Modo de voz
O modo de voz transforma um chat em uma conversa por turnos sem usar as mãos: o Libre escuta, transcreve o que você disse, gera uma resposta e a reproduz em voz alta — depois volta a escutar. Para interromper uma resposta falada, basta começar a falar por cima dela. Tudo passa pelos mesmos contratos de conversão de fala em texto e de texto em fala usados pelos recursos de ditado e leitura em voz alta do campo de composição; o modo de voz acrescenta somente a orquestração, nunca um novo caminho de áudio.
Iniciar uma conversa
Abra um chat e pressione o botão do modo de voz ao lado do microfone no campo de composição. O botão aparece sempre que houver entrada de voz disponível: um modelo de conversão de fala em texto do provedor (o mesmo catálogo usado pelo ditado no campo de composição, documentado na página de conversão de fala em texto) ou o reconhecimento de fala do próprio navegador. As respostas faladas usam o modelo e a voz configurados para conversão de texto em fala — inclusive uma voz salva com consentimento ativo — e são preparadas para atender à política de reprodução automática do navegador pelo próprio gesto de abertura.
O ciclo da conversa
Um turno fica ativo por vez e passa por quatro fases visíveis:
| Fase | O que está acontecendo |
|---|---|
| Escutando | O microfone grava; uma pausa de cerca de 1,5 s encerra seu turno |
| Transcrevendo | A gravação é transcrita pelo provedor selecionado ou pelo navegador |
| Pensando | A transcrição é enviada como uma mensagem normal de chat e a resposta é gerada |
| Falando | A resposta é reproduzida com suas configurações de conversão de texto em fala |
Controles disponíveis enquanto a sobreposição está aberta:
- Terminei de falar encerra seu turno imediatamente — útil em ambientes barulhentos ou quando não há análise de áudio para detectar automaticamente o fim da fala.
- Silenciar pausa a captura sem sair da conversa; remover o silêncio inicia um novo turno.
- Pular resposta interrompe a reprodução e volta a escutar.
- Interrupção por voz: comece a falar enquanto a resposta é reproduzida; a reprodução será interrompida e o sistema voltará a escutar seu próximo turno.
- Fechar encerra a sessão: o fluxo do microfone é interrompido, qualquer transcrição em andamento é cancelada e a reprodução para.
Falhas nunca encerram a conversa. Um erro de microfone, uma gravação rejeitada, uma falha de transcrição ou um tempo limite de resposta aparece na própria interface, e o modo de voz volta a escutar o próximo turno.
Governança e privacidade
O modo de voz é regido por seu próprio modo de acesso (voice-mode) no cartão de acesso a Voz do Gerenciamento de usuários, separado de conversão de fala em texto, conversão de texto em fala e clonagem de voz; a variável de ambiente VOICE_MODE_ACCESS_MODE o fixa. A transcrição e a síntese de fala também são executadas sob seus próprios controles de acesso, portanto restringir uma delas desabilita essa parte do ciclo. As gravações seguem o contrato de conversão de fala em texto: são validadas, limitadas e efêmeras — o áudio de um turno existe apenas pelo tempo necessário para sua transcrição, e somente a transcrição entra no chat como uma mensagem normal.
Limites funcionais
- O modo de voz funciona por turnos, não em full-duplex: ele não transmite simultaneamente o áudio do microfone e a fala do modelo por uma única conexão em tempo real.
- A detecção automática do fim da fala e a interrupção por voz exigem análise de áudio; quando o navegador não consegue fornecê-la, o controle manual Terminei de falar encerra o turno.
- As respostas por turnos são executadas uma de cada vez; palavras ditas durante uma interrupção por voz não são incluídas na transcrição do turno seguinte.