O Whisper é o modelo de reconhecimento de fala de código aberto da OpenAI, e pode rodar inteiro em um iPhone, então você transcreve sem conexão com a internet. O Mangonote traz um modelo Whisper multilíngue dentro do app: ele cobre 99 idiomas, detecta qual deles você está falando e nunca envia o seu áudio para lugar nenhum. Para gravações só em inglês, há um modelo Whisper inglês para baixar, e para alguns idiomas outro modelo no dispositivo tem desempenho melhor.
Veja o que é o Whisper, como ele roda em um celular e como escolher o modelo certo.
O que é o Whisper?
O Whisper é um modelo de reconhecimento de fala de uso geral que a OpenAI lançou em setembro de 2022 (OpenAI). Os pontos principais:
- Código aberto. Seu código e os pesos do modelo são publicados sob a licença MIT (GitHub), então apps podem rodá-lo por conta própria.
- Treinado com muito áudio. 680.000 horas de dados multilíngues e multitarefa coletados da web, segundo o artigo de pesquisa Robust Speech Recognition via Large-Scale Weak Supervision.
- Multilíngue. Transcreve 99 idiomas, detecta o idioma sozinho e pode traduzir a fala para o inglês.
- Desigual entre idiomas. A própria documentação da OpenAI diz que o desempenho varia bastante conforme o idioma. Idiomas muito falados, com muitos dados de treinamento, vão melhor.
O Whisper vem em vários tamanhos. Modelos maiores são mais precisos, mas mais lentos e exigem mais memória:
| Modelo | Parâmetros | Versão só em inglês |
|---|---|---|
| tiny | 39 M | Sim |
| base | 74 M | Sim |
| small | 244 M | Sim |
| medium | 769 M | Sim |
| large | 1.550 M | Não |
| turbo | 809 M | Não |
Fonte: openai/whisper no GitHub.
O Whisper roda em um iPhone sem internet?
Sim. Os modelos menores do Whisper cabem com folga em um celular, e os chips da Apple os executam com rapidez. O Mangonote usa o WhisperKit, um framework de código aberto da Argmax que roda o Whisper em aparelhos Apple com Core ML.
Rodar no próprio aparelho tem três efeitos práticos:
- Funciona offline. O Whisper multilíngue vem embutido no Mangonote, então a transcrição funciona desde o primeiro uso, no modo Avião, em um auditório no subsolo.
- O seu áudio fica no iPhone. Nada é enviado para ser transcrito, nem para a OpenAI, nem para o Mangonote. (Com a sincronização do iCloud ativada, as gravações ficam no seu próprio iCloud.)
- Não é o maior Whisper. Um modelo do tamanho de um celular troca um pouco de precisão por velocidade e tamanho, em comparação com os modelos grandes que rodam em servidores. Por isso vale conhecer as alternativas abaixo.
Como usar o Whisper no Mangonote?
- Abra Ajustes › Transcrição e IA › Modelo.
- Toque em Whisper multilíngue (já integrado, nada para baixar), ou toque em Baixar ao lado de Whisper inglês (146,7 MB) se você só grava em inglês.
- Volte e toque em Idioma. Escolha o idioma que você vai falar, ou mantenha a Detecção automática.
- Grave com Iniciar gravação, ou importe áudio ou vídeo com +. As novas transcrições passam a usar o Whisper.
Você pode remover os modelos baixados depois com Editar, na mesma tela.
Whisper contra os outros modelos no dispositivo
O Mangonote tem vários modelos de fala, e todos rodam no iPhone. Veja o que o seletor de modelos do app diz sobre cada um:
| Modelo | Idiomas | Tamanho | Ideal para |
|---|---|---|---|
| Whisper multilíngue | 99, detecta o idioma | Integrado | A maioria dos idiomas, bibliotecas com vários idiomas, iPhones mais antigos |
| Whisper inglês | Somente inglês | 146,7 MB | Gravações em inglês, um pouco mais preciso que o multilíngue no inglês |
| Parakeet (NVIDIA) | 25 idiomas europeus | Integrado | O padrão recomendado em iPhone 12 ou mais recente: rápido, roda no Neural Engine |
| Nemotron (NVIDIA) | 35, detecta o idioma | 664,8 MB | Mais idiomas, no Neural Engine |
| SenseVoice | Chinês, japonês, coreano, inglês | 237,4 MB | Idiomas do Leste Asiático |
| Omnilingual (Meta) | Até 1.600 | 365,4 MB | Idiomas que outros modelos não cobrem, inclusive os raros |
| Apple Speech | Idiomas compatíveis com a Apple | Integrado ao iOS 26 | Usar o próprio reconhecimento de fala do iPhone |
Os números de idiomas do Parakeet e do Omnilingual vêm dos próprios criadores: a NVIDIA descreve o Parakeet TDT 0.6B v3 como cobrindo 25 idiomas europeus, e o Omnilingual ASR da Meta cobre mais de 1.600.
Como escolher
- Abra a lista de idiomas primeiro. Cada idioma mostra uma marca de qualidade para o modelo selecionado, de Excelente a Fraco. O app observa que são estimativas de benchmarks publicados com fala clara, e gravações reais variam.
- Só inglês? Experimente o Whisper inglês ou o Parakeet.
- Um idioma europeu? O Parakeet é o padrão por um motivo; mude para o Whisper se nomes ou termos técnicos saírem errados.
- Qualquer outro idioma, ou vários idiomas? Whisper multilíngue.
- Um idioma que nenhum deles lista? Omnilingual.
O que o Whisper acertou nos nossos testes?
Importamos três gravações de exemplo no Mangonote com o Whisper multilíngue selecionado: um memo de voz curto, uma entrevista com duas pessoas e um vídeo de aula.
- Números e datas estavam certos: as frases em inglês “Saturday, April 12th, at 9 a.m.” (sábado, 12 de abril, às 9h), “in 2019” (em 2019), “about 40 families” (cerca de 40 famílias) e “March 2021” (março de 2021).
- Termos técnicos, em sua maioria, certos: ATP, NADPH e o ciclo de Calvin saíram corretos; “thylakoid” saiu como “thylacoid”.
- Algumas palavras escorregaram: “plot fees” (taxas do lote) saiu como “Tlot fees”, e “lead with” (começar com) saiu como “led with”.
- A pontuação às vezes se fundiu: duas frases ficaram unidas por uma vírgula.
É um retrato justo da transcrição no dispositivo em geral: bem utilizável, e vale uma checagem rápida antes de citar ou compartilhar.
Limites conhecidos do Whisper
- Sem identificação de quem fala. O Whisper escreve o que foi dito, não quem disse.
- Pode, ocasionalmente, inventar texto. Pesquisadores já constataram que o Whisper às vezes escreve palavras que ninguém disse; a Associated Press publicou uma reportagem sobre o assunto em 2024. O Mangonote mantém o áudio junto de cada transcrição e marca o tempo de cada linha, para que você confira qualquer coisa que pareça estranha.
- A precisão depende do idioma e da gravação: distância de quem fala, ruído de fundo e falas sobrepostas pesam tanto quanto o modelo.
Guias relacionados
- Transcrição de voz offline no iPhone: como o Mangonote funciona
- Como transcrever uma entrevista
- Como transcrever memos de voz no iPhone
- Como transcrever áudio em espanhol no iPhone (e em outros idiomas)
Perguntas frequentes
O que é o Whisper?
O Whisper é um modelo de reconhecimento de fala da OpenAI, lançado em setembro de 2022. Seu código e os pesos do modelo são de código aberto, sob a licença MIT, e ele foi treinado com 680.000 horas de áudio multilíngue.
O Whisper consegue rodar em um iPhone sem internet?
Sim. Os modelos menores do Whisper são compactos o bastante para rodar no próprio iPhone. O Mangonote traz o Whisper multilíngue dentro do app, então a transcrição funciona offline desde o primeiro uso.
Usar o Whisper no Mangonote envia meu áudio para a OpenAI?
Não. O Whisper roda no seu iPhone, então o áudio não é enviado para a OpenAI, para o Mangonote nem para nenhum outro serviço. Os resumos com IA são separados e opcionais: eles enviam apenas o texto da transcrição para o modelo de IA escolhido, depois que você concorda.
Quantos idiomas o Whisper suporta?
O Whisper atende 99 idiomas e consegue detectar qual deles está sendo falado. A própria OpenAI observa que a precisão varia bastante conforme o idioma.
O Whisper é gratuito?
O modelo é gratuito e de código aberto. No Mangonote, o Whisper multilíngue já vem integrado e o Whisper inglês é um download gratuito; o plano gratuito do app tem limites diários, e o Mangonote Plus remove esses limites.
No iPhone, qual é melhor: Whisper ou Parakeet?
Depende do seu idioma. O Parakeet é o padrão recomendado pelo Mangonote para 25 idiomas europeus em iPhones 12 ou mais recentes. O Whisper atende 99 idiomas e funciona em todos os iPhones compatíveis com o app. A lista de idiomas do app mostra a qualidade esperada de cada modelo por idioma.
Comece a capturar os pensamentos que você sempre perde
Baixe o Mangonote, grave sua primeira nota e veja-a virar texto pesquisável em segundos, direto no seu iPhone.
