O botão Dictate integrado do Outlook requer o Microsoft 365 e usa o motor de fala mais antigo da Microsoft. O StarWhisper é gratuito, roda localmente, usa o OpenAI Whisper para maior precisão e funciona no Outlook clássico, no novo Outlook e no Outlook na web.
Funciona no Outlook clássico, no novo Outlook e no Outlook na web.
Baixe o StarWhisper na página inicial ou na Microsoft Store. O instalador tem cerca de 200 MB no primeiro lançamento porque inclui o modelo Whisper. Sem cadastro de conta, sem cartão de crédito, sem necessidade de nuvem. Após a instalação, inicie o aplicativo uma vez e conclua a configuração de 30 segundos (microfone padrão, escolha da tecla de atalho, aceite os padrões para o resto). O aplicativo então fica na bandeja do sistema e não atrapalha.
Inicie o Outlook que você usa: desktop clássico, novo Outlook (a versão UWP reconstruída) ou Outlook na web em um navegador. Clique em Novo E-mail (ou Ctrl+N) para abrir uma janela de composição. Isso funciona da mesma forma para respostas e encaminhamentos. Você não precisa ativar nada dentro do próprio Outlook, sem suplementos, sem configurações, sem botões. O StarWhisper opera totalmente fora do Outlook.
Coloque o cursor dentro do corpo da mensagem, exatamente onde deseja que o texto ditado apareça. Você também pode ditar na linha do Assunto, nos campos Para/Cc/Bcc ou em qualquer outra entrada de texto no Outlook clicando lá primeiro. A regra é simples: onde quer que o cursor do teclado esteja, é ali que o StarWhisper digitará. É por isso que funciona igualmente bem nas versões clássica, nova e web do Outlook.
Pressione e segure a tecla de atalho padrão (Right Alt). Um pequeno indicador de gravação aparece no canto da tela. Fale o e-mail naturalmente. Você pode dizer "vírgula", "ponto", "novo parágrafo", "ponto de interrogação", ou apenas deixar o motor pontuar a partir da entonação, o que o Whisper faz bem. Quanto mais curta e natural for a fala, melhor a transcrição, mas ele também lida com longos monólogos.
Solte a tecla de atalho. Em um ou dois segundos (menos se você tiver uma GPU), a transcrição aparece no corpo do Outlook, digitada como entrada do teclado. Leia, corrija o erro raro e clique em Enviar. Você também pode continuar segurando para adicionar blocos adicionais de ditado para incluir parágrafos conforme avança, ou misturar ditado com digitação normal para partes técnicas (números de modelo, URLs) em que a voz não é boa.
Maior precisão, sem assinatura, funciona em mais lugares.
O botão Dictate do Outlook só aparece em contas de assinatura do Microsoft 365 e licenças perpétuas recentes. O StarWhisper não tem nenhuma dependência da Microsoft. O Outlook gratuito na web, um Outlook 2016 mais antigo ou qualquer nível do 365 obtêm o mesmo ditado.
O Whisper apresenta cerca de 98% de precisão em testes de referência. O Microsoft Speech (usado pelo Outlook Dictate) fica mais próximo de 88% a 92%, dependendo do sotaque e vocabulário. A diferença é mais evidente em inglês com sotaque, nomes, termos técnicos e falas mais longas. Detalhes de precisão.
As três versões do Outlook estão divergindo agora. O botão Dictate da Microsoft é mais confiável no cliente clássico e na web do 365. O StarWhisper funciona de forma idêntica em todos os três porque digita na camada do sistema operacional, não como um suplemento do Outlook.
O Whisper suporta 96 idiomas e detecta automaticamente qual você está falando. Responda em inglês, depois imediatamente em alemão, depois em japonês, sem precisar mudar as configurações. Útil para equipes internacionais de suporte, vendas e recrutamento.
O Modo Local do StarWhisper processa o áudio inteiramente em sua CPU ou GPU. O áudio nunca sai da máquina. Útil para contextos de conformidade (jurídico, médico, RH), para trabalhar em aviões ou áreas com baixo sinal, ou para estações de trabalho compartilhadas onde o áudio de saída é restrito. Detalhes de privacidade.
A mesma instalação dita no Word, Excel, Teams, navegadores, Slack, Notion e em qualquer outro campo de texto do Windows. Cobertura universal do aplicativo.
A Microsoft adicionou um botão Dictate ao Outlook por volta de 2018 e o melhorou incrementalmente desde então. Funciona. Para mensagens curtas e únicas em um microfone de alta qualidade em uma sala silenciosa, dá conta do recado. Mas existem três problemas persistentes que levam as pessoas a procurar alternativas.
Primeiro, o modelo de fala. A Microsoft usa seu próprio motor de fala, que existe há anos e recebe atualizações constantes, mas pequenas. O OpenAI Whisper, em contraste, foi treinado em 680.000 horas de áudio multilíngue e apresenta cerca de 6 a 10 pontos percentuais a menos na taxa de erro de palavras em conjuntos de testes padrão, com a diferença aumentando em inglês com sotaque, vocabulário técnico, nomes e falas mais longas. Para um Engenheiro de Software ditando um relatório de bug ou um Recrutador ditando anotações sobre o candidato após uma entrevista, essas são exatamente as condições em que o Microsoft Speech tem dificuldades.
Segundo, a barreira da assinatura. O botão Dictate da faixa de opções é um recurso do Microsoft 365. Se você estiver usando uma licença perpétua do Outlook 2019 ou uma versão mais antiga, ele simplesmente não está lá. Se sua organização o mantém em um nível mais barato do 365 ou em uma edição não comercial, o botão também pode estar ausente.
Terceiro, a transição para o novo Outlook. A Microsoft está lançando um novo Outlook baseado em tecnologias web para substituir gradualmente o aplicativo de desktop Win32 clássico. O botão Dictate funciona em ambos, mas o comportamento subjacente é ligeiramente diferente, as teclas de atalho diferem e os suplementos não são transferidos de forma limpa. Pessoas em organizações com versões mistas acabam com um comportamento de ditado inconsistente. O StarWhisper evita tudo isso porque não faz parte do Outlook; ele digita no campo de texto ativo no nível do sistema operacional.
Taxa de erro de palavras aproximada (menor é melhor) em condições comuns de ditado de e-mail:
| Condição | Microsoft Dictate | StarWhisper (Whisper) |
|---|---|---|
| Inglês nativo, sala silenciosa, microfone de headset | ~5% WER | ~2% WER |
| Inglês nativo, microfone do laptop, ruído de escritório | ~10% WER | ~4% WER |
| Inglês com sotaque (indiano, chinês, leste-europeu) | ~15-22% WER | ~5-8% WER |
| Vocabulário técnico (números de modelo, jargão, acrônimos) | ~18% WER | ~6% WER |
| Texto longo (3+ parágrafos) | ~12% WER | ~3% WER |
| Idiomas além do inglês (Alemão, Espanhol, Francês, Japonês) | ~12-25% | ~3-7% |
Os números são aproximados e variam de acordo com o microfone, o ambiente e o conteúdo. O padrão se mantém nas condições que mais importam para o ditado de e-mails: mensagens mais longas, conteúdo técnico e falantes com sotaque.
O StarWhisper não tem um conceito especial de "campos do Outlook", o que faz com que isso funcione de forma simples. Onde quer que o cursor do teclado esteja, é ali que o texto transcritado aparecerá. Alguns padrões práticos:
Clique no campo Assunto. Segure a tecla de atalho. Diga o assunto. Solte. Pronto. Os assuntos costumam ser curtos, então o ditado é concluído quase instantaneamente.
Clique no corpo. Segure e dite a mensagem inteira de uma vez, ou em vários blocos. Você pode pensar entre os blocos; o motor processa cada bloco independentemente quando você solta a tecla de atalho. Misture ditado com digitação normal para trechos que são difíceis de dizer (URLs, códigos, configurações técnicas).
Menos útil porque o preenchimento automático do Outlook é rápido para contatos conhecidos. Mas você pode ditar endereços e, em seguida, deixar o preenchimento automático assumir o controle após as primeiras letras aparecerem.
O mesmo fluxo de uma nova mensagem. Clique no corpo da resposta acima do texto citado, dicte e envie. O tópico citado não é afetado.
A mesma tecla de atalho dita em uma descrição de convite de calendário, no aplicativo Notas, no OneNote, no chat do Teams ou em qualquer outra entrada de texto da Microsoft. Não há nenhuma integração especial; simplesmente funciona porque todos os campos do Outlook são entradas de texto do Windows por baixo dos panos.
O ditado de e-mail fica interessante para pessoas que trabalham em vários idiomas. Um Recrutador em Berlim pode responder a um gerente de contratação alemão em alemão, depois a um candidato falante de inglês em inglês, e depois a um candidato japonês em japonês, tudo na mesma manhã. Com o Microsoft Dictate, é necessário mudar manualmente o idioma de ditado todas as vezes. Com a detecção automática do Whisper, simplesmente funciona.
Idiomas fortes em que a precisão do Whisper é aproximadamente comparável ao inglês nativo: Alemão, Espanhol, Francês, Italiano, Português, Holandês, Polonês, Japonês, Mandarim, Coreano, Russo, Árabe, Turco, Hindi, Sueco, Dinamarquês, Norueguês e Finlandês. A página multilíngue cobre a lista completa. Idiomas menos comuns também funcionam, mas a precisão varia mais.
Para equipes de vendas que escrevem para clientes internacionais, o guia de voz para texto para representantes de vendas tem mais sobre comunicação multilíngue. Para equipes de RH que realizam recrutamento internacional, a página de voz para texto para gerentes de RH cobre os fluxos de trabalho de comunicação com candidatos.
O conteúdo do e-mail costuma ser confidencial: comunicações com clientes, assuntos de RH, aconselhamento jurídico, detalhes financeiros, tickets de suporte ao cliente com dados pessoais. O Modo Local padrão do StarWhisper significa que o áudio que você fala nunca sai do dispositivo. A transcrição é feita localmente na CPU ou GPU, o texto entra no Outlook, fim do processo. Nenhum serviço de terceiros mantém uma gravação sua discutindo um negócio ou um assunto de pessoal.
Em comparação com serviços de ditado em nuvem que enviam o áudio para uma API de transcrição. Até mesmo o Microsoft Dictate envia o áudio para a nuvem da Microsoft para processamento em algumas configurações. Para organizações sujeitas a HIPAA, regras de privilégio advogado-cliente, preocupações com o GDPR ou políticas internas de residência de dados, o ditado apenas local é muito mais fácil de defender em uma auditoria. O FAQ sobre HIPAA explica a arquitetura específica e o que isso significa para informações de saúde protegidas.
Para obter detalhes mais profundos sobre o caminho do áudio e as escolhas de arquitetura por trás do Modo Local, consulte o FAQ do Whisper local vs nuvem.
A velocidade média de digitação é de cerca de 40 palavras por minuto. A velocidade média de fala confortável é de 130 a 150 palavras por minuto. Na prática, o ditado não produz uma melhoria de 3 a 4 vezes porque você tem que pensar no que dizer e gasta algum tempo corrigindo erros, mas um aumento de velocidade realista de 1,5 a 2,5 vezes é comum para e-mails longos. Onde a economia realmente aparece é na fadiga: ditar por uma hora é muito menos fisicamente cansativo do que digitar por uma hora, especialmente para pessoas que lidam com dor no pulso ou ombro.
Para profissionais que respondem a grandes volumes de e-mails, os 30 a 60 minutos por dia economizados com o ditado se acumulam rapidamente. Para representantes de vendas que respondem a clientes em trânsito (em um laptop, no carro, no trem), o ganho de produtividade é ainda mais claro. Para pessoas em fisioterapia para LER (Lesões por Esforços Repetitivos), a mudança para o ditado costuma fazer parte do protocolo de recuperação padrão; consulte o guia de voz para texto para túnel cárpico para saber mais.
A referência completa de ditado para cada superfície e campo do Outlook.
Use a mesma tecla de atalho no Outlook, navegadores, ferramentas de chat, CRMs e outros aplicativos do Windows.
Maior volume de respostas, comunicação mais rápida, atualizações de CRM sem usar as mãos.