Conversar com um assistente de IA por voz, sem digitar

O que é uma conversa por voz ao vivo

Uma sessão no GPT Realtime Assistant é uma conversa que você mesmo inicia e encerra. Toque em Começar (Começar sessão no iPad e no Mac) e o microfone fica aberto: o que você diz aparece como transcrição, e a resposta do assistente aparece ao lado. Você não aperta nada entre uma pergunta e outra. O assistente responde sozinho a cada fala, então o ritmo lembra mais conversar com uma pessoa do que ditar numa caixa de busca.

É uma conversa só, não uma sequência de comandos soltos. Uma pergunta de acompanhamento como “e a segunda?” ou “mais curto, por favor” é entendida à luz do que veio antes, como seria por uma pessoa que estivesse ouvindo.

Funciona no iPhone e no iPad com iOS ou iPadOS 26 ou posterior, e num Mac com Apple silicon e macOS 26 ou posterior.

Como iniciar uma, passo a passo

Menos de um minuto, a maior parte dele decidindo onde deixar o aparelho.

1. Abra o app e inicie uma nova sessão. Para perguntas gerais, uma sessão com as suas próprias instruções basta; um modelo ajuda quando a conversa tem um propósito, como Tarefa de programação ou Entrevista.
2. Escolha o Nível de detalhe: Breve, Equilibrado ou Detalhado. Equilibrado é o padrão.
3. Confira que Traduzir está desativado. A tradução é uma configuração do app inteiro que fica ativada até você desativá-la, e, enquanto está ativada, tudo o que você diz é traduzido de um idioma para outro.
4. Deixe o aparelho em pé onde você consiga ler sem pegá-lo: num suporte na mesa, apoiado na parede atrás da bancada, no braço do sofá.
5. Toque em Começar e faça a sua pergunta como faria a uma pessoa.
6. Toque em Encerrar quando terminar. A conversa fica no histórico da sessão, no aparelho.

Interrompa falando

Quando você começa a falar, o assistente para a resposta atual. Esse é todo o mecanismo, e é o que torna uma conversa por voz utilizável: você não precisa esperar terminar uma resposta que foi para o lado errado, nem procurar um botão para cortá-la.

Use como faria com uma pessoa que entendeu mal a pergunta. “Não, eu quis dizer o trem, não o voo.” “Só o número.” “Pula a explicação — o que eu faço agora?” O assistente aceita a correção e continua dali.

O microfone ouve o ambiente, não só você. Outra pessoa falando por perto, ou uma televisão, chega a ele do mesmo jeito que a sua voz, então um canto silencioso rende uma conversa mais limpa do que uma cozinha movimentada.

Breve, Equilibrado ou Detalhado

O Nível de detalhe decide o tamanho das respostas. Isso importa mais numa conversa falada do que numa digitada, porque você perguntou com a voz e agora está lendo a resposta à distância de um braço, muitas vezes fazendo outra coisa.

Você também pode pedir uma resposta mais curta ou mais longa na hora — “em uma linha”, “explica isso direito” — sem mudar a configuração.

• Breve: as respostas mais curtas. Certo para um vaivém rápido, para um dado de que você precisa com as mãos ocupadas e para tudo o que você quer captar de relance.
• Equilibrado: o padrão, entre os dois. Uma escolha razoável quando você ainda não sabe como vai ser a conversa.
• Detalhado: para quando você está sentado e quer o raciocínio, os passos ou as opções por completo.

Mantenha a tela ligada

Esta é a regra que pega as pessoas de surpresa. Uma sessão ao vivo termina quando o app vai para segundo plano ou a tela bloqueia: o app mostra “Aplicativo inativo. Sessão em tempo real encerrada.” e para de ouvir. Olhar uma mensagem em outro app, ou deixar o celular bloquear sozinho na mesa, encerra a conversa.

Também é por isso que sem as mãos, aqui, não quer dizer ao volante. As respostas estão na tela, e ler uma tela não é algo para fazer dirigindo.

Para qualquer coisa mais longa que uma pergunta rápida:

• Aumente o Bloqueio Automático nos Ajustes do aparelho enquanto estiver usando o app, e volte ao que era depois.
• Ligue o aparelho na tomada numa sessão longa. Um microfone aberto e uma tela acesa gastam mais bateria do que um celular parado.
• Se a sessão fechar, volte ao app e inicie de novo. A transcrição até ali fica guardada na sessão.

Quando você não pode falar em voz alta

Alguns lugares não são para falar com o celular: um vagão silencioso, um escritório aberto, um quarto onde alguém está dormindo. Digite. A caixa “Pergunte à IA ou cole o contexto…” aceita as mesmas perguntas, e as respostas voltam do mesmo jeito. Ela também é o lugar para colar algo longo — um e-mail, um conjunto de instruções, um parágrafo que você quer entender —, o que é mais rápido do que ler em voz alta.

“Microfone” desliga e liga o microfone, para o momento em que você quer manter a sessão aberta sem que ela fique ouvindo.

Por padrão, o modelo da OpenAI ouve o áudio. Em “Ouvindo”, você pode escolher o Apple Speech: as suas palavras são transcritas no aparelho, e o texto é enviado ao GPT para a resposta. Isso muda onde a transcrição acontece; a resposta continua vindo da nuvem.

Se for difícil ler as respostas de onde o aparelho está, Ajustes › Aparência › Tamanho da fonte do bate-papo, no app, vai até Extra Grande, somando-se ao tamanho de texto definido para o aparelho inteiro.

O que é, e o que não é

É um parceiro de conversa que responde perguntas, explica, rascunha e pensa as coisas junto com você, por voz. Não substitui a Siri. Ele não controla o celular: não define timers nem alarmes, não envia mensagens, não faz ligações, não abre apps nem muda configurações. Ele responde; quem age é você.

Ele também não fica esperando em segundo plano para ser chamado. Só ouve enquanto uma sessão está aberta na tela à sua frente, e a sessão termina quando você toca em Encerrar ou sai do app.

Sessões na nuvem precisam de conexão com a internet. Durante uma, o áudio vai do aparelho direto para a Realtime API da OpenAI; a sessão fica salva no aparelho; os servidores da Arte Soft nunca recebem o áudio, as transcrições ou as respostas. O único jeito de rodar uma sessão sem conexão é uma sessão local num Mac com Apple silicon, com modelos baixados uma vez nos Ajustes.

O app é gratuito para baixar, e as sessões exigem uma assinatura; as sessões na nuvem gastam créditos com o áudio e o texto que usam, como explica o guia sobre quanto custa uma sessão. E uma resposta não é um fato até você conferi-la. Para qualquer coisa que importe — uma dose, um prazo, uma questão jurídica —, use a resposta para saber o que perguntar, e pergunte a alguém qualificado.