Tradução de voz em tempo real: chegou o voz a voz da JotMe

Como construímos esse recurso

Passamos anos trabalhando em um tradutor de voz em tempo real capaz de traduzir de voz a voz.

Desde o início da JotMe, acreditamos que falar naturalmente entre idiomas se tornaria uma das interfaces mais importantes dos negócios globais. Mas a tecnologia ainda não estava pronta.

• A geração de áudio era lenta.
• A tradução não conseguia preservar o contexto.
• As vozes soavam robóticas e artificiais.
• A latência quebrava o fluxo da conversa.
• E, o mais importante: a conta não fechava.

Por causa dessas limitações, nunca lançamos o recurso em grande escala. Um pequeno grupo de clientes corporativos visionários topou experimentar com a gente, e tivemos o privilégio de construir ao lado deles.

Então tudo mudou em 8 de maio de 2026, quando a OpenAI anunciou o GPT-Realtime-2.

Pela primeira vez, a IA conseguia ouvir, pensar e responder falando enquanto você ainda estava falando. A interação por voz deixou de parecer uma demonstração e começou a parecer infraestrutura.

Mas ainda restavam dois grandes problemas a resolver para que a tradução de voz se tornasse parte do sistema operacional das empresas globais.

1. Contexto operacional em tempo real

Tradução não é um problema de idioma. É um problema de contexto.

Um tradutor precisa saber quem está falando, em qual projeto a pessoa trabalha, a terminologia interna, os nomes dos clientes, os nomes dos produtos, as decisões já tomadas, a estrutura da equipe e muito mais.

Sem contexto, até o melhor modelo erra. Para se comunicar bem no trabalho, a IA precisa ter acesso ao mesmo conhecimento operacional que os funcionários usam todos os dias.

2. Distribuição do áudio

O segundo desafio era surpreendentemente prático: como entregar o áudio traduzido dentro de reuniões, eventos, webinars, calls de vendas e conversas com clientes?

Passamos o último mês resolvendo esses problemas. Hoje, estamos disponibilizando o resultado para todo mundo.

‍

O que essa tecnologia significa para as empresas globais?

Uma tecnologia que antes exigia implantações sob medida e contratos anuais mínimos de US$ 50.000 ou mais agora pode ser usada por qualquer pessoa.

Mas o que nos empolga não é só a democratização de uma tecnologia avançada.

Por décadas, a comunicação entre idiomas dependeu de tradutores, intérpretes e várias camadas de intermediação. Cada repasse acrescenta atraso, mal-entendidos e perda de contexto.

Acreditamos que a tradução voz a voz muda isso. As pessoas podem se comunicar naturalmente no próprio idioma enquanto a IA cuida da tradução em tempo real, preservando muito mais da intenção e do significado original da conversa.

Talvez você já tenha visto o desafio de desenhar nas costas — uma espécie de telefone sem fio visual. Uma pessoa desenha nas costas da outra, que tenta reproduzir o desenho no papel. No final, o resultado quase nunca se parece com o original.

A comunicação entre idiomas sempre funcionou mais ou menos assim. Agora, pela primeira vez, estamos começando a remover essas camadas.

‍

Por que a tradução voz a voz em tempo real da JotMe?

A JotMe foi criada para conversas de trabalho, em que a IA precisa de mais do que palavras. Ela precisa de contexto operacional: nomes de produtos, nomes de clientes, histórico de projetos, terminologia da equipe e notas de reuniões anteriores. Esse contexto ajuda a preservar o significado de negócio enquanto a conversa ainda está acontecendo — e a tradução fica mais natural e útil para o trabalho de verdade.

A JotMe também é independente de plataforma. Não importa se a conversa acontece no Zoom, no Google Meet, no Microsoft Teams, em um evento, em sala de aula ou pessoalmente: o app para desktop da JotMe dá conta do fluxo. Ele suporta mais de 100 idiomas falados de entrada e 13 idiomas de saída em voz: chinês, inglês, francês, alemão, hindi, indonésio, italiano, japonês, coreano, português, russo, espanhol e vietnamita.

Mesmo durante a tradução voz a voz, a JotMe continua mostrando a transcrição em tempo real e a tradução em texto. Depois da reunião, a transcrição é salva junto com as notas de reunião geradas por IA, transformando cada conversa em parte de uma base de conhecimento multilíngue que sua equipe pode pesquisar, revisar e aproveitar.

‍

‍

Como usar a tradução voz a voz

A tradução voz a voz da JotMe é um fluxo de desktop porque precisa capturar o áudio, rotear a fala traduzida e reproduzir a voz da IA em tempo real. No produto, tudo isso fica dentro do menu de tradução de voz por IA (Speech-to-Speech AI Translation — a interface do app é em inglês).

Antes de usar, selecione a opção de áudio rápido (Fast (Audio)) em Spoken Language, escolha um idioma de tradução rápida (Fast Translation Language) e depois volte ao menu Speech-to-Speech.

A tradução de voz consegue detectar muitos idiomas falados, mas a saída de voz traduzida atualmente suporta:

chinês (simplificado), inglês, francês, alemão, hindi, indonésio, italiano, japonês, coreano, português, russo, espanhol e vietnamita.

Modo 1: reunião on-line (Online Meeting)

Use o modo de reunião on-line (Online Meeting) quando a voz traduzida precisa funcionar dentro do Zoom, Google Meet, Microsoft Teams, WhatsApp, webinars, calls de vendas, atendimentos a clientes, entrevistas ou reuniões internas.

O Online Meeting suporta três direções de tradução.

Mão dupla (Two-Way)

Use quando os dois lados precisam de tradução de voz.

• Você ouve o outro participante no idioma que escolheu.
• O outro participante ouve você no idioma que ele escolheu.
• A JotMe roteia separadamente o áudio que chega da reunião e a fala traduzida que sai.
• Ideal para reuniões bilíngues, calls com clientes, negociações, treinamentos, entrevistas e chamadas de suporte.

No Mac, o modo de mão dupla exige o BlackHole 2ch e o BlackHole 16ch. O alto-falante da reunião é roteado pelo BlackHole 2ch, e o microfone da reunião, pelo BlackHole 16ch.

No Windows, a mão dupla usa o VB-CABLE e o Virtual Audio Cable Line 1. Siga as instruções de configuração dentro do app: a JotMe mostra os dispositivos corretos para o modo selecionado.

Somente ouvir (Listening Only)

Use quando você só precisa ouvir o áudio traduzido.

• A JotMe captura o áudio da reunião ou do sistema.
• A JotMe reproduz a fala traduzida nos seus fones de ouvido ou alto-falantes.
• O áudio do seu microfone não é transcrito nem traduzido.

No Mac, esse modo usa o BlackHole 2ch para capturar o áudio. No Windows, usa o dispositivo de captura do VB-CABLE.

Somente falar (Speaking Only)

Use quando você quer falar no seu idioma e os outros ouvirem a fala traduzida.

• A JotMe captura o seu microfone.
• A JotMe envia a fala traduzida para o aplicativo de reunião.
• O áudio dos outros participantes não é transcrito nem traduzido.

No Mac, defina o microfone do aplicativo de reunião como BlackHole 2ch. No Windows, defina como CABLE Output (VB-Audio Virtual Cable).

Se o driver de áudio virtual necessário não estiver instalado, o botão do modo e o botão Start ficam desativados até o dispositivo ser detectado. Depois de instalar, reinicie o computador.

Modo 2: outros usos (Other)

Use o modo Other (outros) quando o áudio não passa por um aplicativo de reunião.

Áudio do microfone

Use para:

• Conversas presenciais
• Eventos ao vivo
• Entrevistas
• Aulas
• Demonstrações em estandes
• Trabalho de campo

Áudio do sistema

Use para:

• Vídeos
• Transmissões ao vivo
• Webinars
• Materiais de treinamento
• Podcasts
• Qualquer áudio que já esteja tocando no seu computador

Os modos de Other não exigem roteamento de áudio virtual, porque a fala traduzida não é enviada de volta para um aplicativo de reunião.

Modo 3: compartilhamento (Sharing)

Use o modo de compartilhamento (Sharing) quando os participantes precisam da tradução nos próprios dispositivos.

• Compartilhe por URL: qualquer pessoa abre a tradução ao vivo no navegador.
• Compartilhe por código: outro usuário do app desktop da JotMe entra com um código.
• Exiba um QR code para acesso rápido.
• Cada participante escolhe o idioma que preferir.
• Em sessões elegíveis dos planos Fast e Premium, o anfitrião pode ativar a tradução voz a voz para os participantes. Isso consome 5× minutos de tradução por participante.

O compartilhamento é útil em eventos, salas de aula, webinars, treinamentos, visitas a fábricas, demonstrações para clientes e reuniões multilíngues em que cada participante pode preferir um idioma diferente.

‍

Onde a tradução de voz em tempo real da JotMe pode ser usada?

Reuniões de equipes multilíngues

Para equipes globais, o maior problema não é só o idioma. É a velocidade. As pessoas hesitam, esperam alguém traduzir ou evitam falar porque não se sentem seguras no idioma da reunião. A tradução voz a voz permite que cada pessoa fale naturalmente enquanto o resto da sala acompanha no idioma que entende melhor.

Calls de vendas globais

Conversas de vendas dependem de timing, tom e confiança. Em vez de travar a call com interpretação manual, as equipes podem falar diretamente com prospects e clientes no idioma deles enquanto a JotMe traduz a conversa em tempo real.

Suporte e sucesso do cliente

Equipes de suporte muitas vezes precisam entender rapidamente problemas urgentes. A tradução de voz ajuda os times que atendem clientes a lidar com escalações, calls de onboarding, renovações e resolução de problemas técnicos sem esperar por um intérprete humano.

Contratações e entrevistas internacionais

Nem sempre os melhores candidatos se saem bem em uma entrevista num segundo idioma. A tradução voz a voz facilita a comunicação clara entre recrutadores e candidatos, principalmente em entrevistas técnicas, conversas de fit cultural e processos seletivos globais.

Eventos e webinars

Em eventos, um único canal de áudio traduzido raramente é suficiente. Com o compartilhamento por URL ou QR code, os participantes entram pelo próprio dispositivo — inclusive pelo celular — e ouvem no idioma preferido, tornando webinars, painéis e sessões ao vivo mais acessíveis.

Educação e treinamento

Em salas de aula, workshops e treinamentos internos, as barreiras de idioma podem deixar pessoas para trás sem que ninguém perceba. A tradução de voz em tempo real ajuda alunos, funcionários e pessoas em treinamento a acompanhar explicações complexas no momento em que acontecem.

Indústria e colaboração com fornecedores

Visitas a fábricas, revisões de qualidade, reuniões com fornecedores e treinamentos técnicos costumam envolver terminologia especializada. O contexto operacional da JotMe ajuda a tradução a ficar mais próxima do trabalho real, dos nomes de produtos aos detalhes de processo.

Turismo e hotelaria

Hotéis, operadoras de turismo, equipes de eventos e times que atendem hóspedes precisam de comunicação rápida entre idiomas. A tradução de voz pode apoiar conversas ao vivo com hóspedes, coordenação com fornecedores, experiências guiadas e aqueles momentos em que é preciso reverter uma má experiência do cliente.

Revisão de conteúdo e fluxos de mídia

As equipes também podem usar a JotMe fora das reuniões, traduzindo o áudio do sistema de vídeos, transmissões ao vivo, podcasts, materiais de treinamento ou conteúdo gravado. Isso acelera a revisão multilíngue sem exigir antes um fluxo completo de transcrição.

‍

Para terminar

As tecnologias que mudam a forma como trabalhamos costumam parecer enganosamente simples quando chegam. Acreditamos que a tradução voz a voz é uma delas. Estamos ansiosos para ver o que você vai construir com ela. Se tiver feedback ou quiser conversar sobre uma implantação corporativa, escreva para a gente em hey@jotme.io.

‍