🎙️Mensagens de voz

Fale em vez de digitar - no navegador com o botão de microfone, e no celular com notas de voz do Telegram. Claude não consegue ouvir áudio, então sua gravação é primeiro transformada em texto no seu servidor; a transcrição é o que Claude lê.

Escolha um mecanismo (Configurações -> Voz)

As chaves de API ficam guardadas no cofre de Chaves (você pode colá-las diretamente em Configurações -> Voz).

Mecanismo local: modelos e velocidade

Escolha o modelo em Configurações -> Voz e depois clique em Instalar / Baixar (roda em segundo plano, com progresso; você pode sair da página). Sem o download, a primeira mensagem de voz baixa o modelo.

Ordem de grandeza com 2 vCPUs: uma mensagem de 1 minuto leva ~15 s com base e ~30-60 s com small (mais rápido com mais núcleos). O modelo permanece na memória por 10 minutos após a última mensagem e depois é descarregado. Uma mensagem é transcrita por vez; as outras esperam a vez delas.

Idioma: a detecção automática funciona bem para fala normal. Fixe o idioma (Configurações -> Voz -> Idioma) se você sempre fala o mesmo, ou para notas muito curtas ou com ruído.

No navegador

• O botão de microfone fica ao lado de Enviar em cada sessão.
• Toque para começar e toque em ✓ para parar; ou segure para falar e solte para parar (apertar para falar). Deslize para a esquerda enquanto segura, pressione Esc ou ✕ para cancelar.
• Ao parar, a mensagem de voz é enviada imediatamente, como no Telegram: ela aparece na conversa como um único balão: um botão redondo de microfone (toque para ouvir a gravação, toque de novo para pausar) e, ao lado, a transcrição assim que o servidor a gerar; depois a transcrição vai para Claude. Você pode continuar falando ou digitando enquanto isso: as próximas mensagens esperam a vez delas. A gravação é salva no tópico (attachments/YYYY-MM/voice-….webm).
• Prefere ler o texto antes de enviar? Desative Configurações -> Voz -> Enviar mensagens de voz imediatamente: a transcrição é então inserida na posição do cursor para você corrigi-la, ou enviada como texto com Enviar automaticamente.
• Se a transcrição falhar (ou nada for ouvido), a gravação permanece na conversa e nada é enviado para Claude; envie-a de novo ou digite sua mensagem.
• Os navegadores só dão acesso ao microfone em páginas HTTPS (ou localhost). Com um domínio (Caddy) funciona direto; em http://<tailscale-ip> simples não funciona - use um modo de acesso HTTPS ou um túnel SSH para localhost.
• Funciona no iPhone (Safari) e no Android (Chrome). Permita o microfone quando o navegador perguntar; se você recusou uma vez, permita novamente nas configurações do site (o ícone de cadeado na barra de endereço).
• As gravações são limitadas a 15 minutos.
• Gravar um teste em Configurações -> Voz mostra a transcrição, o idioma detectado e o tempo que levou.

No Telegram

Envie uma nota de voz, um arquivo de áudio ou uma videomensagem redonda em uma thread de sessão: 1. o bot responde com 🎤 <transcript>, 2. a transcrição é enviada para a sessão do tópico como sua mensagem (o arquivo de áudio é anexado e salvo em <topic>/attachments/voice/YYYY-MM/), 3. Claude responde como de costume.

Se as mensagens de voz estiverem desativadas, o bot responde com uma dica curta.

Pelo terminal

maxxing voice status                 # engine, model, readiness
maxxing voice set --engine local --model small --language auto
maxxing voice download [model]       # pre-download a local model
maxxing voice transcribe note.ogg    # test a file

maxxing doctor informa o status da voz. Para instalar o mecanismo local manualmente: cd /opt/claude-maxxing/server && uv sync --extra voice (depois, maxxing update o mantém).

Solução de problemas

• Botão de microfone esmaecido - a voz está desativada ou não está pronta: abra Configurações -> Voz.
• "Browsers only allow the microphone on HTTPS pages" - veja acima.
• "ffmpeg is missing" - apt-get install -y ffmpeg.
• Idioma errado / texto sem sentido - fixe o idioma ou use um modelo maior.
• Lento - use base ou mude para a Groq.