Ditado e digitação por voz no Linux
No Mac e no Windows você aperta um atalho e dita. No Linux, os ambientes de desktop mais usados não trazem nada parecido de fábrica, então você monta uma solução ou instala um aplicativo. E a primeira pergunta nem é qual aplicativo, e sim qual sessão gráfica você está usando. Este guia explica por que X11 e Wayland fazem tanta diferença para o ditado, quais ferramentas open source existem, como está o Voice Monkeys no Linux hoje e como resolver os problemas mais comuns em Ubuntu, Debian e afins.
Primeiro passo: você está em X11 ou Wayland?
Um aplicativo de ditado precisa fazer duas coisas fora da própria janela: perceber um atalho de teclado enquanto outro programa está em foco e colocar texto dentro desse outro programa. No X11 (Xorg), os aplicativos sempre puderam fazer as duas coisas. O Wayland foi projetado para isolar os aplicativos uns dos outros, então um programa não pode simplesmente escutar todas as teclas nem digitar numa janela que não é dele. Ótimo para segurança, complicado para ditado.
Para saber qual sessão você tem, abra o terminal e rode `echo $XDG_SESSION_TYPE`. A resposta é `x11` ou `wayland`. A maioria dos ambientes também mostra isso na tela Sobre ou nas informações do sistema.
- x11: atalhos globais e digitação simulada geralmente funcionam, e a maioria das ferramentas de ditado se comporta como esperado.
- wayland: a ferramenta precisa de um auxiliar de digitação compatível com Wayland ou de configuração extra no sistema, e alguns aplicativos não funcionam de jeito nenhum.
Se a sua distribuição ainda oferece sessão X11, normalmente dá para escolher na tela de login: clique no seu usuário e procure um menu de sessão (muitas vezes um ícone de engrenagem) antes de digitar a senha. Algumas versões recentes já removeram ou estão abandonando a sessão X11 em certos ambientes, então confira o que a sua distribuição oferece antes de planejar em cima disso.
O que existe para ditar no Linux
As opções se dividem em dois grupos: ferramentas open source que você mesmo configura e aplicativos empacotados. Dois projetos conhecidos mostram como é o caminho do faça-você-mesmo.
nerd-dictation se apresenta como conversão de fala em texto offline para Linux de desktop. Usa a biblioteca de reconhecimento VOSK com um modelo que você baixa, grava via PulseAudio, sox ou PipeWire e escreve o resultado simulando teclas. Para digitar, aceita xdotool (só servidor X, o padrão), wtype (Wayland) e ydotool ou dotool (X11 e Wayland, com configuração extra no caso do ydotool). A licença é GPL-3.0 e tudo é configurado pela linha de comando, então conte com ligar o atalho você mesmo.
whisper.cpp é uma implementação em C/C++ do modelo de reconhecimento de fala Whisper, da OpenAI, que roda offline na CPU, no Linux e em muitas outras plataformas, sob licença MIT. É um motor, não um aplicativo de ditado: traz o exemplo `whisper-stream`, que transcreve o microfone em tempo real (compilado com SDL2), mas levar o texto até as outras janelas fica por sua conta. As páginas dos dois projetos no GitHub estão em inglês.
| Opção | Como o texto chega ao aplicativo | Sessão | Funciona offline | Esforço de instalação |
|---|---|---|---|---|
| nerd-dictation | Teclas simuladas (xdotool, wtype, ydotool, dotool) | X11; Wayland com wtype ou ydotool/dotool | Sim, modelo VOSK | Linha de comando, scripts |
| whisper.cpp | Script seu; o exemplo de streaming imprime o texto | Qualquer (a saída é com você) | Sim | Compilar do código-fonte, alto |
| Voice Monkeys | Segura a tecla, o texto é colado no cursor | Só X11 | Modelo offline opcional; nuvem por padrão | Instalar AppImage ou .deb |
Voice Monkeys no Linux: a situação real
O Voice Monkeys tem versão para Linux em AppImage ou pacote .deb para Ubuntu e Debian. Ele exige uma sessão X11 (Xorg): no Wayland o sistema bloqueia o atalho global e a colagem automática, então o aplicativo não funciona ali. A versão Linux é nova; trate como um lançamento recente e avise o que quebrar.
No dia a dia funciona como nas outras plataformas. Segure a Alt direita (dá para escolher outra tecla nos ajustes), fale e solte, e o texto aparece no cursor do editor, do terminal, do navegador ou do chat. Um toque rápido liga o modo mãos livres até o próximo toque, e Esc cancela. Ele reconhece 25 idiomas pelo ouvido, inclusive misturados na mesma frase, o que o guia de ditado em vários idiomas explica melhor.
No Linux é assinatura em nuvem: US$ 12 por mês ou US$ 96 por ano (preços em dólares americanos), com teste de 7 dias que pede cartão. Inclui 90 horas de ditado por mês e até cinco computadores, um ditando por vez, então o mesmo plano cobre o desktop Linux e o notebook com Windows. Por padrão, o áudio vai criptografado para um servidor em Falkenstein, na Alemanha, vira texto na memória e é descartado; nem o áudio nem o texto ficam guardados, só a contagem de segundos. Baixe pela página de download. Se você está no Wayland e não pode trocar, o nerd-dictation com um auxiliar de digitação para Wayland é a escolha mais realista.
Instalando o AppImage ou o .deb
- AppImage: baixe, torne executável com `chmod +x` seguido do nome do arquivo e rode. Se ele não abrir e reclamar de FUSE, instale o pacote de compatibilidade FUSE 2 da sua distribuição (no Ubuntu geralmente se chama libfuse2, ou libfuse2t64 nas versões mais novas).
- .deb (Ubuntu, Debian): instale com `sudo apt install ./` seguido do nome do arquivo, para o apt resolver as dependências, e abra pelo menu de aplicativos.
- Entre numa sessão X11 antes da primeira execução e confirme com `echo $XDG_SESSION_TYPE`.
- Escolha o microfone nas configurações de som do desktop, ou num mixer como o pavucontrol, e veja se o medidor de entrada se mexe quando você fala.
O modelo offline opcional
As versões de Windows e Linux também podem usar um modelo offline, baixado uma vez (cerca de 640 MB). Depois disso, o reconhecimento acontece no seu computador sem mandar áudio para lugar nenhum. Serve para quem dita no ônibus com o notebook, tem internet instável em casa ou simplesmente prefere não mandar a voz para um servidor.
Se ele combina com você depende da máquina e dos idiomas, então teste os dois modos com as mesmas frases, por exemplo “Faz o merge da branch depois que os testes passarem e marca a release como dois ponto quatro.”, e fique com o que pedir menos correção. Quem dita mensagens de commit e comentários longos encontra rotinas úteis em ditado para desenvolvedores. E se privacidade é o motivo de olhar para o modo offline, o guia ditado por voz é privado? lista as perguntas que valem para qualquer ferramenta.
Resolvendo problemas no Linux
- O atalho não faz nada: confira primeiro o tipo de sessão. No Wayland, atalhos globais de aplicativos comuns são bloqueados; saia e escolha uma sessão X11 se a distribuição oferecer.
- A Alt direita digita caracteres estranhos: em muitos layouts, inclusive o ABNT2 e o US internacional, a Alt direita é a AltGr, usada para caracteres como ª, º ou €. Escolha outra tecla de ditado nos ajustes para as duas funções não brigarem.
- O texto é reconhecido mas não é colado: confira se o cursor está num campo de texto e se a janela de destino está em foco quando você solta a tecla. Alguns terminais colam com Ctrl+Shift+V, então teste primeiro num editor de texto simples para isolar o problema.
- Nada é ouvido: abra as configurações de som ou o pavucontrol, escolha o dispositivo de entrada certo e observe o medidor. Fones Bluetooth às vezes aparecem como dois dispositivos; escolha o que tem microfone.
- O AppImage não abre: rode pelo terminal para ver o erro. Mensagem sobre FUSE significa que falta o pacote de compatibilidade.
Se você também usa Windows, o guia de digitação por voz no Windows cobre a ferramenta nativa de lá, e o comparativo de apps de ditado para Windows mostra as opções que se instalam.
Perguntas e respostas
O Linux tem ditado nativo como Mac e Windows?
Os principais ambientes de desktop do Linux não trazem um ditado para o sistema todo comparável ao Ditado do Mac ou à digitação por voz do Windows. Você instala um aplicativo ou configura uma ferramenta open source, como o nerd-dictation.
O Voice Monkeys funciona no Wayland?
Não. O Wayland bloqueia o atalho global e a colagem automática de que o Voice Monkeys depende. Use uma sessão X11 (Xorg); confira com echo $XDG_SESSION_TYPE.
Quais distribuições o .deb do Voice Monkeys suporta?
O pacote .deb é para Ubuntu e Debian. Em outras distribuições, use o AppImage, também numa sessão X11.
Dá para ditar offline no Linux?
Sim. O nerd-dictation e o whisper.cpp rodam offline, e o Voice Monkeys tem um modelo offline opcional de cerca de 640 MB, baixado uma vez.
Existe opção gratuita?
O nerd-dictation (GPL-3.0) e o whisper.cpp (MIT) são gratuitos e open source. Exigem mais configuração que um aplicativo pronto, e o atalho e a digitação ficam por sua conta.
Fontes
- nerd-dictation no GitHub (em inglês) (verificado 6 de novembro de 2026)
- whisper.cpp no GitHub (em inglês) (verificado 6 de novembro de 2026)