Se você já gravou uma reunião em Hong Kong e passou o áudio por um aplicativo de transcrição, sabe que o cantonês é um dos idiomas mais difíceis de acertar. Uma frase como "我想去 Causeway Bay 開會 prepare 一下 個 deck" mistura cantonês e inglês em uma única respiração — e é exatamente nessa mistura que a maioria das ferramentas de transcrição mostra seus limites.
Não se trata de um problema raro. O code-switching — alternar entre cantonês e inglês no meio de uma frase — é o registro cotidiano dos negócios, da tecnologia e da vida diária em Hong Kong. É também um dos problemas tecnicamente mais exigentes no reconhecimento de voz em chinês.
Reunimos uma comparação neutra e prática das principais ferramentas de fala para texto em cantonês em 2026 — Google, Apple, Microsoft Azure, OpenAI Whisper, Otter.ai, iFLYTEK, ElevenLabs e Speechmatics — analisando precisão, alternância de código, privacidade e a facilidade de uso para uma pessoa comum. Cada ferramenta aqui tem seus pontos fortes; o objetivo é ajudá-lo a escolher a que melhor se encaixa nas suas necessidades.
Como a Precisão É Medida
A precisão de transcrição é geralmente expressa como Word Error Rate (WER) ou Character Error Rate (CER) — a porcentagem de palavras ou caracteres que diferem de uma referência correta. Quanto menor, melhor. Abaixo de aproximadamente 5% é excelente; em torno de 20% geralmente significa que será necessária uma revisão manual significativa.
O benchmark público mais citado para o cantonês é o conjunto de dados Common Voice Yue — falantes nativos de cantonês lendo textos em voz alta. Nesse cantonês limpo e lido, testes independentes reportaram as seguintes taxas de erro por caractere:
| Motor | CER Reportado (Common Voice Yue) | Observações |
|---|---|---|
| Apple (no dispositivo) | ~7,4% | Roda localmente no Mac/iPhone |
| Google Cloud Speech-to-Text | ~11,4% | Modelo "yue-Hant-HK" |
| Microsoft Azure / Cognitive Services | ~22,5% | Ferramentas robustas para desenvolvedores |
Por esse benchmark, o modelo de cantonês no dispositivo da Apple se sai bem — seu CER reportado é aproximadamente 35% menor que o do Google e 67% menor que o da Microsoft nesse conjunto de dados específico, e roda inteiramente no dispositivo. Para uma pessoa ditando cantonês limpo em um Mac, é uma opção genuinamente boa e gratuita.
Uma ressalva importante: esse benchmark mede cantonês limpo, lido em voz alta, com um único falante e sem inglês. Não é assim que a maioria das pessoas em Hong Kong realmente fala.
Por Que o Code-Switching É o Verdadeiro Teste
O Common Voice é uma fala cuidadosa e monolíngue. O cantonês cotidiano de Hong Kong é conversacional, rápido e misturado com inglês:
"個 user feedback 話 個 flow 唔 make sense, 不如 我哋 sync 一 sync 先。"
Uma pontuação de benchmark em cantonês limpo diz pouco sobre como uma ferramenta lida com uma frase como essa. Pesquisas acadêmicas sobre code-mixing cantonês-inglês apontam duas razões pelas quais isso é difícil para qualquer motor:
- O inglês falado com sotaque cantonês soa diferente do inglês "padrão", o que pode confundir o modelo de língua inglesa.
- Dados de treinamento com code-switching limitados — muitos sistemas foram treinados principalmente em cantonês monolíngue ou inglês monolíngue, e não na mistura natural dos dois.
Isso afeta todo o campo, não apenas uma marca específica. Em testes mais amplos, o áudio com code-switching reduziu a precisão em ferramentas populares — um estudo amplamente citado observou queda de precisão na mistura espanhol-inglês. A conclusão prática: para áudio de Hong Kong, a forma como uma ferramenta lida com inglês dentro do cantonês importa mais do que sua pontuação de benchmark principal.
As Ferramentas, Uma a Uma
Otter.ai
O Otter é um dos aplicativos de transcrição mais populares no geral, com excelentes recursos de reunião e resumos. Em 2026, sua transcrição é focada no inglês e não oferece transcrição em cantonês. Se você está buscando especificamente cantonês, vai querer uma ferramenta com suporte nativo.
OpenAI Whisper
O Whisper suporta uma ampla variedade de idiomas e consegue transcrever cantonês. Por padrão, tende a produzir chinês escrito padrão (por exemplo, "他們" em vez do coloquial "佢哋"). Existem modelos de cantonês ajustados pela comunidade que preservam a saída coloquial, mas usá-los envolve alguma configuração técnica — por isso, o Whisper é mais adequado para desenvolvedores e usuários avançados do que para alguém que apenas quer abrir um aplicativo.
Google Cloud Speech-to-Text
O modelo "yue-Hant-HK" do Google escala bem e é uma escolha sólida para rascunhos rápidos e processamento automatizado em grande volume dentro do Google Cloud. Como na maioria dos motores automatizados, a saída bruta geralmente se beneficia de uma revisão, e o inglês com code-switching pode precisar de ajustes. É um produto de API/desenvolvedor, não um aplicativo para consumidor.
Microsoft Azure AI Speech
O Azure oferece ferramentas robustas para desenvolvedores e integração limpa com fluxos de trabalho na nuvem da Microsoft, o que o torna uma escolha popular para equipes de engenharia. Sua documentação observa que a saída em cantonês se beneficia de revisão onde há code-switching. Assim como o Google, é voltado para desenvolvedores que constroem seus próprios aplicativos.
iFLYTEK (科大訊飛)
O iFLYTEK é uma empresa líder em IA de voz e investiu fortemente em Hong Kong. Agora oferece suporte a cantonês diretamente voltado para o mercado local — incluindo o iFLYREC Multilingual Conference System (Edição de Hong Kong e Macau) e soluções de reuniões que permitem aos usuários alternar entre cantonês, mandarim e inglês, além de opções on-premises e hardware de tradução. É uma opção capaz e séria, especialmente para implantações empresariais e de conferências onde hospedagem local ou hardware dedicado se encaixa no fluxo de trabalho.
ElevenLabs Scribe & Speechmatics
Ambos são motores de fala para texto modernos e robustos. O ElevenLabs classifica o cantonês em seu nível de maior precisão, e o Speechmatics anuncia alta precisão com baixa latência. Ambos são principalmente serviços em nuvem, pagos e com API como produto principal — excelentes blocos de construção para desenvolvedores, com áudio processado na nuvem.
Resumo Comparativo
| Ferramenta | Suporte ao cantonês | Mais indicada para | Roda no dispositivo | Acesso típico |
|---|---|---|---|---|
| Otter.ai | Focado em inglês | Reuniões em inglês | Não | Aplicativo por assinatura |
| Apple Dictation | Sim (forte em áudio limpo) | Ditado no Mac/iPhone | Sim | Integrado, gratuito |
| Google Cloud STT | Sim | Desenvolvedores, rascunhos em massa | Não | API / pagamento por uso |
| Microsoft Azure | Sim | Desenvolvedores, fluxos MS | Não | API / pagamento por uso |
| OpenAI Whisper | Sim (→ chinês escrito) | Desenvolvedores, usuários avançados | Sim (técnico) | Código aberto / auto-hospedado |
| iFLYTEK | Sim (trilíngue HK) | Empresas, conferências | Opção on-prem | Empresarial / hardware |
| ElevenLabs / Speechmatics | Sim | Desenvolvedores | Não | API paga |
| Traverba | Sim (ajustado para HK) | Usuários do dia a dia | Sim | Aplicativo gratuito |
Não existe uma única "melhor" opção — tudo depende do que você está fazendo. Um desenvolvedor criando um produto vai adorar o Whisper ou o Azure. Um organizador de conferências pode ser melhor atendido pelo sistema dedicado do iFLYTEK. Um usuário de Mac ditando cantonês limpo tem o Apple integrado gratuitamente.
Três Perguntas para Escolher a Certa
1. Quanto inglês há no seu áudio? Se suas gravações são principalmente cantonês limpo, os benchmarks principais são um guia razoável. Se estão cheias de inglês no meio das frases — como a maioria das reuniões em Hong Kong — priorize uma ferramenta especificamente construída ou ajustada para code-switching.
2. Onde seu áudio é processado? A transcrição em nuvem significa enviar suas gravações para um servidor de terceiros. Para reuniões confidenciais, áudio médico ou jurídico, o processamento no dispositivo mantém os dados no seu celular ou computador.
3. Qual é o seu nível técnico? Whisper, Azure e os motores de API são ferramentas para desenvolvedores. Os sistemas de conferência do iFLYTEK são implantações empresariais. Se você simplesmente quer abrir um aplicativo, pressionar gravar e ler uma transcrição, você precisa de um aplicativo para consumidor projetado exatamente para isso.
Onde o Traverba Se Encaixa
O Traverba foi criado para esse último grupo — usuários do dia a dia que querem algo simples. Sem chaves de API, sem conta na nuvem, sem implantação empresarial. Você abre o aplicativo e ele funciona.
O foco é o idioma que as pessoas em Hong Kong realmente falam: cantonês com inglês misturado. Em vez de tratar o inglês como algo a ser removido, o Traverba é ajustado nos padrões de fala locais — o inglês no meio das frases, nomes de marcas e gírias de conversas reais. E como processa no dispositivo, seu áudio fica com você em vez de ser enviado para um servidor.
O Traverba não tenta substituir um sistema de conferências empresarial ou um transcritor humano profissional — esses têm seu lugar. Ele foi criado para os momentos cotidianos em que cantonês e inglês se misturam e você simplesmente precisa de texto legível, rápido, no seu próprio celular.
Experimente
O Traverba é gratuito nas duas plataformas — tradução de voz, tradução por câmera, tradução de tela e tradução de texto são todas gratuitas e ilimitadas.
Disponível no Google Play e na App Store. Saiba mais em traverba.com.
Cada ferramenta nesta comparação é boa em algo. Se o que você precisa é de um aplicativo simples, no dispositivo, ajustado para o cantonês e inglês cotidianos de Hong Kong, o Traverba foi criado exatamente para isso.
Os dados de precisão mencionados acima provêm de benchmarks públicos de ASR em cantonês no conjunto de dados Common Voice Yue e de pesquisas publicadas sobre code-switching cantonês-inglês. O suporte a recursos e idiomas reflete as ofertas de cada provedor em junho de 2026 e pode mudar. A precisão no mundo real varia conforme a qualidade do áudio, sotaques e a quantidade de inglês na conversa; incentivamos os leitores a testar as ferramentas com seu próprio áudio.