Transcript
00:00:00Este é o Handy. É um aplicativo de código aberto de reconhecimento de voz e ditado que roda
00:00:06totalmente offline, sem nuvem, sem assinatura, sem conta, e permite que você escolha seu próprio
00:00:12modelo de ditado favorito. E, honestamente, acho que ele se tornou meu aplicativo de ditado de voz para texto
00:00:18favorito. Neste vídeo, daremos uma olhada no Handy, veremos como ele funciona e faremos
00:00:24alguns testes para ver seu desempenho e como ele se compara a grandes nomes comerciais
00:00:29como o Whisper Flow. Vai ser muito divertido, então vamos lá. Até agora, eu era meio cético
00:00:39com aplicativos de ditado e não conseguia encontrar um que quisesse usar. Não queria usar produtos
00:00:45comerciais e pagar por ditado, e também me preocupava que uma ferramenta de código aberto
00:00:51com um modelo local pudesse sobrecarregar minha CPU. Mas o Handy mudou minha opinião sobre essas duas
00:00:58questões. Primeiro, vamos falar sobre como o Handy é construído e como funciona. Ele foi criado pelo
00:01:04desenvolvedor CJ Pace com Taurai, usando Rust no backend e React com TypeScript para a
00:01:12interface de configurações. O Transcribe CPP roda os modelos da família Whisper nos formatos GGML e GGUF. O Transcribe RS
00:01:20roda o Parakeet. A biblioteca CPAL gerencia a entrada de áudio multiplataforma. O RDEV cuida dos atalhos globais
00:01:28de teclado, e ele usa uma biblioteca chamada Rubato, que fornece streaming de áudio em tempo real e cuida da
00:01:33reamostragem. Essa combinação o torna super fácil e leve de usar, mesmo no meu Macbook.
00:01:40E o fluxo em si é extremamente simples para o usuário. Você define um atalho de teclado personalizado e depois
00:01:46liga/desliga ou segura para falar. Enquanto você segura, há um utilitário
00:01:52chamado Silero VAD, que filtra discretamente o silêncio em segundo plano para você não gastar
00:01:58processamento transcrevendo silêncio. Quando você solta, o Handy envia o áudio para o modelo que você
00:02:04escolheu e cola o texto transcrito diretamente no campo focado naquele momento. Para ser
00:02:11justo, o Handy não é único nesse sentido. Muitos outros aplicativos de ditado no mercado funcionam de forma parecida.
00:02:17Mas o que mais gosto é que você pode escolher o modelo de sua preferência, e cada um dos modelos
00:02:22listados na seção de modelos tem um medidor de velocidade e precisão. É como escolher seu personagem
00:02:28favorito no Mario Kart. Você pode decidir qual métrica é prioridade para você. No meu caso, vi que
00:02:34usar o modelo Parakeet Unified de 600 milhões de parâmetros funciona muito bem para mim, porque o Parakeet roda
00:02:42apenas na CPU. Segundo os próprios números deles, ele roda a cerca de cinco vezes a velocidade do tempo real em um chip
00:02:48i5 intermediário. E meu M2 Max supera muito essa especificação. Então nem percebo quando ele está rodando em
00:02:54segundo plano. E há muitas outras opções para escolher. Eles têm até modelos específicos
00:02:59para um único idioma. Por exemplo, temos alguns em russo, outros em ucraniano. E adoro a honestidade
00:03:05da missão do Handy. O Handy não tenta ser o melhor aplicativo de voz para texto.
00:03:11Ele tenta ser o mais fácil de modificar (forkable). E você pode até colocar seus próprios modelos Whisper
00:03:17GGML ajustados na pasta de modelos do app, reiniciar, e ele aparece como uma opção personalizada.
00:03:23E acho que o maior motivo para eu escolher o Handy em vez de algo como o Whisper Flow a qualquer hora
00:03:28é porque o Handy simplesmente funciona offline, não preciso criar uma conta e não há assinatura.
00:03:34E tenho certeza de que todas as minhas amostras de áudio de ditado ficam na minha máquina e não estão sendo
00:03:40usadas secretamente para treinar outros modelos de voz. Fico muito feliz por termos uma ferramenta de ditado
00:03:46com licença MIT como essa. Tudo isso soa ótimo, mas vamos testar o Handy na prática
00:03:52e ver seu desempenho. Vou comparar o desempenho do Handy com o Whisper Flow e também com o
00:03:58serviço de transcrição do próprio Google, que está disponível aqui no Google Docs. Aqui na página do Google Docs,
00:04:05vou ativar o modo de digitação por voz do Google. Ao mesmo tempo, vou segurar
00:04:11o atalho de transcrição do Handy. Depois, vou falar sobre um assunto qualquer. No final,
00:04:18veremos que tipo de resultado cada serviço nos dá e compararemos os dois.
00:04:26Ontem fui fazer compras e, no caminho de volta para casa, me lembrei de repente que preciso
00:04:34voltar e conectar meu banco de dados SQLite a um serviço COBOL rodando no meu cluster de GPU personalizado.
00:04:43Eu não sabia como fazer isso. Então tive que pedir ajuda. E a única ferramenta em que pensei para me ajudar
00:04:55foi um LLM chamado Grok. Também consegui um pouco de ajuda do ChatGPT. No final,
00:05:04conseguimos colocar uma aplicação funcional para rodar, mas deu um trabalho enorme. Vamos separar esses dois.
00:05:12Como vocês podem ver aqui, o serviço de digitação por voz do Google é muito pior. Não adiciona pontuação.
00:05:20Não sabe como dividir as frases. Não entendeu COBOL corretamente. Não entendeu o banco de dados SQLite
00:05:27corretamente. Nem mesmo a palavra LLM ele acertou. Achou que Grok era “rock”. E este
00:05:35é o meu favorito. Achou que ChatGPT era “Chad GPT”. Chad GPT. Boa. Então, sim. Vocês podem ver claramente
00:05:45que o Handy é muito melhor porque ele adiciona pontuação. Ele reconhece certos termos,
00:05:52e acertou a maioria dos termos técnicos. Agora vamos comparar esse resultado com
00:05:58o Whisper Flow. Vou tentar repetir o mesmo texto o mais fielmente possível para ser justo neste teste.
00:06:08Ontem fui fazer compras e, no caminho de volta, me lembrei de repente que preciso
00:06:16voltar para casa e conectar meu banco de dados SQLite a um serviço COBOL rodando no meu cluster de GPU personalizado.
00:06:26Na verdade, eu não sabia como fazer isso. Tive que pedir ajuda. E a única ferramenta em que pensei
00:06:33que poderia me ajudar foi um LLM chamado Grok. Também consegui um pouco de ajuda do Chad GPT.
00:06:41E, no final, conseguimos colocar uma aplicação funcional para rodar, mas deu um trabalho enorme.
00:06:48Certo. E dá para ver claramente que o Whisper Flow se saiu melhor. Separou as frases corretamente,
00:06:55e acertou todos os termos. Por ser um aplicativo comercial, seria de esperar
00:07:03que fosse melhor do que a ferramenta de código aberto. Mas, honestamente, não há tanta diferença
00:07:09entre este resultado e o do Whisper Flow. Então ainda prefiro usar o Handy só por ser gratuito,
00:07:17privado e de código aberto. Mas o Whisper Flow fez um ótimo trabalho aqui. É um serviço sólido, sem dúvidas.
00:07:25Então é isso, pessoal. Esse é o Handy em poucas palavras. Eu não estava brincando quando disse que
00:07:30ele realmente se tornou minha ferramenta de ditado favorita. E, sinceramente, tenho medo de esquecer como
00:07:36digitar no teclado se começar a usá-lo demais. Mas essas são apenas minhas opiniões e observações.
00:07:42O que vocês acham do Handy? Já experimentaram? Vão usar? Contem para a gente nos comentários
00:07:47aqui embaixo. E pessoal, se gostam desse tipo de análise técnica, deixem o seu apoio
00:07:52clicando no botão de gostei abaixo do vídeo. E também não se esqueçam de se inscrever no nosso canal.
00:07:57Aqui foi o Andres da BetterStack, e vejo vocês nos próximos vídeos!