Sua gravação nunca sai do aparelho
A maioria dos apps que dizem “Whisper” manda o seu áudio para um servidor e roda o modelo lá. O Whisper Notes roda o modelo no seu iPhone ou no seu Mac: é mais difícil de construir e muito mais simples de explicar.
Por que rodar o modelo no próprio aparelho?
Todo app de transcrição toma uma decisão antes de qualquer outra: onde o áudio é processado. Mandar para um servidor é o caminho mais fácil de construir e dá acesso aos maiores modelos, que ainda são um pouco mais precisos. Rodar o modelo no celular ou no notebook dá mais trabalho, e significa que a gravação não tem para onde ir.
Escolhemos a segunda opção, e o motivo é mais concreto do que um slogan de privacidade. Uma gravação de voz é um dado biométrico e, ao contrário de uma senha, não dá para trocar depois de um vazamento. Assim que o áudio está na infraestrutura de outra empresa, ele fica sujeito ao histórico de vazamentos dela, à política de retenção dela e ao que os termos dela dizem sobre treinar modelos — três coisas que você teria que acompanhar enquanto o arquivo existir.
O Whisper Notes roda o Parakeet, o Whisper (Large V3 Turbo no Mac, Small no iPhone) ou o SenseVoice no próprio chip do seu aparelho, então não existe servidor de transcrição no caminho. Nada fica numa fila em outro lugar, nada é enviado, e o app funciona igual no modo avião e no Wi-Fi. Vale a pena testar isso você mesmo em vez de acreditar na nossa palavra.
Quanto custa um app de Whisper gratuito?
Uma ferramenta de transcrição que não cobra nada costuma funcionar do mesmo jeito: o seu áudio vai para um servidor, o modelo roda lá e a gravação fica guardada tempo suficiente para ser útil a quem opera o serviço. Para muita gente, é uma troca razoável. Só vale saber que você está fazendo essa troca.
Por que uma gravação de voz é diferente de uma senha?
Uma senha vazada é uma tarde de dor de cabeça, porque dá para trocar. Uma gravação vazada da sua voz é permanente, porque o que identifica você é a própria voz, e poucos segundos já bastam para reconhecer você em um contexto totalmente diferente.
O que mudou recentemente é quanto áudio um golpista precisa. Clonar uma voz de forma convincente hoje exige segundos de amostra, não minutos, e em 2025 uma voz clonada do ministro da Defesa da Itália foi usada numa tentativa de golpe contra vários empresários. Não estamos dizendo que isso vai acontecer com você. Estamos apontando que é o único tipo de dado vazado que não dá para substituir.
Então, quando o áudio vai para um serviço de transcrição, o que fica guardado não é um documento. É um dado biométrico, numa infraestrutura cuja política de retenção não é você quem define.
Como os dados de transcrição vazam, na prática?
Quase nunca é uma invasão cinematográfica. O que acontece é que o áudio e as transcrições passam por mais sistemas do que alguém desenhou no diagrama: o fornecedor de transcrição, o provedor do modelo por trás dele, uma camada de logs, um sistema de análise de dados, um backup. Cada um é um ponto onde uma configuração errada transforma o privado em público, e quanto mais pontos houver, menos alguém consegue dizer com certeza onde uma gravação está agora.
A área da saúde deu os exemplos mais claros: informações de saúde protegidas expostas por integrações de transcrição e armazenamento mal configurado, e não por algo que alguém chamaria de ataque. As centrais de atendimento deram outro: transcrições enviadas a um modelo enquanto números de conta apareciam sem máscara nos logs de depuração.
Nada disso prova que a transcrição na nuvem seja imprudente. Mostra que o que importa é quantos sistemas guardam uma cópia, e que o processamento no aparelho reduz esse número a um.
Para onde isso está indo?
Em março de 2025, a Amazon tirou dos aparelhos Echo a opção “Não enviar gravações de voz”. Tudo o que é dito à Alexa agora vai para os servidores da Amazon, e não existe mais um botão para desligar isso.
Um produto que remove uma opção não faz uma tendência, mas o incentivo por trás disso é duradouro: dados de treinamento valem muito, e uma opção que reduz quanto você coleta vive sob pressão comercial constante. Uma configuração de privacidade é uma promessa que pode ser revista numa nota de atualização.
O Whisper Notes foi feito para que não exista uma opção equivalente a ser revista. Não há servidor para onde mandar o áudio, então “não enviar” não é uma preferência que respeitamos: é uma descrição do que o app consegue fazer.
Quanto as ferramentas gratuitas custam em três anos?
Ferramentas web que não cobram nada geralmente se reservam o direito de usar o seu áudio para melhorar os modelos delas, e isso está escrito em termos que quase ninguém lê. APIs cobradas por minuto parecem baratas, de $0.006 a $0.40 o minuto; com uma hora por semana, isso dá cerca de $20 por ano na mais barata e mais de $1,200 na mais cara. As assinaturas são a versão honesta do mesmo acordo: o Otter cobra cerca de $99 por ano e deixa isso claro.
O Whisper Notes custa $7.99 na App Store e $14 pelo app para Mac do nosso site, num pagamento único. A tabela abaixo é todo o argumento de preço, e a quarta linha é o ponto principal: a opção gratuita e a de pagamento único custam quase o mesmo em três anos, e o que as separa é o que acontece com a gravação.
Custo por ano
| Tipo de serviço | Ano 1 | Ano 2 | Ano 3 | Tratamento de dados |
|---|---|---|---|---|
| Whisper Notes | $7.99 | $0 | $0 | Nunca sai do aparelho |
| Serviço por assinatura | $99 | $99 | $99 | Processado na nuvem |
| API na nuvem por minuto | $20–1,250 | $20–1,250 | $20–1,250 | Processado na nuvem |
| Ferramentas web "gratuitas" | $0 | $0 | $0 | Pode ser usado para treinar IA |
Quando faz mais sentido usar um serviço na nuvem?
Com áudio limpo, os grandes modelos na nuvem ainda são um pouco mais precisos, porque rodam num tamanho que nenhum celular ou notebook comporta. É uma vantagem real e não vamos fingir o contrário.
Se você precisa de legendas ao vivo, se várias pessoas têm que editar a mesma transcrição enquanto a reunião acontece, ou se a última fração de precisão pesa mais do que o lugar onde o áudio fica, um serviço na nuvem é a ferramenta certa e preferimos que você use um.
O que contestamos é tratar essa diferença de precisão como o único número da decisão. Em trabalho sujeito a dever de sigilo — prontuários, material coberto por sigilo profissional, entrevistas com fontes — “para onde vai o áudio?” é uma pergunta que você precisa saber responder, e a resposta mais curta que se sustenta é que ele não foi para lugar nenhum.
Ferramenta no navegador, API na nuvem ou app nativo?
Quem procura um app de Whisper encontra três coisas bem diferentes com o mesmo nome: páginas que rodam o modelo numa aba do navegador, APIs que rodam o modelo no servidor de outra empresa e aplicativos compilados para o aparelho que você tem na mão. Eles se comportam de forma tão diferente que a categoria importa mais do que a lista de recursos.
Ferramentas no navegador
Quando uma ferramenta de navegador diz que processa localmente, normalmente é verdade: o áudio fica na aba. Os limites não têm a ver com honestidade, e sim com o que uma aba consegue fazer. Na maioria dos navegadores, a memória do WebAssembly para em torno de 4 GB, o que impõe um teto ao tamanho do modelo, e rodar a inferência em JavaScript é mais lento do que em código nativo.
O problema que as pessoas realmente enfrentam é mais específico e mais irritante. Uma ferramenta de navegador não continua trabalhando quando você muda para outro app, usa a aceleração por hardware de forma precária, quando usa, e se você fecha a aba sem querer, perde o processamento e não tem como retomar. Serve para experimentar um modelo; como lugar para guardar o seu trabalho, frustra.
| Processamento | WebAssembly/TensorFlow.js no navegador |
| Tamanho do modelo | Limitado pela memória do navegador (~4 GB) |
| Velocidade | Mais lenta por causa do overhead do JavaScript |
| Privacidade | Melhor que a nuvem, mas o navegador tem acesso |
| Confiabilidade | A aba pode travar; não roda em segundo plano |
Apps nativos
O Whisper Notes é compilado para macOS e iOS e roda seus modelos diretamente no Apple Silicon. É por isso que os números de velocidade desta página são possíveis: em um Mac, o modelo Parakeet integrado roda a cerca de 74× o tempo real: uma hora de áudio em menos de um minuto.
O resto da diferença é pouco glamouroso e pesa mais no dia a dia. No Mac, a transcrição continua rodando quando você troca de app, o app retoma o trabalho sem problemas depois de uma interrupção e a sandbox do sistema o mantém longe dos dados de outros apps. Não existe nenhum caminho de envio para o seu áudio nem para a transcrição, e dá para conferir isso em uns trinta segundos: ligue o modo avião e transcreva um arquivo.
| Processamento | Roda diretamente no Apple Silicon |
| Tamanho do modelo | Whisper Large V3 Turbo, cerca de 2 GB |
| Velocidade | Parakeet a cerca de 74× o tempo real em um Mac |
| Privacidade | O áudio e as transcrições ficam no aparelho |
| Confiabilidade | Continua funcionando offline, integração com o sistema |
APIs na nuvem
Os recursos de um servidor são praticamente ilimitados, então uma API na nuvem pode rodar os maiores modelos e oferecer coisas que exigem muito processamento, como legendas ao vivo. Com áudio limpo, ela vai ser a opção mais precisa desta página.
O que você perde é saber onde a gravação está. Ela atravessa a internet, é processada num lugar que você não administra e fica guardada sob uma política que você não escreveu e que pode mudar sem ninguém perguntar nada a você.
Para uma terapeuta com dever de sigilo, um advogado que lida com material coberto por sigilo profissional ou uma jornalista protegendo uma fonte, normalmente a avaliação termina aí. Não porque a precisão seja pior, mas porque a pergunta “você consegue me dizer onde está esta gravação?” não tem uma boa resposta.
| Processamento | Servidores remotos (processamento ilimitado) |
| Tamanho do modelo | Os maiores modelos disponíveis |
| Velocidade | Depende da internet e da fila do servidor |
| Privacidade | Áudio enviado e possivelmente armazenado |
| Confiabilidade | Exige internet e tem limites de uso |
Do que abrimos mão para construir assim?
Fazer um app nativo era o único jeito de tornar a privacidade uma questão de estrutura, e não de contrato. “Processado localmente e depois sincronizado” e “criptografado em trânsito” são afirmações verdadeiras sobre sistemas que, mesmo assim, acabam guardando uma cópia do seu áudio; nós queríamos a versão em que não existe cópia nenhuma para guardar.
O preço disso aparece nos recursos que ficam de fora. As gravações não são legendadas palavra por palavra enquanto você fala: a transcrição ao vivo mostra as palavras em poucos segundos quando você grava no iPhone ou grava uma reunião no Mac, mas só nos 25 idiomas europeus que o Parakeet suporta; nos outros, o painel do Mac é atualizado mais ou menos a cada 30 segundos. Não conseguimos rodar nada maior do que o seu aparelho comporta. E não conseguimos oferecer edição compartilhada nem espaços de trabalho em equipe, porque isso precisa de um servidor e nós não temos um.
Se alguma dessas três coisas está na sua lista, este não é o app certo; um serviço na nuvem vai atender melhor. Preferimos dizer isso aqui a deixar você descobrir depois da compra.
Qual modelo está fazendo o trabalho?
Os motores, e como escolher um
Especificações
| Modelos de IA | Parakeet (padrão), Whisper Large V3 Turbo (Mac) ou Whisper Small (iPhone), SenseVoice, Apple Speech (iOS 26, macOS 26); no Mac também Qwen3-ASR 1.7B (Beta) |
| Idiomas | 100 idiomas pelo Whisper, 25 europeus pelo Parakeet, 6 pelo SenseVoice |
| Formatos de áudio | MP3, WAV, M4A, FLAC, AAC |
| Velocidade de processamento | Parakeet a cerca de 74× o tempo real em um Mac; Whisper Turbo a cerca de 2,7× |
| Limites de tempo e cobrança | Até 24 horas por arquivo, sem cobrança por minuto |
| Plataformas | iOS 18+ (iPhone 12+), macOS 14+ (Apple Silicon) |
O que o app faz, na prática?
Três coisas sustentam quase todo o uso diário: colocar o áudio no app, tirar o texto de lá e a restrição que mantém as duas coisas no aparelho.
Importação de arquivos, vários de uma vez
Importe áudio de qualquer lugar e transcreva offline. O app processa o arquivo inteiro em vez de transcrever aos poucos, então o modelo tem o contexto completo e erra menos.
- ✓Importe do app Arquivos, do Gravador ou de qualquer app que compartilhe áudio
- ✓Selecione ou solte vários arquivos de uma vez e eles são transcritos um depois do outro
- ✓Tudo organizado por data e por origem
Formatos de exportação
Vários formatos de saída para diferentes fluxos de trabalho.
- ✓Texto simples com parágrafos
- ✓Legendas SRT e VTT para vídeo
- ✓Transcrições com marcação de tempo para consulta
- ✓Identificação de falantes em gravações com várias pessoas
- ✓Quebras de parágrafo configuráveis
Privacidade na arquitetura
O app foi construído para que o seu áudio não possa sair do aparelho, não como uma configuração, mas como uma restrição técnica.
- ✓Nenhum caminho de envio para o áudio ou para as transcrições
- ✓Nenhum servidor na nuvem para se conectar
- ✓Nunca vemos suas gravações nem suas transcrições, e elas nunca são usadas para treinar IA
- ✓Armazenamento só local, criptografado pelo iOS ou pelo macOS
- ✓Nenhum operador terceirizado, então não há contrato de tratamento de dados a assinar
Qual é a precisão e de onde vem esse número?
Benchmarks publicados, mais nossas próprias medições numa máquina que identificamos
Não fazemos um estudo de precisão próprio: um fabricante que corrige a própria prova vale pouco. As taxas de erro abaixo vêm do Hugging Face Open ASR Leaderboard e do benchmark FLEURS. Os dois são públicos e mantidos por pessoas que não ganham nada com este app. Os números de velocidade são nossos, medidos numa máquina que identificamos.
Taxa de erro de palavras por modelo
| Modelo | Fonte | Taxa de erro | Nota |
|---|---|---|---|
| Parakeet V3 (base do modelo padrão) | Open ASR Leaderboard | 6,32% WER (inglês) | 25 idiomas europeus; 12,0% de média entre eles no FLEURS |
| Whisper Large V3 Turbo | Open ASR Leaderboard | 7,83% WER (inglês) | A cobertura mais ampla dos três: 100 idiomas |
| SenseVoice Small | Teste nosso, M4 Pro | Podcast de 27 minutos em 13,83 s | A opção rápida para chinês, japonês, coreano e cantonês; medido numa versão anterior do app, praticamente igual aos 115–131× da ficha atual do modelo |
Key Findings
- •Em um Mac, o Parakeet roda a cerca de 74× o tempo real; o Whisper Turbo é várias vezes mais lento no mesmo arquivo
- •Em inglês, menos de dois pontos de taxa de erro separam os três modelos
- •A taxa de erro é medida sobre fala lida e preparada. Suas próprias gravações vão ter um resultado pior, e o microfone ou as pessoas falando umas por cima das outras pesam mais do que a escolha do modelo
Os grandes modelos na nuvem mantêm uma pequena vantagem com áudio limpo, porque rodam num tamanho que nenhum celular ou notebook comporta. Essa diferença é o preço de o áudio nunca sair do aparelho. Se o seu trabalho não exige o último ponto de precisão, a troca costuma compensar. Se exige, o honesto é recomendar um serviço na nuvem.
Como ele se compara às alternativas?
Contra serviços na nuvem, as ferramentas que já vêm no seu aparelho e software corporativo
A maior parte desta tabela dá para conferir em poucos minutos. A linha da precisão é a que merece leitura cuidadosa, porque as quatro categorias não são medidas no mesmo benchmark.
Comparação de recursos
| Recurso | Whisper Notes | Serviços na nuvem | Ferramentas integradas | Software corporativo |
|---|---|---|---|---|
| Precisão (WER em inglês) | 6,32-7,83% (Open ASR Leaderboard) | Informada pelo fornecedor, quase nunca nesse leaderboard | Não publicada | Não publicada |
| Onde o áudio é processado | No seu aparelho | Servidores do fornecedor | Varia conforme o fornecedor | Opção on-premise |
| Custo | $7.99 iPhone, $14 Mac, pagamento único | $0.006-0,40/min | Grátis (limitado) | $500-2,000/licença |
| Idiomas | 100 idiomas | 50-100 idiomas | 10-30 idiomas | 20-50 idiomas |
| Precisa de internet | Não | Sim | Às vezes | Depende da implantação |
| Limite de duração do arquivo | Até 24 horas por arquivo, sem cobrança por minuto | Geralmente 1-2 horas | 5-10 minutos | Varia |
Market Position: Com as três opções lado a lado, a troca fica clara. Uma API de ponta na nuvem ainda é um pouco mais precisa com áudio limpo, e custa de $0.006 a $0.40 por minuto, com a sua gravação no disco de outra empresa. A transcrição corporativa on-premise mantém o áudio dentro da sua rede e começa em torno de $500 por usuário. O Whisper Notes roda os modelos abertos no hardware que você já tem, por $7.99 no iPhone ou $14 no Mac, e abre mão de legendas ao vivo, edição compartilhada e da última fração de precisão para isso. Se alguma dessas três coisas estiver na sua lista, uma das outras duas opções é a melhor compra.
Para que tipo de trabalho ele serve?
Três tipos de trabalho em que a gravação não pode viajar
Saúde
Profissionais de saúde usam o Whisper Notes para documentar consultas, fazer notas clínicas e transcrever entrevistas de pesquisa. Como o áudio nunca chega a um servidor nosso, não existe operador terceirizado nem contrato de tratamento de dados a assinar. Se todo o fluxo de trabalho atende à LGPD ou à HIPAA ainda depende de como o próprio aparelho está protegido — e, se colegas precisam abrir e comentar a mesma nota, um serviço na nuvem com esse contrato assinado é a resposta mais prática.
Use Cases
- •Documentação de consultas
- •Notas de procedimentos médicos
- •Transcrição de entrevistas de pesquisa
- •Registros de sessões de telemedicina
- •Conteúdo de treinamento clínico
Benefits
- ✓Nenhuma política de compartilhamento de dados em que confiar, porque nada é enviado
- ✓Vocabulário personalizado para termos clínicos e nomes de medicamentos
- ✓Nenhum dado de saúde sai do aparelho, porque não existe caminho de envio
- ✓Uma consulta de 20 minutos é transcrita em bem menos de um minuto num Mac com Apple Silicon
Jurídico
Advogados usam o Whisper Notes para depoimentos, entrevistas com clientes e preparação de processos. A gravação fica no aparelho, então nenhum fornecedor guarda uma cópia. O que isso não resolve são as suas próprias obrigações: se um fluxo de trabalho atende às regras de sigilo da sua jurisdição ainda depende de como o aparelho, os backups e as exportações são tratados.
Use Cases
- •Documentação de entrevistas com clientes
- •Transcrição de depoimentos
- •Notas de pesquisa de processos
- •Registros de procedimentos judiciais
- •Entrevistas investigativas
Benefits
- ✓Não guardamos cópia da gravação nem da transcrição
- ✓Vocabulário personalizado para nomes de processos e termos jurídicos
- ✓Transcrições com marcação de tempo, exportadas em texto, SRT ou VTT
- ✓$7.99 no iPhone ou $14 no Mac, pagamento único, contra transcrição terceirizada cobrada por minuto
Jornalismo
Repórteres usam o Whisper Notes para entrevistas com fontes e gravações de campo. Nenhum servidor guarda o áudio, então as únicas cópias estão nos seus próprios aparelhos. Com isso, a proteção da fonte deixa de depender da nossa política de retenção, que você não tem como verificar, e passa a depender da segurança do seu equipamento, que você tem. Se a redação precisa de várias pessoas editando a mesma transcrição durante um evento ao vivo, isso é trabalho para uma ferramenta na nuvem.
Use Cases
- •Transcrição de entrevistas com fontes
- •Organização de gravações de campo
- •Notas de coletivas de imprensa
- •Arquivo de entrevistas de pesquisa
- •Produção de podcast
Benefits
- ✓Nada da gravação nem da transcrição é enviado a lugar nenhum
- ✓Funciona com o aparelho offline, que é também o jeito de conferir o que dizemos
- ✓Sem conta, então sem histórico de login ligando uma entrevista a você
- ✓Exporta para texto, SRT ou VTT, para as ferramentas que a redação já usa
Quão rápido ele é, e onde deixa a desejar?
Os números que medimos e o que o projeto descarta
O que medimos, e em que máquina
A velocidade depende da máquina e do motor escolhido, então um multiplicador único para “o app” seria enganoso. Estes são testes nossos, com tempo total decorrido, do início ao texto final, em hardware que identificamos.
Parakeet V3 (base do motor padrão)
Cerca de 74× o tempo real em um Mac: uma gravação de reunião de 17,5 minutos fica pronta em cerca de 15 segundos
25 idiomas europeus; teste nosso, uma máquina
Whisper Turbo
O Whisper Large V3 Turbo roda a cerca de 2,7× o tempo real no mesmo Mac, e esse é o preço dos seus 100 idiomas
Testes nossos; o Turbo é a opção de cobertura ampla, não a rápida
Aparelhos mais antigos ou menores
Um iPhone processa um arquivo mais devagar que um Mac com Apple Silicon, e a diferença cresce com a idade do chip. Arquivos longos são concluídos mesmo assim; só levam proporcionalmente mais tempo
iPhone 12 ou posterior, ou um Mac com Apple Silicon
Armazenamento
As transcrições são minúsculas, cerca de 0,1 MB por hora de áudio. Quem ocupa espaço são os modelos: no Mac, o Qwen3-ASR 1.7B tem cerca de 2,5 GB e o Whisper Large V3 Turbo cerca de 2 GB; os demais são menores
O Parakeet já vem embutido no app; os outros modelos são baixados dentro do app
Limitações conhecidas
Rodar os modelos no aparelho impõe limites rígidos, e eles são mais fáceis de conferir antes da compra do que depois. É exatamente por isso que o app para Mac do nosso site é grátis até 5.000 palavras por semana.
Requisitos de aparelho
Feito para iPhone 12 ou posterior e Macs com Apple Silicon; iPhones mais antigos não têm um Neural Engine rápido o bastante para isso. A versão da Mac App Store também instala em Macs com Intel, sem SenseVoice, Qwen3-ASR nem a transcrição ao vivo rápida.
Impact: iPhone 12 ou mais recente; para todos os modelos, um Mac com Apple Silicon
Tempo de processamento
O tempo de processamento acompanha a duração da gravação. Não há como contornar a física do cálculo no aparelho.
Impact: Nas velocidades acima, um arquivo de uma hora leva minutos num Mac e mais tempo num iPhone
Depende da qualidade do áudio
Áudio ruim ou muito ruído de fundo reduzem a precisão, e o modelo não recupera informação que não está no sinal.
Impact: A posição do microfone e as pessoas falando por cima mexem mais na taxa de erro do que a escolha do modelo
Sem legendas ao vivo
O Whisper Notes não é um serviço de legendagem. No iPhone, a transcrição aparece na tela enquanto você grava, nos 25 idiomas europeus que o Parakeet suporta; quando você grava uma reunião no Mac, o painel de transcrição ao vivo mostra as palavras em poucos segundos nesses idiomas e a cada 30 segundos, mais ou menos, nos outros. A transcrição final é feita a partir do arquivo inteiro, o que dá mais contexto ao modelo.
Impact: Se você precisa de legendas na tela durante o evento, esta é a ferramenta errada
Um idioma por gravação
Trocar de idioma rapidamente dentro da mesma gravação reduz a precisão. O modelo funciona melhor com um idioma só do início ao fim.
Impact: Melhores resultados com um idioma principal por arquivo
Então, para quem ele é?
Baixe o Whisper Notes
Transcrição que roda no seu iPhone ou no seu Mac. O app para Mac do nosso site é grátis até 5.000 palavras por semana, para você conferir o que dizemos antes de pagar.
Baixar para iOSDisponível para iOS (iPhone 12+) e macOS (Apple Silicon). $7.99 uma vez na App Store; o app para Mac do nosso site é grátis até 5.000 palavras por semana e depois custa $14 uma vez. Sem assinaturas.