Resumo Rápido
Antes de sair procurando fone de ouvido, procure a transcrição. O WhatsApp consegue transcrever mensagens de voz direto no celular, desde que o recurso esteja ativado nas configurações de conversa e o pacote de idioma já tenha sido baixado — mas ter ou não essa opção depende do seu celular, da versão do sistema operacional e do idioma usado. No Telegram, a transcrição é um recurso pago, e a qualidade varia bastante de um idioma para outro. Nos dois casos, é só um apoio de leitura. Se você precisa guardar, agir ou repassar a mensagem, exporte o áudio e faça uma transcrição de verdade.
A mensagem de voz sempre chega na hora errada. Você está no quarto minuto de uma reunião, ou dentro de um vagão de metrô silencioso, ou o bebê finalmente pegou no sono no quarto ao lado e o celular está no silencioso por um bom motivo. Alguém mandou cinquenta e oito segundos de fala e você não tem a menor ideia do que tem ali dentro.
Existem duas respostas possíveis, e vale saber qual delas você precisa antes de começar a tocar em qualquer botão. Na maioria das vezes, você só quer entender o assunto rapidamente, e o seu celular pode já ser capaz de fazer isso. De vez em quando, porém, a mensagem traz algo que você vai precisar depois, e aí o trabalho é outro, com outra ferramenta.
Primeiro, veja se a transcrição já está disponível
Antes de procurar qualquer outra solução, veja se o próprio aplicativo já te entrega o texto. Tanto o WhatsApp quanto o Telegram fazem isso, sob certas condições, e se você estiver dentro dessas condições, o problema todo se resolve em cerca de cinco segundos.
Se nada aparecer, não perca tempo de reunião caçando opção em menu. Ou o recurso não está disponível para você, ou ele precisa ser configurado — e nenhuma das duas coisas é algo que você quer fazer com um dedo só, escondido embaixo da mesa. Siga adiante: silencie a notificação e resolva isso depois.
A transcrição do WhatsApp, e por que você pode não ter esse recurso
O WhatsApp adicionou sua própria transcrição de mensagens de voz, e ela funciona direto no celular, sem passar por um servidor. Você ativa o recurso nas configurações de conversa do WhatsApp, e na primeira vez que for usar, o pacote de idioma precisa ser baixado antes de qualquer coisa acontecer — por isso a primeira transcrição sempre demora mais do que as próximas.
A parte complicada é a disponibilidade. Ter ou não essa opção depende do seu celular, da versão do sistema operacional instalada e do idioma que você quer transcrever. Esses três fatores se combinam de um jeito que o aplicativo não explica. Um colega pode te mostrar a opção funcionando na tela dele enquanto a sua simplesmente não tem esse recurso, e não existe nenhum aviso no aplicativo dizendo por quê. Se você já procurou nas configurações de conversa e não encontrou, essa é a resposta por agora. Não é algo que você fez de errado.
Como o processo roda no próprio aparelho, a transcrição também fica só ali. Isso é ótimo para a privacidade, mas ruim para qualquer outra coisa que você queira fazer com esse texto depois.
O Telegram, e o problema do idioma
O Telegram também transcreve mensagens de voz, mas isso faz parte da assinatura premium. Quem não paga, não tem acesso.
Para quem assina, é preciso saber que a qualidade varia muito dependendo do idioma da mensagem. Alguns idiomas saem bons o suficiente para uma leitura rápida. Outros voltam como algo que você precisa reconstruir usando o contexto, o que acaba sendo mais lento do que simplesmente ter escutado o áudio. Não tem como saber de antemão em qual grupo o seu idioma vai cair — a única forma é testar em uma mensagem que você também possa confirmar de ouvido, uma vez, e ver o quão perto o resultado chegou.
Ler é mais discreto do que ouvir
Deixando a precisão de lado por um momento: existe um motivo social para preferir o texto, que não tem nada a ver com a qualidade da transcrição.
Levantar o celular até o ouvido numa reunião chama atenção. O mesmo vale para um alto-falante discretamente inclinado, ou para pescar um único fone de ouvido no bolso. Já olhar rapidamente para um texto na tela não chama atenção nenhuma. Todo mundo na sala já assume que você de vez em quando olha o celular. Ler três linhas de uma transcrição se encaixa nessa expectativa; tocar um áudio, não.
O mesmo raciocínio vale ao contrário, num apartamento com uma criança dormindo ou num escritório compartilhado onde o som se propaga fácil. Uma transcrição não precisa de fone de ouvido, não precisa de volume e não exige que você saia da sala. Mesmo uma transcrição imperfeita costuma te dizer se a mensagem pode esperar mais uma hora.
Quando você precisa de mais do que um apoio de leitura
Uma transcrição embutida no aplicativo é exatamente isso: um apoio de leitura. Você consegue olhar para ela. Mas, em geral, não consegue exportá-la de forma limpa, não consegue buscar em todas as suas conversas por uma frase que alguém falou num áudio de março passado, e não consegue corrigir a palavra errada de um jeito que fique salvo. É texto na tela, não um documento que você guarda.
Para a maioria das mensagens, isso já é suficiente. Alguém avisou que está atrasado. Você lê, entende e segue com a vida. Mas alguns áudios trazem coisas que você vai precisar de novo: um endereço, uma decisão, um conjunto de instruções, um preço que alguém combinou de viva voz. Nesses casos, o certo é salvar o áudio da conversa e transcrever de verdade, o que te dá um arquivo de texto feito a partir do áudio — algo que você pode editar, buscar, colar num e-mail e enviar para alguém que nem participou da conversa.
É esse o trabalho que o aplicativo de transcrição SozAI faz: arquivos de áudio e vídeo transformados em texto, com identificação de quem está falando, resumos e tradução em mais de 99 idiomas — o que importa quando o áudio não está no idioma configurado no seu celular. Ele funciona em iOS, Android e macOS, então você pode usá-lo no mesmo celular onde a mensagem chegou. São mais passos do que simplesmente tocar em uma transcrição dentro da conversa, e para uma mensagem que só diz “já estou chegando”, isso seria perda de tempo.
Onde essas transcrições falham
A transcrição embutida é mais fraca justamente nas partes da mensagem que valiam a pena ser lidas com atenção. Nomes de pessoas saem deformados, principalmente nomes que o celular nunca viu antes. Nomes de lugares são substituídos por palavras comuns que têm som parecido. Os números são pouco confiáveis de um jeito realmente perigoso, porque um dígito errado ainda parece uma frase perfeitamente plausível, sem nenhum sinal de que algo está errado. Se a mensagem contém um número de telefone, uma senha de portão, um horário de voo ou um valor em dinheiro, trate a transcrição como uma pista e escute essa parte específica quando puder.
A outra fragilidade constante é o idioma. Qualquer coisa que não seja o idioma configurado no celular sai pior, e uma mensagem que alterna entre dois idiomas no meio da frase — que é como muita gente realmente fala — costuma sair ainda piorpior.
Onde essas transcrições realmente funcionam bem é na triagem. Isso é urgente? Isso é sobre o assunto que eu estou pensando? Pode esperar até eu sair daqui? Elas respondem bem a essas perguntas, e respondem em silêncio, que é justamente o ponto quando você não pode tocar o áudio. Só não tome uma decisão baseada num detalhe específico que você só leu, sem ter escutado, quando errar esse detalhe puder te custar algo.
