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

Uma ferramenta que "já satisfazia todo mundo" se transformou, em um ano, em uma das arenas mais disputadas da IA chinesa. Entre novembro de 2025 e maio de 2026, pelo menos três novos teclados de IA de grandes empresas 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 batalha agora é a entrada por voz, e a aposta está em mudar a tarefa: o sistema não escuta apenas palavras, mas a intenção do usuário, e entrega na hora um texto pronto.

Cronologia: quatro movimentos em sete meses

A contagem começa no outono de 2025 (no hemisfério norte). Veja o que se sabe sobre a sequência de eventos:

• Doubao Input: lançamento em novembro de 2025. Doubao é o assistente de IA da ByteDance, e o teclado se tornou um novo ponto de entrada para ele no celular.
• Entrada de IA para desktop da Zhipu: dezembro de 2025. A Zhipu é conhecida como desenvolvedora de seus próprios grandes modelos e apostou não no segmento mobile, mas no desktop.
• Entrada por voz do Qianwen: maio de 2026. Qianwen é a marca de IA para consumidores do ecossistema Alibaba, e, dessa vez, o foco foi justamente a voz.
• Entrada do WeChat com a função "隔空傳送": ferramenta para transferência rápida de texto digitado entre dispositivos. Ela se apoia na enorme base de usuários do mensageiro.

Os lançamentos acontecem quase em sequência, a cada um ou dois meses. Para um mercado que antes mudava em ciclos de anos, esse é um ritmo muito acelerado.

Por que o teclado se tornou uma cabeça de ponte estratégica

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

A voz amplifica esse efeito. O ditado comum já é uma prática normal há tempos, mas exige revisão: as pessoas falam com pausas, repetições, hesitações e saltam entre ideias. A nova geração de entradas de voz com IA assume esse trabalho. O usuário fala a essência, por exemplo "escreva para o colega que a reunião foi remarcada para quinta-feira e peça desculpas", e recebe uma mensagem bem escrita no tom adequado. A transcrição se transforma em geração, e, com isso, a qualidade passa a depender não só do reconhecimento de fala, mas também do modelo de linguagem que entende o contexto e o estilo.

O que isso muda para o mercado

Esse esquema 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 uma questão de confiança: o quanto o texto final realmente reflete o pensamento original e onde fica a linha entre ajudar e substituir. O segundo problema envolve os dados. A entrada de texto vê tudo o que a pessoa escreve e fala, então as questões de processamento no dispositivo versus na nuvem se tornam, para os teclados, tão importantes quanto a precisão do reconhecimento.

Ao mesmo tempo, a concorrência não segue um único eixo. Doubao e Qianwen estão amarrados aos ecossistemas de seus próprios assistentes de IA, a Zhipu escolheu o desktop, e o WeChat usa a combinação entre dispositivos e sua base de usuários cativa. Deve vencer, provavelmente, quem conseguir a melhor combinação entre qualidade do modelo, velocidade de resposta e praticidade no dia a dia.

O que observar na hora de escolher

Se você está testando essas entradas de texto, verifique três pontos. Primeiro: como o sistema se comporta com fala que mistura idiomas e termos técnicos. Segundo: se é possível ver rapidamente a transcrição original ao lado do texto final, para identificar distorções. Terceiro: onde a voz é processada e o que é armazenado. Para equipes e empresas que constroem produtos sobre LLMs, a conclusão é simples: o espaço 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 por ele está apenas começando.