Programar por voz com IA significa falar as suas instruções para um agente de código e deixar o agente escrever o código, em vez de digitar cada prompt. Funciona porque bons prompts são longos: o contexto, a restrição, o caso extremo de que você acabou de lembrar. Dizer isso em voz alta leva segundos. No AgentVera, o compositor de cada agente tem um botão de microfone que transcreve a sua fala localmente com o Whisper, coloca o texto na caixa para você corrigir e envia quando você estiver pronto.
Este post mostra por que a voz combina com o trabalho com agentes, como o ditado funciona no AgentVera e hábitos que fazem os prompts falados acertarem o alvo.
Por que a voz combina com agentes de código
A programação por voz clássica significava ditar sintaxe: “abre parênteses, const, x, igual”. Isso nunca pegou para a maioria das pessoas. Os agentes de código mudam o trabalho. Você não digita mais o código; você descreve a mudança, e descrever é justamente o que a fala faz bem.
| Digitar um prompt | Falar um prompt | |
|---|---|---|
| Contexto longo | Dá vontade de encurtar | Fácil de incluir |
| Velocidade | A sua velocidade de digitação | Em geral mais rápido do que digitar |
| Mãos | No teclado | Livres para rolar, apontar, rabiscar |
| Precisão | Nomes e caminhos exatos | Nomes podem precisar de um ajuste rápido |
| Melhor para | Comandos curtos e exatos | Explicar a intenção, revisar em voz alta |
O ponto fraco é a precisão. O reconhecimento de fala pode entender errado o nome de uma função ou o caminho de um arquivo. É por isso que o ditado no AgentVera coloca o texto na caixa primeiro, em vez de enviá-lo direto.
Como o ditado funciona no AgentVera
O AgentVera é um app desktop para macOS, Windows e Linux que roda CLIs de agentes de código lado a lado. Cada agente tem um compositor, a caixa de entrada abaixo do terminal dele, e o compositor tem um botão de microfone com a dica Dictate (local Whisper).
Passos
- Clique no botão de microfone no compositor de um agente.
- Fale o seu prompt.
- Clique de novo (Stop recording and transcribe). O botão mostra Transcribing… enquanto trabalha.
- O texto aparece na posição do cursor no compositor.
- Corrija qualquer nome ou caminho entendido errado e envie.
Se você não disse nada, aparece “No speech detected.” e nada é inserido. Como o texto entra onde está o cursor, você pode digitar a parte exata (por exemplo, o caminho de um arquivo) e falar o resto em volta dela.
Whisper local, nada enviado a um servidor
A transcrição roda no seu próprio computador com o whisper.cpp. A sua gravação não é enviada para lugar nenhum, e o arquivo de áudio temporário é apagado depois de transcrito. Só o texto que você envia chega ao agente.
| Pergunta | Resposta |
|---|---|
| Motor | whisper.cpp (whisper-cli) na sua máquina |
| Configuração | O app empacotado já vem com o whisper-cli e o modelo small |
| Nenhum modelo encontrado | O AgentVera oferece baixar o modelo base, cerca de 142 MB, uma vez |
| Idioma | O idioma da interface do app, inglês ou turco |
| Hardware | Usa Metal no macOS; em máquinas x64, a build incluída precisa de uma CPU com AVX2 |
| Preço | Parte do plano gratuito |
Se você já tem o whisper.cpp instalado e ele está no seu PATH, o AgentVera pode usá-lo. Quando há um modelo small e um base, ele prefere o small, que é mais preciso.
Funciona com qualquer agente
O botão de microfone fica no compositor, não dentro de uma CLI específica, então o mesmo ditado funciona para o Claude Code, o Codex, o Gemini CLI e qualquer outro agente que você rode. As outras ferramentas do compositor continuam valendo: as setas trazem de volta prompts anteriores, os rascunhos ficam guardados e você pode colocar um prompt na fila enquanto o agente está ocupado.
Primeira configuração e solução de problemas
Na primeira vez que você clica no microfone, o seu sistema operacional pergunta se o AgentVera pode usar o microfone. Permita. Se nenhum modelo de fala for encontrado, o AgentVera pergunta Download the speech model? e explica que o modelo base do whisper.cpp (cerca de 142 MB) vai para a pasta de dados do AgentVera. Escolha Download model e o compositor mostra o progresso em porcentagem. Depois disso, o ditado funciona offline.
| O que você vê | O que fazer |
|---|---|
| Could not open the microphone | Dê acesso ao microfone para o AgentVera nas configurações do sistema e tente de novo |
| No speech detected. | Confira o dispositivo de entrada, fale um pouco mais perto e grave de novo |
| whisper.cpp not found | Fora do app empacotado, instale o whisper.cpp: brew install whisper-cpp no macOS, um pacote de release no Windows, o seu gerenciador de pacotes no Linux, com o whisper-cli no seu PATH |
| The recording is invalid or too long | Divida um prompt muito longo em duas gravações |
| Idioma errado no texto | Troque o idioma da interface do app para o que você fala |
Programar por voz pelo celular
O app de celular do AgentVera para iOS e Android se conecta ao seu computador, e a tela de Chat também tem ditado: você pode falar por até 60 segundos. O áudio é transcrito no seu computador, em memória, sem ser gravado em disco. Isso ajuda quando um agente faz uma pergunta enquanto você está longe da mesa; veja o app de celular do Claude Code para a configuração remota completa. Se você guia os agentes pelo Telegram, note que mensagens de voz não são suportadas lá; digite a sua resposta. Mais em controlar o Claude Code pelo Telegram.
Como escrever prompts por voz
Falar um prompt é diferente de digitá-lo. Estes hábitos ajudam:
- Diga o objetivo primeiro. “Quero que o formulário de cadastro mostre uma dica de força de senha.” Depois, os detalhes.
- Diga o lugar. “No componente da página de cadastro, abaixo do campo de senha.” Se o nome exato do arquivo importa, digite-o no texto depois de ditar.
- Acrescente a restrição que você esqueceria de digitar. “Não adicione uma dependência nova e mantenha a validação atual.”
- Diga como conferir. “Rode os testes do formulário quando terminar.”
- Leia antes de enviar. Uma olhada pega a palavra entendida errado.
Um prompt falado muitas vezes sai mais longo e completo do que um digitado, e é essa a ideia: agentes se saem melhor com contexto. Como fazer vibe coding traz mais sobre prompts que mantêm um agente no rumo.
Bons momentos para a voz
- Revisar um diff. Role pelas mudanças e diga o que corrigir enquanto avança.
- Explicar um bug. Descreva o que você viu, o que esperava e o que já tentou.
- Planejar. Fale sobre uma funcionalidade e peça ao agente para transformá-la em passos antes de escrever código.
- Sessões longas. Dê uma pausa para as mãos.
Quando digitar
- Identificadores, comandos e caminhos exatos.
- Comandos curtos como
/compactou uma resposta de uma palavra. - Espaços compartilhados onde falar em voz alta é constrangedor.
Checklist rápido
- O AgentVera tem permissão para usar o microfone.
- O idioma da interface é o mesmo que você fala.
- O modelo de fala foi baixado, ou o incluído está no lugar.
- Você lê o texto antes de enviar.
Baixe o AgentVera para falar com os seus agentes, ou leia mais na página de ditado por voz.