Ditado por voz no Linux
No Mac e no Windows você aperta um atalho e dita. No Linux, os principais ambientes de desktop não trazem nada parecido de fábrica, então você precisa instalar um app. E a primeira pergunta não é qual app escolher, e sim qual sessão gráfica você está usando, porque disso depende o app conseguir ouvir a sua tecla e escrever em outras janelas. Este guia explica a diferença entre X11 e Wayland, quais critérios olhar, como instalar um AppImage ou um .deb e como resolver os problemas mais comuns.
Primeiro: você está no X11 ou no Wayland?
Um app de ditado precisa fazer duas coisas fora da própria janela: perceber que você apertou uma tecla enquanto outro programa está em foco e colocar texto nesse outro programa. No X11 (Xorg), os aplicativos tradicionalmente podem fazer as duas coisas. O Wayland foi projetado para isolar os aplicativos uns dos outros, de modo que um programa não consegue ouvir todas as teclas nem escrever numa janela que não é dele. Isso é bom para a segurança e incômodo para o ditado.
Para saber qual sessão você usa, abra um terminal e rode `echo $XDG_SESSION_TYPE`. A resposta será `x11` ou `wayland`. Se a sua distribuição ainda oferece uma sessão X11, normalmente você a escolhe na tela de login, num menu de sessão (muitas vezes um ícone de engrenagem) antes de digitar a senha. Algumas versões recentes estão abandonando o X11 em certos ambientes, então confira o que a sua oferece.
O que pedir a um app de ditado no Linux
- Pacote para a sua distribuição: um AppImage roda em quase todas; um .deb se integra melhor ao Ubuntu e ao Debian.
- Sessões suportadas: que diga com clareza se funciona no X11, no Wayland ou nos dois, e em quais ambientes foi testado.
- Reconhecimento na máquina: que funcione offline depois de baixar o modelo de voz. Assim você não depende da rede e seu áudio não sai do computador.
- Que escreva em qualquer janela: editor, terminal, navegador e chat, e não só na própria janela.
- Tecla configurável: em vários layouts de teclado, o Alt direito é o AltGr e você o usa para caracteres especiais. Você precisa poder escolher outra.
- Preço claro: se a voz é reconhecida na sua máquina, não há servidor que justifique mensalidade. Em dois anos, US$ 10 por mês dão US$ 240.
Instalar o AppImage ou o .deb
- AppImage: baixe, dê permissão de execução com `chmod +x` seguido do nome do arquivo e execute. Se não abrir e o erro mencionar FUSE, instale o pacote de compatibilidade FUSE 2 da sua distribuição (no Ubuntu costuma se chamar libfuse2, ou libfuse2t64 nas versões recentes).
- .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.
- Confira a sessão com `echo $XDG_SESSION_TYPE` antes de abrir pela primeira vez.
- Escolha o microfone nas configurações de som do desktop ou num mixer como o pavucontrol, e confira se o medidor de entrada se mexe quando você fala.
Problemas comuns no Linux
- O atalho não faz nada: veja primeiro o tipo de sessão. No Wayland, atalhos globais de apps comuns costumam ser bloqueados; saia e escolha X11 se a sua distribuição oferecer.
- A tecla de ditado digita caracteres estranhos: se você usa o Alt direito e o seu teclado o trata como AltGr, escolha outra tecla nos ajustes.
- Reconhece o texto mas não cola: confira se o cursor está num campo de texto e se a janela de destino está em foco quando você solta a tecla. Alguns emuladores de terminal colam com Ctrl+Shift+V, então teste primeiro num editor simples para isolar o problema.
- Não ouve nada: escolha o dispositivo de entrada certo e veja o medidor. Fones Bluetooth às vezes aparecem como dois dispositivos; escolha o que tem microfone.
- O AppImage não abre: execute pelo terminal para ver o erro. Uma mensagem sobre FUSE significa que falta o pacote de compatibilidade.
Ditando commits, documentação e mensagens
No Linux, muita gente dita principalmente o texto em volta do código: corpo de commits, descrição de pull requests, documentação, mensagens no chat do time. Funciona muito bem se você dita a prosa e digita identificadores e comandos. Há um método completo em ditado por voz para programadores.
Teste com frases reais suas, por exemplo «Faz o merge da branch quando os testes passarem e marca a versão como dois ponto quatro», e veja quantas palavras precisa corrigir. Se você mistura português e inglês técnico, leia também ditado em vários idiomas.
Onde o Voice Monkeys se encaixa
O Voice Monkeys, nosso app, roda em Linux de 64 bits com um AppImage, ou com um .deb para Ubuntu e Debian. Hoje o jeito confiável de usá-lo é numa sessão X11, por causa das restrições do Wayland descritas acima. Você segura uma tecla, fala e, ao soltar, o texto aparece no cursor do seu editor, do terminal, do navegador ou do chat; um toque ativa o mãos livres, outro encerra e Esc cancela.
A voz é reconhecida no próprio computador, offline. A internet só é necessária para baixar uma vez o modelo de voz, de cerca de 640 MB, e depois para a licença e as atualizações; nenhum áudio ou texto é enviado. Ele entende 25 idiomas e você pode misturá-los numa frase. Custa US$ 25 em pagamento único, licença vitalícia para um computador e sem assinatura (ver o preço), com 7 dias de teste sem cartão. Você pode baixar o app aqui. Se você também usa Windows, o guia para escolher um app de ditado para Windows serve para essa máquina.
Perguntas e respostas
O Linux tem ditado por voz embutido como Mac ou Windows?
Os principais ambientes de desktop do Linux não trazem um recurso de ditado para o sistema inteiro. Você precisa instalar um app.
Por que o ditado funciona no X11 e não no Wayland?
O Wayland isola os aplicativos: um programa não consegue ouvir atalhos globais nem escrever em janelas de outros sem suporte específico do ambiente. No X11 consegue.
Para quais distribuições é o .deb do Voice Monkeys?
Para Ubuntu e Debian. Em outras distribuições de 64 bits, use o AppImage.
Dá para ditar sem internet no Linux?
Sim, com um app que reconheça a voz na máquina. Baixe o modelo uma vez e confira se ele dita com a rede desligada.