Os melhores tradutores de voz em tempo real

Toda lista de melhor tradutor de voz em tempo real termina do mesmo jeito: Google Tradutor em primeiro lugar, mais três ou quatro nomes embaixo e nenhuma explicação de quando usar cada um.

O problema é que a pergunta está mal feita. Um app que resolve muito bem a conversa no balcão de uma loja na Europa é inútil numa reunião de trabalho pelo computador. E a ferramenta que gera legenda traduzida impecável numa reunião corporativa não serve para conversar com um desconhecido numa plataforma social, porque assume coisas que ali não existem.

Então vale separar por situação. Em cada cenário abaixo está o que procurar, quais ferramentas existem de verdade naquela categoria e onde está o limite.

Por que um tradutor não serve para tudo

Toda tradução automática de fala passa pelas mesmas três etapas: reconhecimento de voz, tradução do texto e síntese de voz. Isso vale para qualquer ferramenta, de qualquer empresa.

O que muda de um produto para outro é a aposta que ele faz sobre a sua situação. Um tradutor de bolso assume dois celulares, ou um só, e duas pessoas na mesma mesa. Uma ferramenta de reunião assume áudio limpo, microfone decente e pauta definida. Uma plataforma de conversa social assume que ninguém se conhece e que a conversa pode morrer a qualquer momento.

Essas apostas determinam o que o produto otimiza: velocidade, precisão, ou facilidade de usar com o celular na mão. Nenhum consegue otimizar os três ao mesmo tempo. Se quiser entender melhor o que acontece nos bastidores, vale ler sobre como a tradução simultânea em videochamada funciona de verdade.

Cenário 1: conversa presencial, cara a cara

É a situação de viagem, atendimento, feira, consulta médica. Duas pessoas, um aparelho, nenhum tempo para configurar nada.

O que procurar. Um modo de conversa explícito, em que o app alterna entre dois idiomas automaticamente, sem você ter que apertar um botão a cada fala. Tela dividida ao meio é melhor do que tela única, porque a outra pessoa lê o próprio lado sem precisar pegar o seu celular. E pacotes de idioma para baixar, porque o lugar em que você mais vai precisar da ferramenta é justamente onde a internet falha.

As ferramentas. O Google Tradutor e o Microsoft Translator são os dois nomes consolidados dessa categoria. Os dois têm modo de conversa, os dois funcionam em celular, os dois permitem baixar idiomas para uso sem conexão. Na prática, a diferença entre eles em português e inglês é pequena o bastante para não valer a discussão; vale testar os dois e ficar com o que a sua mão preferir.

O limite. Conversa presencial é o cenário mais barulhento de todos. Rua, restaurante, aeroporto. Como tudo depende da primeira etapa, ambiente ruidoso derruba o reconhecimento de fala antes de a tradução ter chance. Aproximar o celular da boca de quem fala resolve mais do que trocar de app.

Cenário 2: reunião de trabalho remota

Aqui o jogo é outro. Você não vai pedir para todo mundo instalar um tradutor: a tradução precisa estar dentro da ferramenta de reunião que a empresa já usa.

O que procurar. Legenda traduzida nativa, não um app rodando por fora. Legenda dentro da plataforma pega o áudio direto da chamada, sem passar pelo alto-falante e voltar pelo microfone, e por isso erra muito menos.

As ferramentas. Google Meet, Microsoft Teams e Zoom oferecem legendas traduzidas em reunião. O recurso costuma depender do plano contratado e do par de idiomas, e isso muda com o tempo, então a única resposta confiável é conferir no painel da sua conta antes de prometer para o cliente que a reunião vai ter legenda.

O limite. Legenda traduzida é feita para quem acompanha, não para quem fala. Você lê o que o outro disse, mas a sua fala não vira voz no idioma dele. Para reunião em que uma pessoa apresenta e as outras ouvem, funciona muito bem. Para negociação com os dois lados discutindo, começa a travar. E com três ou quatro pessoas falando por cima, o reconhecimento se perde em qualquer plataforma.

Cenário 3: conversa social com alguém de outro país

Esse é o cenário em que um tradutor de voz em tempo real genérico funciona pior, e vale entender por quê.

Numa conversa de trabalho, um atraso de três segundos é aceitável: existe pauta, existe motivo para continuar. Numa conversa social com um desconhecido, três segundos de silêncio são suficientes para a pessoa achar que a chamada congelou e sair. O que serve aqui não é a tradução mais precisa, é a mais rápida e a mais tolerante a erro.

O que procurar. Tradução embutida na plataforma de conversa, com voz e legenda ao mesmo tempo. Voz para você conversar olhando para a pessoa, legenda para conferir o que não entendeu. E tradução nos dois sentidos, não só do outro para você.

As ferramentas. Essa categoria é mais nova e mais estreita. Entre os serviços que trabalham com conversa entre pessoas de países diferentes estão o OmeTV e o Chatroulette, de chat de vídeo aleatório, apps de intercâmbio de idiomas como o Tandem e o HelloTalk, que giram mais em torno de texto e áudio, e o Nuvcam, plataforma brasileira de chat de vídeo que traduz a fala com voz e legenda em tempo real.

O limite. Tradução automática segura a conversa, mas não cria assunto. Se você não tem nada para dizer, a ferramenta não resolve. E quanto mais você depender dela, menos você treina o idioma, o que é uma troca consciente e não um defeito.

Cenário 4: texto dentro de imagem

Placa, menu, bula de remédio, formulário, print de conversa. Não é tradução de voz, mas é a necessidade que mais aparece junto.

O que procurar. Modo câmera com tradução sobreposta na própria imagem, e a opção de traduzir uma foto já salva na galeria. O segundo caso é o mais útil no dia a dia: você fotografa agora e lê com calma depois.

As ferramentas. O Google Tradutor e o Microsoft Translator fazem isso pela câmera. O Google Lens também reconhece e traduz texto em imagem. Para texto que você consegue copiar e colar, o DeepL é a referência de qualidade em tradução escrita e vale o trabalho extra de copiar, principalmente em texto técnico ou jurídico, em que a diferença de precisão aparece.

O limite. Fonte estilizada, texto manuscrito, letra sobre fundo colorido e foto torta derrubam o reconhecimento. Menu de restaurante com fonte decorativa é o caso clássico que não sai.

Como escolher na prática

Quatro critérios que separam de verdade um tradutor de voz em tempo real do outro:

1. O par de idiomas. Português e inglês funcionam bem em qualquer ferramenta séria, porque há volume enorme de dados. Português e idiomas menos comuns costumam passar por um idioma intermediário e perder nuance. Teste o seu par antes de decidir.
2. Onde a tradução roda. Dentro da plataforma de conversa, sempre melhor do que um app por fora captando o áudio do alto-falante.
3. Funcionamento sem internet. Só importa em viagem, e aí importa muito.
4. Voz, legenda ou os dois. Legenda preserva a voz real do outro e prende você à tela. Voz solta o seu olhar e esconde a entonação. Os dois juntos é o que funciona melhor.

O que nenhuma delas resolve

Vale calibrar a expectativa antes de depender da ferramenta numa situação que importa.

Gíria e expressão regional continuam saindo erradas, em qualquer app. "Pagar mico" vira algo literal.

Ironia e piada passam no sentido literal e perdem o tom.

Nome próprio e termo técnico são traduzidos quando deveriam ficar intactos.

Microfone ruim estraga mais o resultado do que a escolha da plataforma. Um fone com microfone razoável melhora mais a tradução do que trocar de ferramenta.

Se for testar hoje, faça o teste certo: ligue para alguém que fale o idioma, converse cinco minutos sobre algo banal e repare em quantas vezes vocês dois tiveram que repetir a frase. Esse número diz mais sobre a ferramenta do que qualquer comparativo de recursos, inclusive este.