabalham com conteúdo em múltiplos idiomas, a detecção automática do Telvr é uma vantagem prática.
Preços
Ambos Windows Voice Typing e WSR legado são gratuitos como parte do sistema operacional Windows. Para usuários cujas necessidades de ditado são básicas e cujas expectativas de precisão são modestas, a opção integrada gratuita é um padrão sensato.
Telvr custa EUR 3 por mês de infraestrutura mais a partir de EUR 0,003 por minuto de áudio. Um usuário ditando 30 minutos por mês paga EUR 3,09. Um usuário ditando 2 horas por mês paga EUR 3,36. A versão de avaliação gratuita de 14 dias inclui EUR 3 de crédito inicial, fornecendo um período de avaliação sem custo com uso real.
A questão relevante não é puramente pagar ou não, mas se a melhoria de precisão e modos de enriquecimento valem o custo relativo ao tempo gasto editando saída ditada. Se Windows Voice Typing produz texto bruto que requer dois minutos de edição por sessão de ditado, e você dita 10 vezes por dia, isso é mais de três horas por semana em pós-processamento. Os modos de enriquecimento do Telvr recuperam a maioria desse tempo.
Suporte de Plataforma
Windows Speech Recognition e Voice Typing são ferramentas exclusivas para Windows. Não estão disponíveis em macOS ou outras plataformas.
Telvr está disponível em macOS atualmente, com suporte a Windows em desenvolvimento ativo. Isso significa que usuários Windows considerando Telvr hoje devem verificar o status de desenvolvimento atual. Quando o suporte a Windows for lançado, Telvr oferecerá uma experiência consistente multiplataforma para usuários que trabalham em macOS e Windows.
Onde Windows Speech Recognition / Voice Typing Vence
Custo é a vantagem mais clara. Ambas as ferramentas de ditado Windows são gratuitas. Para usuários que precisam de entrada de voz ocasional para tarefas básicas, isto é decisivo.
Operação offline com WSR legado permite ditar sem conexão à internet. Isso importa em ambientes seguros, configurações de saúde com requisitos de dados rigorosos ou para usuários com requisitos estritos de residência de dados.
Suporte a comando de voz em WSR legado permite navegação sem as mãos de aplicativos Windows, menus e funções de sistema. Telvr não oferece comandos de voz.
Sem configuração necessária — ambas as ferramentas são ativadas com um atalho de teclado e não requerem instalação, criação de conta ou configuração.