Aplicação, função
Texto das fotos e do som no Mynd: OCR e STT, sem internet
No Mynd, o texto de uma fotografia ou de um PDF é lido pelo OCR, e a fala de uma mensagem de voz, de uma gravação ou de um vídeo passa a texto escrito pelo STT, voz para texto. Tudo acontece no telemóvel, sem internet: a fotografia e a gravação nunca saem dele. O texto fica no registo, entra na busca, copia-se e envia-se com o resto.
Versão Start. Escrito a 11 de novembro de 2026, no dia em que a função entrou no Mynd.
O OCR: o texto das fotografias e dos PDF
- Lido sozinho: as fotografias são lidas quando entram, no próprio telemóvel, em todas as línguas de letras latinas.
- OCR again: lê a imagem outra vez, agora por blocos: cada parte da página fica num parágrafo próprio, em vez de vir tudo seguido.
- Arrumação: junta as linhas partidas a meio de uma frase e as palavras cortadas no fim da linha, e arruma espaços e sinais soltos. As mudanças de linha que contam, como em moradas, faturas e listas, ficam.
O STT: a fala das mensagens de voz, gravações e vídeos
- Um toque: num registo com som ou vídeo, por exemplo uma mensagem de voz partilhada do WhatsApp, toca-se em STT, escolhe-se a língua de quem fala ou a deteção automática, e toca-se em Transcribe.
- Sem internet: o motor Whisper corre dentro da app e conhece cerca de 100 línguas; o mesmo modelo serve o português, o inglês, o espanhol, o francês, o alemão e o italiano.
- Palavras preferidas: os nomes, lugares e marcas que se vão ouvir escrevem-se antes, separados por vírgulas. É o que mais melhora o texto.
- Enquanto trabalha: uma barra mostra a percentagem feita, quanto falta e a hora a que deve acabar. Num telemóvel médio, leva cerca de 40 por cento da duração do áudio.
- Qualidade da leitura: no fim, quanto do som passou a texto, os silêncios sem texto, as frases repetidas e as palavras por minuto.
Nos dois, o mesmo padrão
- Text tools: por baixo do texto, uma barra que abre e fecha mostra as palavras, as palavras desconhecidas e a percentagem, e os interruptores que arrumam o texto: parágrafos, pontos, listas, escrita da variante. Mudam o texto na hora e nunca mudam o que foi ouvido ou lido.
- Palavras em dúvida: um dicionário próprio, nas seis línguas, descarregado uma vez, marca as palavras que não conhece; o botão Flag põe-nas entre aspas, que a voz digital não lê, para se encontrarem e corrigirem depressa.
- Corrigir: o botão Edit corrige o texto à mão; ler outra vez pergunta antes de substituir as correções.
- Usar o texto: copiar, ouvir em voz alta, encontrar na busca e enviar por email com o registo.
Um exemplo
Uma cliente manda uma mensagem de voz de quatro minutos pelo WhatsApp com as alterações a um orçamento. A pessoa partilha-a para o Mynd, toca em STT e, minutos depois, o texto está no registo, com os números em parágrafos. Na semana seguinte encontra-a pela busca, escrevendo uma palavra que a cliente disse.
Bom saber
- O STT não separa quem fala: numa conversa entre várias pessoas, o texto sai seguido.
- O dicionário não apanha palavras certas no sítio errado; para isso servem as palavras preferidas.
- A primeira vez, cada língua do dicionário descarrega-se do site do Mynd, com poucos megabytes; depois funciona sem internet.
Os exemplos mostram como o Mynd se pode usar; não são casos de clientes.
