Transcrição offline que nunca envia o seu áudio

Transcrição offline quer dizer que o reconhecimento de fala roda no aparelho que guarda o áudio. Não é “criptografado em trânsito”. Não é “apagado em 30 dias”. A gravação nunca é enviada, porque o trabalho acontece onde ela já está. O Kaseta transcreve 99 idiomas assim, no iPhone – modelos baixados uma vez, depois reconhecimento no celular quando você toca em Parar –, e a diferença para um serviço de nuvem não é uma promessa. É uma requisição de rede que não existe.

Três coisas que offline tem que significar

Funciona com os rádios desligados. Não tem conta, porque conta pressupõe um servidor que conhece você. E nada fica na fila para subir quietinho depois, quando o Wi-Fi voltar. Faltando qualquer uma das três, “offline” é um modo, não uma arquitetura. O reconhecimento do Kaseta não tem servidor por trás, o que é uma afirmação mais forte do que a promessa de não usar um: os modelos ficam no celular depois de um download único, e o áudio não tem para onde ir.

O que está rodando no celular, na prática

Modelos de reconhecimento de fala, baixados uma vez e executados pelo hardware do próprio aparelho. O Rápido é o do dia a dia; o Qualidade é um modelo maior, para áudio difícil, com cota mensal no plano gratuito e nenhuma no Pro. Os dois vivem no dispositivo depois de baixados, e se o Qualidade está disponível depende do iPhone. Nenhum dos dois conversa com casa, que é também o motivo de o app não ter nada de útil para registrar sobre você.

O que isso custa a você

Balanço honesto. Arquivos longos consomem tempo real e bateria real, e um iPhone de cinco anos atrás vai ser mais lento nisso do que um atual. Não existe painel na web, nem espaço compartilhado com o time, nem bot que entra nas suas reuniões – uma chamada com participantes remotos só chega ao celular como aquilo que as caixas da sala reproduzem. E o plano gratuito transcreve os primeiros 5 minutos de cada gravação, embora a gravação em si nunca seja cortada – o áudio continua e é salvo por inteiro.

Quando um serviço de nuvem é a ferramenta certa

• Reuniões com um time. Otter e Notta mandam um bot para a chamada, pegam o áudio dela na fonte em vez de por um microfone numa sala, e dão a todo mundo um acervo compartilhado que dá para buscar. É um produto genuinamente diferente, e se é disso que você precisa, no dispositivo é o formato errado.
• Um acervo grande num computador. Centenas de horas de entrevista processam mais rápido num desktop, e um Whisper local ali é gratuito e igualmente offline. O celular é a ferramenta certa para a gravação que você acabou de fazer, não para o arquivo morto.
• Trabalhar no texto a várias mãos. Se três pessoas precisam editar a transcrição ao mesmo tempo, você quer algo com servidor dentro. Nós não temos, de propósito.

Por que não tem assinatura

O custo de um serviço de transcrição na nuvem cresce com os seus minutos, então ele cobra por minuto. Os nossos não existem, então não há o que medir. O Pro é US$ 19,99 por ano ou US$ 39,99 uma vez, e a versão de pagamento único é o ponto, não um upsell.

Em seguida: como transcrever áudio em texto é a versão prática desta página, e a página inicial tem a versão curta do mesmo argumento.