Vocalinux traz ditado por voz decente e open-source ao desktop Linux

Durante anos, quem usava Linux e queria ditado por voz tinha duas opções: gambiarra com serviços web ou render-se a um sistema operativo alheio. O Vocalinux tenta finalmente tapar esse buraco: é open-source, feito a pensar em Linux e trabalha em modo local por omissão, sem contas nem subscrições.

Em vez de mais uma app de transcrição com janelas próprias, o Vocalinux vive na bandeja do sistema e injeta o texto diretamente no campo que tiver foco. Ativas por atalho de teclado, falas para o microfone e o texto aparece no browser, editor de texto, suite office, terminal ou cliente de mensagens. A experiência aproxima-se do ditado integrado no Windows e macOS, só que aqui o controlo fica do lado do utilizador e do código, não de um backend opaco na cloud.

Do lado técnico, o Vocalinux suporta sessões X11 e Wayland, o que não é detalhe. Em Wayland, simular toques de teclado é deliberadamente difícil por motivos de segurança, e muita app morre aqui. O projeto resolveu essa dor de forma explícita, o que é meio caminho andado para ser realmente usável em desktops modernos, de GNOME a KDE. Numa altura em que o kernel começa a abrir mais portas à IA, como se viu com a mudança de atitude do próprio Linus Torvalds em relação a aceleradores no kernel Linux, faz sentido ver o espaço de produtividade a mexer também.

O motor de reconhecimento não é uma caixa negra. O Vocalinux suporta três backends locais: whisper.cpp, OpenAI Whisper e VOSK. Por defeito usa whisper.cpp, uma implementação optimizada dos modelos Whisper para correr diretamente na máquina, sem servidor externo. Depois, cada um escolhe o modelo consoante hardware, língua e paciência: modelos pequenos para CPUs fracos e GPUs modestas, modelos grandes para quem quer mais precisão e aguenta ventoinhas a rodar. Há ainda suporte para aceleração com Vulkan, o que permite descarregar trabalho para GPUs AMD, Intel e NVIDIA, em vez de massacrar só o processador.

O interface é relativamente sóbrio: ícone na bandeja com estados de inativo, a ouvir e a processar, atalhos configuráveis, sons de feedback, arranque automático e um painel gráfico de definições. Ponto positivo: funciona com layouts de teclado não americanos, um clássico onde muito software open-source tropeça. Podes configurar modo toggle, em que ligas e desligas o ditado com um atalho, ou modo push-to-talk, em que só dita enquanto manténs a tecla.

Apesar de ser offline-first, há um modo remoto opcional para quem prefere centralizar o processamento noutro sítio, mas ainda assim mantendo controlo: podes apontar para um servidor de transcrição teu, via endpoints HTTP compatíveis com OpenAI ou com o servidor incluído em whisper.cpp. Outros motores, como FunASR e SenseVoice, entram em cena através de configurações de servidor adequadas. A instalação não foge ao esperado: script interativo com suporte para distribuições populares como Ubuntu, Debian, Fedora, Arch e openSUSE, além de Flatpak e AUR para quem vive no mundo Arch. A versão atual é a 0.14.2, claramente ainda em fase de amadurecimento, mas já com uma ambição clara: dar ao desktop Linux um ditado contínuo que não depende da cloud de ninguém. Se o projecto aguentar o ritmo, o atalho de ditado pode tornar-se tão óbvio em Linux quanto abrir um terminal.

Fonte: Linuxiac