Voz no lugar do texto: ElevenLabs aposta na morte do teclado

Sejamos honestos: digitar em um teclado, principalmente no de vidro do smartphone, é uma muleta. Inventamos essa forma de falar com as máquinas porque elas eram burras e só entendiam comandos exatos. Mas na Web Summit Qatar, o CEO da ElevenLabs, Mati Staniszewski, disse em voz alta o que paira no ar do Vale do Silício: essa muleta logo será jogada na lata de lixo da história. A voz é a verdadeira interface nativa do futuro.

A declaração não surgiu do nada. Basta olhar ao redor. Por anos nos treinamos para ser bons "engenheiros de prompt", escolhendo palavras para chatbots, mas a indústria muda de direção bruscamente. A OpenAI lança modos de voz que sabem dar risadinhas e interromper você, e o Google integra o Gemini ao Android para que você fale com o celular em vez de tocar nele. A Apple, segundo rumores, prepara uma Siri que finalmente deixará de ser piada. Staniszewski apenas destacou uma tendência óbvia: a barreira entre o pensamento humano e a ação da máquina deve desaparecer.

Por que isso importa justamente agora? Antes, os assistentes de voz eram burros. Ouviam as palavras, mas não entendiam o contexto. Agora, com um LLM poderoso por trás dos "ouvidos", a situação mudou. A ElevenLabs, que começou como uma startup de clonagem de voz (e fez barulho no mundo dos deepfakes), agora se posiciona como arquiteta desse novo mundo. Sua tecnologia permite que a IA não apenas desfie texto, mas transmita emoções, pausas e entonações. Isso elimina o efeito do "vale da estranheza" e torna a conversa com a máquina assustadoramente natural.

O interessante é como isso muda nossa relação com o hardware. Se a voz virar a interface principal, por que precisaríamos de telas de 6,7 polegadas? Isso abre caminho para aqueles dispositivos vestíveis que ainda fracassam nas vendas (olá, Humane AI Pin e Rabbit R1). Talvez o problema não fosse o formato, mas o fato de o software ainda não estar pronto para um diálogo completo. A ElevenLabs e suas concorrentes tentam resolver o problema do atraso na resposta, a latência. Para substituir o teclado, a IA precisa responder na hora, como um interlocutor de carne e osso, e não gastar três segundos pensando na previsão do tempo.

É claro que continuam as dúvidas sobre privacidade. Falar com uma IA no metrô ou em um escritório aberto é uma ideia ruim. Mas em casa, no carro ou pelo fone de ouvido, isso está virando a nova norma. Voltamos ao ponto de partida da comunicação humana, a palavra falada, só que agora nosso interlocutor será um chip de silício que nunca se cansa e sabe tudo sobre tudo.

O ponto principal: as interfaces estão ficando invisíveis. Se a previsão se confirmar, o design de apps e sites passará para segundo plano, e a principal vantagem competitiva será o quanto a voz do seu serviço soa "humana" e inteligente.