Como funciona  ·  Pipelines  ·  Comece agora  ·  Arquitetura  ·  Documentação

Sonora é um aplicativo desktop de digitação por voz para Windows. Aperte um atalho global, fale, aperte de novo: o áudio é transcrito por motores em nuvem, opcionalmente refinado, e o texto é colado no campo que estava em foco, em qualquer aplicativo.

A janela principal é o estúdio onde você revisa gravações e ajusta o equipamento. No dia a dia, quem trabalha é o gadget: uma pílula preta, sempre no topo, que só acende quando você está no ar.

Quiet by default. Information appears when needed.

Como funciona

Ctrl + B	Inicia e encerra a gravação, de qualquer aplicativo
Ctrl + Q	Cancela sem gerar texto novo
Ctrl + Shift + B	Comando de voz sobre o texto selecionado

Os atalhos podem ser reconfigurados em Ajustes › Geral, onde também dá para escolher entre apertar ou segurar para falar.

Novidades desta versão

• Ultrarrápido com provedor à escolha: OpenRouter (Groq fixo) ou Groq direto com a sua chave, com o mesmo modelo Whisper, o mesmo vocabulário e o mesmo refino.
• Refinar com IA no Ultrarrápido: uma passada rápida de IA aplica vocabulário, estilo do aplicativo e contexto autorizado ao texto do Whisper. Pode ser desligada em Ajustes › Transcrição.
• Comando de voz (Ctrl+Shift+B): selecione um texto, aperte o atalho e diga o que fazer (“deixa mais formal”, “traduz para inglês”). Sem seleção, o Sonora escreve o que você pedir.
• Segurar para falar: em Ajustes › Geral › Atalhos, escolha entre apertar para alternar ou segurar enquanto fala.
• Snippets no meio da frase: “meu perfil é snippet meu github” expande só o trecho do snippet.
• Vocabulário que aprende: ao corrigir a mesma palavra duas vezes no Histórico, o Sonora oferece guardá-la.
• Histórico explica o que aconteceu: cada ditado mostra o que foi aplicado (IA, vocabulário, style, snippet, offline) e o custo; o topo mostra o total do mês.
• Sem internet: com o modelo local baixado (whisper.cpp), o ditado é transcrito no computador quando todos os provedores falham.
• Atualização automática: novas versões publicadas no GitHub são instaladas ao abrir o app.
• Removido: o caminho legado de motores (Deepgram e motor duplo), que não era mais executado.

Publicar uma versão (atualização automática)

1. Uma única vez: em Settings › Secrets and variables › Actions do repositório, crie TAURI_SIGNING_PRIVATE_KEY (conteúdo da chave privada do updater) e TAURI_SIGNING_PRIVATE_KEY_PASSWORD. A chave pública correspondente está em src-tauri/tauri.conf.json.
2. Suba a versão em package.json, package-lock.json, src-tauri/tauri.conf.json, src-tauri/Cargo.toml e no topo deste README.
3. Crie e envie a tag da versão, por exemplo git tag v2.1.1 && git push origin v2.1.1.

O workflow Release gera o instalador assinado e o latest.json; as instalações existentes encontram a versão nova sozinhas.

Novo na versão 2.0

Sua voz, mais simples. Um retrato curto, suas expressões e hábitos de fala, com medições e configurações nos detalhes. O botão do retrato fica à vista com a quantidade de palavras que falta e é habilitado quando você pode gerar uma nova versão.

Silêncio tratado no computador. Uma gravação claramente sem voz mostra “Nenhuma voz encontrada” na barra e encerra sem enviar áudio nem colar texto. Falas curtas e baixas são preservadas por uma verificação conservadora.

Troca de aplicativo. O ditado usa o campo em foco ao parar, com identificação estável entre a gravação e a entrega, e orienta em português quando o campo muda depois.

Nova identidade. Sonora na interface, no executável e nos instaladores. Seus dados e perfis existentes continuam disponíveis.

→ Mudanças, compatibilidade e atualização da instalação anterior

Pipelines

Escolha o equilíbrio entre velocidade e precisão em Configurações. Cada pipeline aceita um modelo customizado via Google AI Studio ou OpenRouter.

Modo	Fluxo	Sanitizer	Fallback típico
Ultrarrápido	Whisper via OpenRouter STT (Groq) ou Groq direto	—	—
Rápido e preciso	Gemini (Files API ou inline)	—	Whisper (configurável)
Preciso	Whisper ∥ upload → refine Gemini	—	Whisper ou Gemini puro
Ultrapreciso	Whisper ∥ upload → sanitizer → Gemini	JSON	Texto sanitizado ou Whisper

No Ultrarrápido, escolha entre whisper-large-v3-turbo e whisper-large-v3, pelo OpenRouter (Groq fixo) ou direto na Groq com a sua chave. No OpenRouter, Chat Completions multimodal e Speech-to-Text dedicado são roteados separadamente.

Prompt universal. Os modelos Gemini multimodais recebem uma única systemInstruction que trata, trecho a trecho, conversa comum, programação e conteúdo acadêmico. Não é preciso escolher um tipo de conteúdo antes de falar.

FileTagging. Um botão em Configurações converte referências faladas e inequívocas a arquivos em menções como @src/components/Header.tsx. O Sonora prepara a menção no texto; a integração com o IDE ou chat fica a cargo do aplicativo de destino.

O que vem junto

Captura Microfone por atalho global ou pelo botão na interface Normalização sensível a ruído: ganho adaptativo limitado, pausas sem amplificar o ruído de sala, limiter em −3 dBFS e original preservado como .original.wav Captura incremental com limite de 15 minutos e recuperação de áudio interrompido Upload de arquivos de áudio (WAV, MP3 e outros)	Entrega Cola automática no campo focado (clipboard + paste simulado) Verificação do campo de destino antes do paste Se a entrega falhar, o resultado continua no Histórico No gadget, uma falha oferece Regenerar com o áudio já salvo, sem abrir o Histórico
Histórico Local, sem limite artificial, paginado e incremental Modo, modelos, estágios, textos intermediários, fallback e latências de cada ditado Copiar, editar, excluir, retranscrever e avaliar a pronúncia Áudio revelável no Explorer, em uma pasta que você escolhe	Vocabulário e controle Vocabulário estruturado: grafia canônica, aliases, categoria e literais strict Telemetria apenas local: latência por estágio, RTF estimado e throughput Diagnóstico local, backup com áudio opcional e arquivamento Seleção rápida de destino e Style

Comece agora

Requisitos

• Node.js 24 com npm
• Rust 1.97.1 via rustup
• Chaves de API, conforme o pipeline:

Provedor	Usado em
OpenRouter	Obrigatório no Ultrarrápido; também aceita modelos multimodais com áudio e modelos dedicados de transcrição
Google Gemini	Rápido e preciso, Preciso, Ultrapreciso e avaliação de pronúncia
Groq	Preciso, Ultrapreciso, sanitizer e fallback manual

Desenvolvimento

npm install
npm run tauri dev     # app completo
npm run dev           # só a interface, sem o backend nativo

Build de produção

npm run tauri build

O cargo não está no PATH (Windows / PowerShell)?

$env:PATH = "$env:USERPROFILE\.cargo\bin;" + $env:PATH
npm run tauri build

Artefato	Caminho
Executável	src-tauri/target/release/sonora.exe
Instaladores	src-tauri/target/release/bundle/nsis/ e bundle/msi/

Detalhes em BUILD.md.

Primeiro ditado

1. Abra Configurações e salve as chaves de API do pipeline que vai usar.
2. Escolha um pipeline: Ultrarrápido, Rápido e preciso, Preciso ou Ultrapreciso.
3. Clique no campo de texto onde o texto deve chegar e aperte Ctrl + B.
4. Fale. Aperte Ctrl + B de novo para parar: o texto é colado no campo e entra no Histórico.
5. Mudou de ideia? Ctrl + Q cancela sem gerar texto.

Note

A gravação pelo microfone cola no campo focado; o upload de arquivo não cola automaticamente. Arquivos de áudio acima de ~50 MB são rejeitados.

Seus dados

Tudo fica no seu computador, em %APPDATA%\com.haumeavoice.app\: histórico, configurações, chaves e áudios.

• As chaves de API são protegidas pelo DPAPI da sua conta Windows; a interface recebe apenas referências opacas.
• Escritas são atômicas, e itens removidos podem ser recuperados.
• O contexto do navegador só é coletado mediante solicitação vigente, conforme as fontes habilitadas.
• Não há analytics externo.

O identificador interno de dados mantém o nome legado para preservar sua instalação. Para migrar para a pasta Sonora com backup e verificação, siga o procedimento Windows.

Arquitetura

A orquestração vive em módulos dedicados (transcription/, gemini/, contratos e vocabulário), e a tela de Configurações é centrada nos pipelines de produto ativos.

src-tauri/src/
├── audio.rs                 captura do microfone, WAV, clipboard e paste
├── transcription/           modos de produto, legado e telemetria
├── gemini/                  Files API, STT, refine e pronúncia
├── pipeline_contract.rs     TranscriptionMode, configuração e estágios
├── vocabulary.rs            termos estruturados
├── sanitizer_json.rs        parse da saída JSON do sanitizer
├── groq.rs                  Whisper e sanitizer
└── history.rs · settings.rs

src/views/
├── ConfiguracoesView.tsx    pipelines, FileTagging e vocabulário
├── HistoricoView.tsx        lista, detalhes e ações
└── TranscricaoView.tsx      upload de arquivo

Tela	Para quê
Início	Status, contadores e gravação
Transcrição	Upload de arquivo
Histórico	Ditados, métricas, retranscrição e pronúncia
Atalhos	Reconfigurar gravar e cancelar
Configurações	Pipelines, chaves, vocabulário e avançado
Gadget	Pílula compacta, sempre no topo

Camada	Tecnologia
Shell	Tauri 2
Interface	React 18 · TypeScript · Vite 5 · Tailwind CSS 3
Backend	Rust: captura, STT, IPC e sistema operacional
Áudio	cpal (WASAPI no Windows)
STT e LLM	Groq Whisper · Google Gemini · OpenRouter · whisper.cpp local (offline)
Clipboard e paste	arboard · enigo

Testes

cd src-tauri && cargo test

O CI no Windows roda lint, testes de frontend e de UI, build, cargo fmt, clippy e cargo test a cada push. Para a verificação manual, use o checklist.

Correções da auditoria 1.0.34

• Chaves protegidas por DPAPI da conta Windows; somente referências opacas chegam à interface.
• Escritas atômicas, histórico incremental paginado e recuperação de itens removidos.
• Captura incremental com limite de 15 minutos, recuperação de áudio interrompido e cancelamento do processamento de ditados.
• Coleta de contexto do navegador somente por solicitação vigente, conforme as fontes habilitadas.
• Verificação do campo de destino antes do paste; resultado e falha de entrega permanecem disponíveis no Histórico.
• Diagnóstico local, backup com áudio opcional, arquivamento e seleção rápida de destino e Style.
• Dependências corrigidas, permissões separadas por janela e CI Windows com verificações de contratos.

Qualificação e limites em auditoria implementada.

Documentação

Sonora 2.0	Mudanças, compatibilidade e migração da instalação
Build	Gerar executável e instaladores
Recuperação e release	Procedimentos de dados e distribuição
Auditoria implementada	Qualificação e limites da auditoria
Migração da transcrição	Relatório técnico dos pipelines
Checklist manual	Roteiro de verificação
Design	O sistema visual “Estúdio no ar”

Licença

Consulte o repositório para a licença aplicável. Chaves de API e dados de uso são de responsabilidade de quem usa o app.

_{Feito para quem prefere falar a digitar.}