Digitação por voz sem edição

O problema da digitação por voz nunca foi o fato de os computadores não conseguirem ouvir você. Eles ouvem bem. O problema é que eles escrevem exatamente o que você disse — e o que as pessoas dizem, em voz alta, em tempo real, não se parece com texto escrito.

Você começa uma frase, decide no meio que era a frase errada e recomeça. Você diz "um" enquanto pensa. Você se corrige. A transcrição literal preserva fielmente tudo isso e entrega a você um parágrafo que agora precisa editar. Para muita gente, essa edição leva tanto tempo quanto teria levado digitar.

Este guia trata de fechar essa lacuna: o que a causa, o que não a resolve e o que resolve.

Por que a transcrição literal cria trabalho

Diga isto em voz alta em velocidade normal: "então acho que deveríamos — na verdade, podemos adiar a revisão do roadmap, um, para quinta-feira?"

Um transcritor literal escreve exatamente isso. O que você queria era: "Podemos adiar a revisão do roadmap para quinta-feira?"

Cada parágrafo ditado carrega alguma versão disso. A primeira solução que as pessoas tentam é falar com mais cuidado — mais devagar, de forma mais deliberada, sem preenchimentos. Funciona por uns dois minutos, é exaustivo e elimina o motivo pelo qual você começou a ditar: que falar é mais rápido do que digitar.

O que não resolve

Melhor reconhecimento de fala. Melhorias de precisão tornam a transcrição mais fiel ao que você fala, o que deixa o problema um pouco pior, não melhor. Um transcritor perfeito preserva cada "um" perfeitamente.

Comandos de pontuação. Dizer "vírgula" e "novo parágrafo" em voz alta ajuda na estrutura e não faz nada em relação a preenchimentos e falsos começos. Também faz falar parecer programação.

Editar depois. Esse é o status quo, e é o que faz as pessoas pararem discretamente de usar ditado depois de uma semana.

O que resolve: uma camada de limpeza

A solução é colocar uma etapa entre o reconhecimento e a saída. A ferramenta ouve o que você disse, entende o que você quis dizer e entrega a versão escrita.

MirrorCaption Typer faz isso com três modos de polimento que você escolhe a cada momento, porque a quantidade certa de limpeza não é a mesma sempre:

• Raw speech — exatamente o que você disse, com cada preenchimento e falso começo preservados. Útil quando as palavras literais importam: citações, anotações sobre como alguém formulou algo, prática de idioma.
• Tidy (o padrão) — remove preenchimentos como "um" e "ah", elimina deslizes de fala e falsos começos, adiciona pontuação e mantém seu significado e tom. Este é o modo que faz o ditado parecer como deveria ter sido desde o início.
• Formal — reescreve o trecho em uma redação limpa e profissional, pronta para entrar em um e-mail ou documento. Ele muda sua formulação de propósito, e é por isso que é opcional.

Tomando o exemplo acima: Raw dá a você a frase com o recomeço e o "um". Tidy dá "Podemos adiar a revisão do roadmap para quinta-feira?" Formal dá algo mais próximo de "Poderíamos mudar a revisão do roadmap para quinta-feira?"

A outra metade: levar o texto para onde você precisa

Texto limpo é só metade do trabalho. Se ele cai em um app de transcrição, você ainda precisa copiá-lo para a janela em que realmente queria usá-lo.

Typer roda em uma pequena janela que flutua acima de tudo o mais — seu cliente de e-mail, um documento, uma caixa de chat. Quando você para de falar, o texto polido é copiado automaticamente para a sua área de transferência. Não há botão para procurar nem app para alternar. Você cola e pronto.

Como ele roda no navegador, não há nada para instalar, o que importa em notebooks corporativos gerenciados, onde instalar software significa abrir um chamado.

Nomes, jargões e as palavras que são realmente suas

Os erros que sobrevivem a uma boa camada de limpeza costumam ser nomes próprios: nomes de colegas, nomes de produtos, jargões internos, termos técnicos. Nenhum modelo geral os viu.

Duas coisas ajudam. Primeiro, um vocabulário personalizado — você adiciona os termos que usa, e eles são reconhecidos primeiro. Segundo, aprender com suas edições: quando você corrige algo, a ferramenta lembra sua preferência em vez de fazer você corrigir de novo na semana seguinte.

Quando você mistura idiomas

Muita gente não fala um idioma por vez. Um falante de chinês insere nomes de produtos em inglês. Um engenheiro alemão usa termos técnicos em inglês no meio da frase. A maioria das ferramentas de ditado obriga você a escolher um idioma de reconhecimento e trocar manualmente, o que quebra o fluxo a ponto de as pessoas desistirem.

Typer permite definir vários idiomas de reconhecimento ao mesmo tempo, então uma frase mista sai com precisão sem trocar de modo. Se o seu problema for, em vez disso, que outras pessoas falam idiomas que você não fala, isso é transcrição e tradução, não ditado — veja ditado vs. transcrição para saber de que lado você está.

Quando o literal é a resposta certa

A limpeza nem sempre é o que você quer. Use o modo Raw quando estiver citando alguém, quando a formulação exata for o ponto principal, quando estiver praticando um idioma e quiser ver o que realmente disse, ou quando estiver capturando um pensamento na forma em que ele chegou. O ponto é que isso seja uma escolha, e não a única opção.

Perguntas frequentes

Como faço para ditar texto que não precise de edição?

Use uma ferramenta de ditado que faça a limpeza enquanto digita, em vez de transcrever literalmente. O modo Tidy do MirrorCaption Typer remove preenchimentos como "um" e "ah", elimina falsos começos e deslizes de fala e adiciona pontuação antes de o texto chegar à sua área de transferência, então colar é a etapa final, e não a primeira de várias.

A digitação por voz pode remover automaticamente "um" e "ah"?

Ferramentas integradas como Apple Dictation, Windows Voice Typing e Google Docs Voice Typing transcrevem literalmente, então os preenchimentos permanecem. Ferramentas com uma camada de limpeza os removem automaticamente. No MirrorCaption Typer, isso é um modo que você escolhe a cada momento: Raw mantém tudo, Tidy remove preenchimentos e adiciona pontuação, Formal reescreve o trecho em uma redação profissional.

Limpar minha fala vai mudar o que eu quis dizer?

Não deveria. O modo Tidy foi projetado para manter seu significado e tom e remover apenas o ruído — preenchimentos, recomeços e deslizes. O modo Formal reescreve a formulação de propósito, e é por isso que é um modo separado que você escolhe, em vez do padrão.

Posso ditar em mais de um idioma ao mesmo tempo?

Na maioria das ferramentas, não — você escolhe um idioma de reconhecimento e troca quando muda. O MirrorCaption Typer permite definir vários idiomas de reconhecimento ao mesmo tempo, então misturar chinês com inglês, ou alemão com inglês, dentro de uma mesma frase ainda sai com precisão.

Como faço a digitação por voz reconhecer nomes e jargões?

Adicione-os a um vocabulário personalizado. O Typer permite adicionar os nomes, termos de produto e jargões que você usa com frequência para que sejam reconhecidos primeiro, e ele aprende com as correções que você faz na saída, para que o mesmo erro não se repita.

A digitação por voz funciona em apps além do navegador?

Typer roda em uma pequena janela do navegador que flutua acima dos seus outros apps e copia automaticamente o texto final para a sua área de transferência, então você pode colar em e-mail, docs, chat ou qualquer outro aplicativo. Não há nada para instalar, o que também significa nada para o TI aprovar.

Em resumo

A digitação por voz deixou de ser um problema de precisão faz tempo. É um problema de tradução — entre como as pessoas falam e como o texto deveria ser lido — e a transcrição literal deixa essa tradução para você.

Ferramentas que fazem isso por você transformam o ditado de algo que você tentou uma vez em algo que usa todos os dias. Compare as opções no nosso guia de melhor software de ditado.