Reconhecimento de voz no Linux: 14 programas que realmente funcionam (2026)
Escrito por Futsy, fundador do Vibe Typer
Antes de tudo, um aviso necessário em português: este guia é sobre voz para texto. Você fala e o computador escreve. Não é texto para voz, não é leitor de tela e não é sintetizador. Uma busca por "reconhecimento de voz" devolve as duas coisas misturadas, além de programas de comando por voz, então, se é o contrário que você procura, esta não é a sua página.
A maioria das listas de "melhores programas de ditado" é escrita para Windows e Mac, e o Linux é enfiado no fim por alguém que nunca usou Linux. Aqui é o contrário: toda ferramenta abaixo tem uma versão de verdade para Linux, e a coluna que mais importa é o Wayland, porque é ali que a maior parte delas falha em silêncio.
Uma dessas ferramentas é nossa, então pese as recomendações com isso em mente.
Resumo rápido
- Quer que funcione sem configurar nada → Vibe Typer. Um AppImage, nativo no Wayland e no X11, na nuvem.
- Está no Wayland e sem paciência → Vibe Typer. Ele digita de forma nativa no Wayland, sem montar nada com
ydotool. - Escreve em mais de um idioma → Vibe Typer. 99 idiomas, detecção automática, nenhum download.
- Dita prompts para assistentes de código → Vibe Typer. Cola do jeito certo em cada aplicativo e é seguro no terminal, inclusive no Claude Code e no Codex.
Por que ditar no Linux é mais difícil do que deveria
Ditar tem duas metades: transformar a fala em texto e colocar esse texto dentro do aplicativo que está na sua frente. A primeira está resolvida. O Whisper deixou a transcrição de qualidade de graça. É na segunda que as ferramentas de Linux empacam.
No X11, qualquer processo pode injetar teclas em qualquer janela. É isso que o xdotool faz, e é por isso que quase todo programa de ditado para Linux anterior a 2022 assumia X11 e funcionava sem problema.
O Wayland tirou isso de propósito. Um cliente Wayland não pode injetar eventos de entrada em outro cliente; esse era o objetivo inteiro do modelo de segurança. Então ferramentas construídas em cima do xdotool ou do XTestFakeKeyEvent não degradam aos poucos. Elas simplesmente não fazem nada, e em geral sem nenhuma mensagem de erro. As alternativas são o ydotool, que exige um daemon uinput e muitas vezes um reboot, o dotool ou o wtype, e este último não funciona no GNOME, porque o GNOME não implementa o protocolo de teclado virtual de que ele precisa.
É por isso que a coluna honesta abaixo se chama "Wayland" e não "Linux". O Ubuntu usa Wayland por padrão desde a 22.04 e o Fedora desde a 25. Se uma ferramenta anuncia "suporte a Linux" e quer dizer X11, uma atualização de distribuição pode quebrar seu ditado sem avisar.
O comparativo
| Ferramenta | Wayland | X11 | Instalação | Licença | Preço |
|---|---|---|---|---|---|
| Vibe Typer | Nativo | Nativo | AppImage | Proprietário | Plano gratuito, US$ 8/mês no plano anual |
| Vocalinux | Sim | Sim | Script de uma linha | AGPL-3.0 | Grátis |
| VOXD | Sim (com ydotool) | Sim | .deb / .rpm / .pkg | MIT | Grátis |
| Handy | Parcial | Sim | AppImage | MIT | Grátis |
| nerd-dictation | Parcial | Sim | pip + git + modelo | GPL-3.0 | Grátis |
| Talon | Não | Sim | Instalador / zip | Proprietário + Patreon | Grátis |
| OpenWhispr | Parcial | Sim | Aplicativo Electron | Código aberto | Grátis |
| Whispering | Parcial | Sim | Aplicativo de desktop | Código aberto | Grátis |
| Speech Note | Parcial | Sim | Flatpak | Código aberto | Grátis |
| whisper.cpp | Só CLI | Só CLI | Compilar do código-fonte | MIT | Grátis |
| Blahst | Parcial | Sim | Script | Código aberto | Grátis |
| Numen | Sim | n/d | Código-fonte | Código aberto | Grátis |
| VoiceKey | Parcial | Sim | .deb | Proprietário | Pago |
| Ditado no navegador | n/d | n/d | Nenhuma | n/d | Grátis |
"Parcial" quer dizer que funciona, mas precisa de um utilitário auxiliar (ydotool, dotool, wtype) e pode se comportar mal em alguns compositores.
As ferramentas
Vibe Typer
A nossa. Um AppImage portátil, sem repositório, sem dependências, sem modelo para baixar:
chmod +x ~/Downloads/VibeTyper.AppImage
~/Downloads/VibeTyper.AppImage
Se ele está no topo daquela tabela, é por causa da coluna do Wayland. Ele implementa os caminhos de Wayland e X11 de forma nativa em vez de chamar o xdotool, escolhe o certo para sua sessão e leva suas configurações junto se você trocar de uma para a outra. Isso é incomum, e é o motivo mais frequente de as pessoas chegarem aqui depois que outra coisa parou de funcionar.
Você aperta um atalho, fala, e o texto aparece onde está o cursor: terminais, editores, navegadores, chat, e-mail. O Magic Formatter remove pelo caminho os "é", os "tipo" e os "né", os recomeços e as autocorreções, em vez de transcrever tudo ao pé da letra. Selecione qualquer texto e diga "deixe isso mais curto" para reescrever ali mesmo. São 99 idiomas com detecção automática e nenhum download por idioma.
Ele funciona na nuvem, e isso é uma escolha, não uma lacuna. A transcrição roda em grandes modelos de reconhecimento de voz e em hardware feito para velocidade, não na sua CPU. Por isso ele é tão rápido e preciso em um ThinkPad de cinco anos atrás quanto em uma workstation, e por isso não há modelo para baixar. O áudio é processado na memória e descartado, o backend não guarda nenhum cache de transcrição no servidor e nada é treinado com sua voz.
O plano gratuito são 2.000 palavras e 20 operações de IA por mês, sem cartão. O Pro custa US$ 8 por mês no plano anual, ou US$ 10 por mês sem fidelidade.
Ideal para: quem quer ditar em todos os aplicativos já no primeiro dia e não quer ter que manter nada.
Vocalinux
A opção offline mais bem-acabada, pensada para Linux desde o começo. Um comando, e o instalador identifica seu hardware:
curl -fsSL https://raw.githubusercontent.com/jatinkrmalik/vocalinux/main/install.sh -o /tmp/vl.sh && bash /tmp/vl.sh --interactive
Testado no Ubuntu 22.04+, Debian 11+, Fedora 39+, Arch, openSUSE Tumbleweed, Manjaro e EndeavourOS. Funciona tanto no X11 quanto no Wayland, o que o coloca em um grupo bem pequeno. O padrão é whisper.cpp com Vulkan, o que dá suporte a placas de vídeo de vários fabricantes, e ele também aceita Whisper, VOSK ou uma API remota que você controle. Sem nuvem, sem telemetria, sem conta. AGPL-3.0, sem versão paga.
VOXD
Ditado local que digita direto na janela em foco, distribuído como pacote nativo de cada distribuição em vez de script:
# Ubuntu / Debian
sudo dpkg -i voxd_*.deb
# Fedora
sudo rpm -i voxd-*.rpm
# Arch
sudo pacman -U voxd-*.pkg.tar.zst
whisper.cpp por baixo, com modelos GGML de 75 MB a 2,9 GB, mais de 99 idiomas e sem exigir placa de vídeo. O autor diz ter testado em Arch/Hyprland, Omarchy 3.0, Ubuntu 24.04 e 25.04, Fedora 42, Pop!_OS 22, Mint 22 e openSUSE Leap 15.6. Pós-processamento opcional com IA local via llama.cpp ou Ollama, ou com um provedor na nuvem, se você preferir. MIT.
O Wayland funciona, mas exige o ydotool e um reboot; o script de instalação cuida disso para você.
Handy
O jeito mais tranquilo de começar com o Whisper local. AppImage para Linux, mais versões para macOS e Windows, licença MIT e desenvolvimento ativo.
Duas famílias de modelos. O Whisper vai do Small ao Large, com aceleração por GPU quando existe. O Parakeet V3 é otimizado para CPU, detecta o idioma sozinho e roda cerca de 5× mais rápido que o tempo real em hardware intermediário. Essa segunda opção é a interessante. Significa ditado offline utilizável em um notebook sem placa de vídeo dedicada.
O ponto fraco é o Wayland. Você vai precisar do wtype ou do dotool, vai ter que definir o atalho no seu ambiente de desktop em vez de dentro do Handy, e a própria documentação do projeto avisa que alguns compositores tratam a janela sobreposta do Handy como a janela ativa, o que pode fazer o texto colado ir parar no lugar errado.
nerd-dictation
O nome que todo mundo cita primeiro nas discussões sobre ditado no Linux, e ainda o mais personalizável. Baseado em VOSK, totalmente offline, sem daemon, e programável a um nível que nenhum outro aqui alcança: dá para reescrever a saída em Python antes de ela ser digitada.
pip3 install vosk
git clone https://github.com/ideasman42/nerd-dictation.git
cd nerd-dictation
wget https://alphacephei.com/kaldi/models/vosk-model-small-en-us-0.15.zip
unzip vosk-model-small-en-us-0.15.zip && mv vosk-model-small-en-us-0.15 model
Precisa de Python 3.6+, de um utilitário de áudio (parec, sox ou pw-cat) e de um simulador de entrada. É nessa última escolha que mora a questão do Wayland: o xdotool é o padrão e só funciona no X11, enquanto ydotool, dotool e wtype cobrem o Wayland com as ressalvas de sempre.
Seja honesto consigo mesmo sobre a troca. Os modelos pequenos do VOSK ficam visivelmente atrás do Whisper em sotaques e ruído de fundo, e sotaque importa muito aqui, porque a maior parte dos modelos pequenos foi treinada com muito menos português brasileiro do que inglês. Também não há limpeza por IA: você recebe uma transcrição fiel, com "né" e tudo. Em troca, você tem controle total e nenhuma dependência de serviços de terceiros. GPL-3.0.
Talon Voice
A única ferramenta aqui que faz o que o Dragon faz. Vai além do ditado. É controle por voz completo, controle por ruído, como clicar com um chiado ou um estalo, rastreamento ocular para posicionar o cursor e uma gramática de comandos programável em Python. Os conjuntos de comandos da comunidade para editores e IDEs são maduros.
Ressalva importante: no Linux, o Talon só funciona no X11. Se você está no Wayland, hoje ele não é a sua ferramenta, e esse é o pedido mais repetido na comunidade dele.
Grátis, com um Patreon opcional para acesso antecipado e suporte prioritário. A curva de aprendizado é íngreme. Você está aprendendo uma linguagem de comandos, não instalando um aplicativo.
OpenWhispr
Um aplicativo de desktop em Electron com suporte a Linux no mesmo nível das outras plataformas. Roda Whisper e NVIDIA Parakeet inteiramente na sua máquina, sem internet. Código aberto, mais de 99 idiomas e atalho global.
Whispering
Código aberto, Whisper local, multiplataforma, com uma interface simples.
Speech Note
flatpak install flathub net.mkiol.SpeechNote
Totalmente offline: voz para texto, texto para voz e tradução automática. A cobertura de idiomas inclui alemão, catalão, coreano, dinamarquês, espanhol, francês, holandês, islandês, italiano, persa, polonês, português, tâmil, tcheco e ucraniano, entre outros. Complementos opcionais de GPU para AMD e NVIDIA.
Uma coisa precisa ficar clara: é antes de tudo um aplicativo de notas. Com um atalho global ele pode digitar na janela em foco, mas no Wayland precisa do serviço ydotool instalado e rodando. Se o objetivo é falar direto no Slack, o Vibe Typer faz isso com um atalho e sem instalar nenhuma ferramenta externa.
whisper.cpp
Não é um aplicativo de ditado, e sim um motor de inferência rápido em C++ para modelos Whisper, e a base de várias ferramentas acima. Montar um ditado em cima dele significa escrever você mesmo o tratamento do atalho, a captura de áudio e a inserção do texto. MIT.
Blahst, Numen, VoiceKey
Três projetos menores que vale conhecer. O Blahst se apoia no whisper.cpp para dar entrada por voz em qualquer campo. O Numen é controle por voz mais do que ditado, pensado para o Wayland desde o início, uma resposta mais leve ao problema que o Talon resolve no X11. O VoiceKey, antigo VoiceHotKey, é um .deb pago para Ubuntu, Debian e Mint.
Ditado no navegador
O Chrome e o Google Docs têm digitação por voz há anos. Só que funciona apenas dentro de uma aba do Chrome: não no seu terminal, não no seu editor, não no Slack de desktop, não no seu cliente de e-mail. Não é um fluxo de trabalho.
Quem deve escolher o quê
"Quero digitar menos e não quero que isso vire um projeto." Vibe Typer. Plano gratuito, um arquivo só, funcionando nos dois protocolos gráficos desde o primeiro dia.
"Estou no Wayland e cansei de coisas que falham em silêncio."
Vibe Typer. Ele digita de forma nativa no Wayland e no X11 e escolhe o caminho certo para sua sessão, então não há instalação de ydotool para montar antes.
"Escrevo em mais de um idioma." Vibe Typer, com 99 idiomas, detecção automática e nenhum download. Se você alterna entre português e inglês no mesmo dia, o caso de quase todo dev brasileiro, a detecção automática é o que evita ficar trocando de modelo. A maioria das ferramentas baseadas em VOSK precisa de um modelo diferente por idioma.
"Dito principalmente prompts para assistentes de código." Vibe Typer. Ele cola do jeito certo em cada aplicativo e é seguro no terminal, então seus prompts chegam inteiros ao Claude Code ou ao Codex.
As ferramentas que não rodam no Linux
Vale registrar, porque a maioria dos comparativos cita essas sem mencionar que não existem para Linux. Conferido com as plataformas que cada fabricante publica:
| Ferramenta | Plataformas que o fabricante lista | Fonte |
|---|---|---|
| Wispr Flow | macOS, Windows, iPhone, Android | wisprflow.ai |
| Superwhisper | macOS, Windows, iOS, Android (Linux só com versões iniciais para Omarchy e sistemas baseados em Arch) | superwhisper.com |
| Aqua Voice | macOS, Windows, iPhone, Android | aquavoice.com |
| Dragon Professional | Só Windows; Wine e máquinas virtuais explicitamente sem suporte | dragon.nuance.com |
| TypeWhisper | macOS, Windows e iOS estáveis; Android em beta | typewhisper.com |
| Soniox Voice Typing | macOS, Windows, iOS, Android | soniox.com |
| SpeechPulse | Windows, macOS (Apple Silicon) | speechpulse.com |
| PulseScribe | macOS, Windows; Linux no roadmap | pulsescribe.me |
| Talkativ | Windows | talkativ.app |
| DictaType | Windows | dictatype.com |
| Spokenly | macOS, iOS | spokenly.app |
| BetterDictation | macOS | betterdictation.com |
| Whispur | macOS | whispur.app |
| EdgeWhisper | macOS (Apple Silicon) | edgewhisper.com |
| VoiceInk | macOS 14.4+ | VoiceInk |
Instalando o Vibe Typer
- Baixe o AppImage na página de downloads.
chmod +x ~/Downloads/VibeTyper.AppImage- Abra e conceda acesso ao microfone.
- Defina um atalho global.
- Clique em qualquer aplicativo e fale.
Visão geral completa em ditado por voz para Linux.
Perguntas frequentes
Qual é o melhor programa de ditado para Linux?
O Vibe Typer, para a maioria das pessoas: não precisa de configuração, funciona no Wayland e no X11 na hora, e o Magic Formatter tira as hesitações e as autocorreções, então o texto chega limpo em qualquer aplicativo, inclusive no terminal.
Existe programa de ditado grátis para Linux?
Existe. O Vibe Typer é grátis para começar, sem cartão: o plano gratuito tem 2.000 palavras e 20 operações de IA por mês, com o Magic Formatter incluído. Vocalinux, VOXD, Handy, nerd-dictation, Whispering e Speech Note são gratuitos e de código aberto.
Quais programas de ditado para Linux funcionam no Wayland?
O Vibe Typer funciona de forma nativa no Wayland, inclusive no GNOME, sem configuração extra, e escolhe o caminho certo para sua sessão. Vocalinux e VOXD também funcionam sem montagem extra. Handy, nerd-dictation, OpenWhispr e Whispering podem funcionar com ydotool, dotool ou wtype, com ressalvas dependendo do seu compositor. O Talon é só X11.
O que acontece com o meu áudio no Vibe Typer?
O Vibe Typer transcreve na nuvem. O áudio é processado na memória e não é armazenado em nossos servidores, o backend não guarda cache de transcrição e nada é treinado com sua voz.
O ditado funciona no terminal do Linux?
Com o Vibe Typer, funciona. O texto vai para onde estiver o cursor, inclusive terminais e editores, e no terminal ele cola com segurança, também no Claude Code e no Codex. O ditado dentro do navegador não consegue fazer isso.
O ditado por voz funciona bem em português?
Com o Vibe Typer, funciona. O português é um dos 99 idiomas com detecção automática, então alternar entre português e inglês no meio do dia não exige trocar nada, e o Magic Formatter tira os "é", os "tipo" e os "né" pelo caminho. Onde o português sofre é nos modelos pequenos do VOSK, treinados com muito menos português do que inglês.
O que é mais preciso, Whisper ou VOSK?
Whisper, com folga, principalmente em sotaques e ruído de fundo. A vantagem do VOSK é ser leve e rodar com tranquilidade em hardware modesto. A maior parte das ferramentas atuais migrou para Whisper ou whisper.cpp; o nerd-dictation é o último reduto do VOSK.
Qual é o melhor programa de ditado para Ubuntu?
Vibe Typer. O Ubuntu usa Wayland por padrão desde a 22.04, e o Vibe Typer roda nele de forma nativa, inclusive no GNOME, com um único AppImage a partir do Ubuntu 22.04. Ele é uma das três ferramentas desta lista que funcionam no Ubuntu sem trabalho prévio.