Pular para o conteúdo

Conversa em tempo real

O modo Conversa transforma o chat em uma ligação: você fala, o agente ouve enquanto você fala, pensa e responde em voz alta. Você pode cortá-lo no meio da frase e continuar falando, como com uma pessoa. Não é ditado (gravar → transcrever → enviar): o áudio viaja nos dois sentidos ao mesmo tempo.

Por dentro ele usa WebRTC com um servidor LiveKit que roda no seu próprio computador, então o áudio não sai da sua máquina além do que o modelo escolhido já faça sair.

  1. Escolha o motor da conversa.

    Vá em Configurações → Conversa por voz e escolha OpenAI Realtime, Gemini Live, Grok Voice (precisam da chave de API) ou Seu modelo do chat, que ouve com o motor de Ditado por voz e responde com a voz de Leitura em voz alta.

    Logo abaixo você escolhe a Personalidade da voz: Neutra, Jarvis (elegante, sereno e eficiente), Próxima, Carinhosa ou Profissional. Só muda o tom; o que ela pode fazer é o mesmo.

    Com OpenAI Realtime, Gemini Live ou Grok Voice, de fábrica quem pensa é o seu modelo do chat: o motor de voz só ouve e fala, e tudo o que você diz vai para o provedor e modelo do chat com suas ferramentas (arquivos, comandos, uso do computador). Se preferir que o modelo de voz responda por conta própria (mais rápido, mas sem ferramentas a não ser quando ele decide pedir ao chat), desmarque «Quem pensa é o seu modelo do chat».

  2. Escolha o microfone.

    No compositor do chat, o seletor de Microfone lista os dispositivos detectados (Padrão do sistema se você não quiser escolher). Se acabou de conectar um fone de ouvido, clique em Detectar novamente.

  3. Escolha a voz com que ele vai responder.

    É a mesma voz da leitura em voz alta (Voz): o motor e a voz configurados ali são os que falam na conversa — Edge TTS, Groq, Kokoro, Pocket ou Chatterbox. Dá para trocar na hora, sem desligar: a frase seguinte já sai com a voz nova.

  4. Clique no botão de conversa no chat («Conversa por voz em tempo real (modo Live)»).

    Desde a 3.6.0 não há nada para baixar: o motor de voz vem dentro do instalador. Inicia em segundos.

  5. Fale.

    O agente cumprimenta com um «Estou ouvindo.» e a conversa começa.

Configurações → Voz → Conversa: o motor, quem pensa e a personalidade da voz (o app aparece em espanhol).
O modo Conversa: estado, ondas e legendas ao vivo do que você diz e do que ele responde.

Com os motores em tempo real (OpenAI Realtime, Gemini Live e Grok Voice), quando você pede algo que exige trabalho de verdade —«revise as mudanças do último commit», «procure no projeto onde se calcula o imposto», «abra o navegador na fatura de hoje»— a voz passa a tarefa para o agente do chat e diz numa frase que já está cuidando disso. O agente trabalha em segundo plano, com seu provedor, modelo, ferramentas e permissões, e a conversa não para: você pode continuar falando ou pedir outra tarefa. Quando termina, a voz conta o resultado na próxima pausa.

Se você desligar ou interromper com uma tarefa em andamento, ela é cancelada e o agente avisa.

Grok Voice usa o grok-voice-3.0 da xAI, uma voz muito expressiva. Precisa de uma chave de API da xAI (Configurações → Provedores → xAI); o login de uma assinatura não serve para voz em tempo real.

No modo Seu modelo do chat, se em Voz você tiver ElevenLabs Scribe como ditado e uma voz da ElevenLabs para «Ler texto», a conversa usa as duas: ouve com o Scribe e responde com a voz da ElevenLabs em streaming. A personalidade escolhida também vale nesse modo.

A janela de conversa vai dizendo em que ponto está:

EstadoO que significa
Conectando ao agente de voz…Iniciando o servidor local e o agente. Alguns segundos.
Ouvindo você…O microfone está aberto e é a sua vez.
Processando…Você terminou de falar e o modelo está pensando.
Falando…O agente está respondendo em voz alta.

Além disso:

  • Legendas ao vivo: o que você diz e o que o agente responde aparecem escritos conforme vão acontecendo, sem esperar o fim da frase.
  • Interrupção por voz: se você começar a falar enquanto o agente fala, ele se cala na hora e passa a ouvir você («Estou a ouvir…»). Não é preciso apertar nada.
  • «Você ainda está aí?»: depois de uns 20 segundos sem você dizer nada, o agente pergunta se você ainda está aí em vez de ficar mudo.
  • Tentar de novo: se a conexão falhar, o painel não fica travado — aparece o botão Tentar de novo.
  • Finalizar encerra a ligação e devolve o chat ao modo normal. O que foi falado fica no chat como qualquer outra mensagem.

Nada para instalar nem para baixar. Desde a 3.6.0 o instalador do Windows, do Linux e do macOS traz dentro todo o motor de voz:

  • O interpretador de Node e o agente de voz empacotados para a sua plataforma.
  • O servidor LiveKit (versão 1.13.7), que escuta na porta 7880 do seu próprio computador.
  • Os modelos: o detector de voz Silero e o detector de fim de turno viajam dentro do pacote. O reconhecimento usa o mesmo Whisper local do ditado.

Por isso o modo Conversa funciona sem conexão com a internet. A única coisa que precisa de rede é o modelo de IA que responde (a menos que você use um local) e, se você escolher Edge TTS ou Groq como voz, a síntese dessa voz.

O que de fato é necessário:

  • Um provedor de IA conectado: o «cérebro» da conversa é o mesmo modelo do chat. Se não houver provedor, o modo voz avisa: «O ditado precisa de um modelo de IA conectado. Conecte um provedor e tente novamente.»
  • Um motor de TTS configurado para a resposta falada — veja Voz.

Funciona nos 17 idiomas da interface: o reconhecimento e o cumprimento seguem o idioma que você tiver definido no app.

«o servidor LiveKit não iniciou» : Clique em Tentar de novo. Se repetir, algo está ocupando a porta 7880 ou um antivírus está bloqueando o binário do servidor; reinicie o aplicativo.

«o agente de voz fechou antes de se registrar» / «o agente de voz não se registrou em 60 s» : Acontecia ao iniciar duas vezes seguidas ou se sobrava um processo órfão de uma tentativa anterior. Encerre a conversa, espere alguns segundos e clique em Tentar de novo; se persistir, reinicie o aplicativo.

«esta plataforma não tem build oficial do livekit-server» : O modo Conversa precisa de um binário oficial do LiveKit para o seu sistema e arquitetura. Nessa máquina continuam disponíveis o ditado e a leitura em voz alta de sempre.

Ativa sozinho com o barulho do teclado : O detector de voz está calibrado para ignorar os cliques de um teclado mecânico (uma palavra real dura mais de 250 ms, um clique não). Se mesmo assim disparar, afaste o microfone do teclado ou use um fone de ouvido com microfone.

O microfone aparece, mas não entra áudio : Microfones «virtuais» (os de uma placa de captura, alguns de software) publicam silêncio. Escolha outro dispositivo no seletor de Microfone. No Windows, se o acesso estiver bloqueado, o app avisa: «O Windows bloqueou o acesso ao microfone. Vá em Configurações → Privacidade e segurança → Microfone…».

Escolhi uma voz do Groq e ele responde com outra voz : Algumas vozes do Groq exigem aceitar os termos no console do Groq antes de poderem ser usadas. Se o motor configurado falhar, o app não desliga a ligação: sintetiza essa frase com Edge TTS para que você possa continuar falando. Aceite os termos na sua conta do Groq e a voz escolhida voltará a soar.

O microfone está em uso por outro aplicativo : Feche-o (outra videochamada costuma ser a culpada) e tente de novo.