A entrada por voz na China aprende a escrever por você: do ditado ao texto pronto

A ferramenta que "já atendia a todo mundo" virou, em um ano, uma das arenas mais disputadas da IA chinesa. Entre novembro de 2025 e maio de 2026, pelo menos três novos teclados com IA de grandes players chegaram ao mercado, e o WeChat adicionou à sua entrada de texto a função «隔空傳送» («transmissão pelo ar»). A principal frente de disputa agora é a entrada por voz, e a aposta mudou de tarefa: o sistema ouve a intenção do usuário, e não as palavras, e já devolve o texto pronto.

Cronologia: quatro investidas em sete meses

A contagem começa no outono de 2025. Eis o que se sabe sobre a sequência de eventos:

• Doubao Input: lançado em novembro de 2025. O Doubao é o assistente de IA da ByteDance, e o teclado se tornou para ele uma nova porta de entrada no celular.
• Entrada por IA da Zhipu para desktop: dezembro de 2025. A Zhipu é conhecida como desenvolvedora de grandes modelos próprios e foi não para o mobile, mas para o segmento de desktop.
• Entrada por voz do Qianwen: maio de 2026. O Qianwen é a marca de IA para consumidores do ecossistema Alibaba, e desta vez o foco está justamente na voz.
• Entrada do WeChat com a função «隔空傳送»: ferramenta para transferir rapidamente o que foi digitado entre dispositivos. Ela se apoia na enorme base de usuários do aplicativo de mensagens.

Os lançamentos se sucedem quase sem pausa, a cada um ou dois meses. Para um mercado que antes levava anos para mudar, o ritmo é muito acelerado.

Por que o teclado virou uma posição estratégica

O teclado está no início de quase qualquer cenário de uso: mensagem, e-mail, consulta de busca, anotação, prompt para um chatbot. Quem controla essa camada enxerga a intenção do usuário antes de qualquer aplicativo e pode embutir o modelo no exato momento em que o texto é criado. Para uma empresa com LLM própria, é o caminho mais curto entre o modelo e o hábito diário: não é preciso pedir que a pessoa abra um chat separado.

A voz reforça esse efeito. O ditado comum já é rotina há tempos, mas exige correção: as pessoas falam com pausas, repetições e lapsos, e saltam de um pensamento para outro. A nova geração de entradas com IA assume esse trabalho. O usuário diz o essencial, por exemplo "escreva para o colega que a reunião foi remarcada para quinta-feira e peça desculpas", e recebe uma mensagem bem redigida, no tom adequado. A transcrição vira geração e, por isso, a qualidade depende não só do reconhecimento de fala, mas também de um modelo de linguagem que entenda contexto e estilo.

O que isso muda para o mercado

Esse modelo também tem pontos fracos. Gerar em vez de transcrever significa que o sistema pode reformular o que foi dito de um jeito diferente do que o autor queria. Surge a questão da confiança: com que precisão o texto final transmite a ideia e onde fica a fronteira entre ajuda e substituição. O segundo problema envolve dados. A entrada de texto vê tudo o que a pessoa escreve e fala, então o processamento no dispositivo e na nuvem passa a pesar para os teclados tanto quanto a precisão do reconhecimento.

Além disso, a concorrência não segue um único eixo. Doubao e Qianwen estão atrelados aos ecossistemas de seus assistentes de IA, a Zhipu escolheu o desktop, e o WeChat usa a integração entre dispositivos e a audiência embutida. Provavelmente vencerá quem combinar melhor qualidade do modelo, velocidade de resposta e praticidade nos aplicativos do dia a dia.

O que observar na hora de escolher

Se você for testar essas entradas, verifique três coisas. Primeiro: como o sistema lida com fala que mistura idiomas e termos profissionais. Segundo: se é possível ver rapidamente a transcrição original ao lado do texto pronto, para flagrar distorções. Terceiro: onde a voz é processada e o que fica armazenado. Para equipes e empresas que criam produtos com base em LLM, a conclusão é mais simples: o ponto em que o modelo encontra o usuário no momento de criar o texto se mostrou tão valioso quanto a janela de chat, e a concorrência ali está apenas começando.