Reconhecimento de voz no Linux: 14 programas que realmente funcionam (2026)

4 de ago. de 2026

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. Tentamos merecer sua leitura sendo específicos sobre onde as outras são melhores, e mais abaixo há vários perfis de leitor que não deveriam escolher a nossa.

Resumo rápido

Quer que funcione sem configurar nada → Vibe Typer. Um AppImage, nativo no Wayland e no X11, na nuvem.
Quer offline e fácil → Vocalinux. Instalação com um comando, funciona no X11 e no Wayland, whisper.cpp.
Quer offline, licença MIT e multiplataforma → Handy. Whisper e Parakeet locais. No Wayland, precisa de ajuda.
Quer controlar o computador pela voz, não só digitar → Talon. Atenção: no Linux, só X11.
Quer controle total e gosta de montar as coisas → nerd-dictation.
Está no Wayland e sem paciência → Vibe Typer, Vocalinux ou VOXD. O resto dá trabalho.

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	Offline	Instalação	Licença	Preço
Vibe Typer	Nativo	Nativo	Não	AppImage	Proprietário	Plano gratuito, US$ 8/mês
Vocalinux	Sim	Sim	Sim	Script de uma linha	GPL-3.0	Grátis
VOXD	Sim (com ydotool)	Sim	Sim	.deb / .rpm / .pkg	MIT	Grátis
Handy	Parcial	Sim	Sim	AppImage	MIT	Grátis
nerd-dictation	Parcial	Sim	Sim	pip + git + modelo	GPL-3.0	Grátis
Talon	Não	Sim	Sim	Instalador / zip	Proprietário + Patreon	Grátis
OpenWhispr	Parcial	Sim	Sim	Aplicativo Electron	Código aberto	Grátis
Whispering	Parcial	Sim	Sim	Aplicativo de desktop	Código aberto	Grátis
Speech Note	Independente	Independente	Sim	Flatpak	Código aberto	Grátis
whisper.cpp	Só CLI	Só CLI	Sim	Compilar do código-fonte	MIT	Grátis
Blahst	Parcial	Sim	Sim	Script	Código aberto	Grátis
Numen	Sim	—	Sim	Código-fonte	Código aberto	Grátis
VoiceKey	Parcial	Sim	Não	.deb	Proprietário	Pago
Ditado no navegador	—	—	Não	Nenhuma	—	Grátis

"Independente" quer dizer que a ferramenta transcreve na própria janela em vez de digitar no aplicativo que você está usando. "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 VibeTyper.AppImage
./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.

O porém, dito com todas as letras: ele funciona na nuvem. A transcrição roda no Groq, com o Cloudflare Workers AI como reserva, e não existe modelo local. 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 — mas ele precisa de conexão de rede, e "processado e depois descartado" não é a mesma promessa que "nunca sai da sua máquina". Se você precisa da segunda, pegue o Vocalinux ou o Handy. Sério.

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, e a única ferramenta desta lista pensada para Linux desde o começo em vez de portada para ele. 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. GPL-3.0, sem versão paga.

Ideal para: quem prioriza o offline, mas não quer que isso vire um projeto paralelo. Se a dependência de nuvem do Vibe Typer é o que nos elimina no seu caso, comece por aqui.

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.

Ideal para: quem usa gerenciador de janelas em mosaico e para quem prefere um pacote de verdade a um AppImage.

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: Whisper (do Small ao Large, com aceleração por GPU quando existe) e o Parakeet V3, otimizado para CPU, que 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.

Ideal para: ditado offline no X11, ou no Wayland se você estiver disposto a configurar.

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.

Ideal para: quem quer ser dono de toda a montagem e gosta de configurar.

Talon Voice

A única ferramenta aqui que faz o que o Dragon faz. Não é só ditado: é controle por voz completo, controle por ruído (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 e realmente impressionantes.

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.

Ideal para: usar o computador sem as mãos. Se LER/DORT, uma lesão ou uma deficiência motora fazem do teclado o problema, esta é a resposta séria, e ferramentas só de ditado não substituem.

OpenWhispr

Um aplicativo de desktop em Electron que trata o Linux com a mesma seriedade das outras plataformas, rodando Whisper e NVIDIA Parakeet inteiramente na sua máquina, sem internet. Código aberto, mais de 99 idiomas e atalho global.

Ideal para: quem quer um aplicativo bem-acabado com processamento local e não se incomoda com o peso do Electron.

Whispering

Código aberto, Whisper local, multiplataforma, com uma das interfaces mais acessíveis da categoria. Uma boa próxima parada se o Handy não te agradar.

Speech Note

flatpak install flathub net.mkiol.SpeechNote

Totalmente offline: voz para texto, texto para voz e tradução automática, com boa cobertura multilíngue — 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 um aplicativo de notas independente, não uma ferramenta de digitação para o sistema inteiro. Você dita dentro do Speech Note e copia o texto de lá para onde precisa. Se o objetivo era falar no Slack, este não é o formato certo.

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. Se você veio para montar alguma coisa por conta própria, comece por aqui — e conte com 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 e não custam nada. 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. Serve para um documento longo pontual. 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.

"Meu áudio não pode sair desta máquina de jeito nenhum." Vocalinux se você quer que simplesmente funcione, Handy se você quer licença MIT e multiplataforma, nerd-dictation se você quer controlar cada peça. Vibe Typer não: ele funciona na nuvem, e isso o descarta no seu caso.

"Estou no Wayland e cansei de coisas que falham em silêncio." Vibe Typer, Vocalinux ou VOXD. Esses três resolvem sem que você monte uma instalação de ydotool antes.

"Não consigo usar o teclado." Talon se você estiver no X11, Numen se estiver no Wayland. Ferramentas só de ditado não resolvem esse problema, a nossa inclusive.

"Escrevo em mais de um idioma." Vibe Typer (99 idiomas, detecção automática, sem downloads) ou Speech Note offline. 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." Qualquer uma delas digita em um terminal, mas é nas sessões remotas por SSH que a maioria das montagens falha: teste isso logo, não no meio do expediente.

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, Chrome	wisprflow.ai
Superwhisper	macOS, Windows, iOS — pedido de Linux em aberto	superwhisper.com
Aqua Voice	macOS, Windows	aquavoice.com
Dragon Professional	Só Windows; Wine e máquinas virtuais explicitamente sem suporte	dragon.nuance.com
TypeWhisper	macOS e Windows estáveis; iOS em alfa	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 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?

Para a maioria das pessoas, a escolha está entre o Vibe Typer (sem configuração, funcionando no Wayland e no X11 na hora, na nuvem) e o Vocalinux (offline, instalação com um comando, também dá conta dos dois protocolos gráficos). Se você precisa controlar o computador pela voz e não só digitar, Talon — mas só no X11.

Existe programa de ditado grátis para Linux?

Existe, e vários são realmente bons. Vocalinux, VOXD, Handy, nerd-dictation, Whispering e Speech Note são todos gratuitos e de código aberto. O Vibe Typer tem um plano gratuito de 2.000 palavras por mês.

Quais programas de ditado para Linux funcionam no Wayland?

Vibe Typer, Vocalinux e VOXD funcionam no Wayland 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.

Dá para ditar no Linux sem conexão com a internet?

Dá. Vocalinux, VOXD, Handy, nerd-dictation, Speech Note, OpenWhispr, Whispering e Talon rodam todos localmente. O Vibe Typer não: ele funciona na nuvem.

O ditado funciona no terminal do Linux?

Com uma ferramenta que age no sistema inteiro, funciona: o texto vai para onde estiver o cursor, inclusive terminais e editores. O ditado dentro do navegador não consegue fazer isso.

O ditado por voz funciona bem em português?

O Whisper e o whisper.cpp lidam bem com português brasileiro, inclusive com sotaques regionais, e é isso que a maioria das ferramentas desta lista usa hoje. O ponto fraco são os modelos pequenos do VOSK, que foram treinados com muito menos português do que inglês — se você usa nerd-dictation, baixe o modelo maior de português em vez do "small". O Vibe Typer detecta o idioma automaticamente, então alternar entre português e inglês no meio do dia não exige trocar nada.

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?

Vale a mesma lista curta, mas o Ubuntu usa Wayland por padrão desde a 22.04, então aquela coluna pesa mais do que o normal. Vibe Typer, Vocalinux e VOXD são os três que funcionam no Ubuntu sem trabalho prévio.