O que é o Voxa?
O Voxa é um assistente de voz de desktop de código aberto, publicado em askvoxa.dev e construído com Tauri v2, um framework para criar aplicativos de desktop multiplataforma leves com interface baseada em web dentro de uma casca nativa. O Voxa é distribuído sob a licença MIT.
- Modelo de interação principal: um orbe sem bordas, sempre visível, que flutua sobre as demais janelas — tocar nele inicia uma conversa de voz em tempo real, em vez de abrir uma janela de chat separada ou uma aba de navegador
- O backend de modelo é configurável, não fixo em um único provedor: modelos de voz em tempo real na nuvem (Google Gemini Live ou OpenAI Realtime) ou um daemon local auto-hospedado
- Construído com Tauri v2, que renderiza a interface usando o mecanismo web próprio do sistema operacional (WebView2 no Windows, WKWebView no macOS, WebKitGTK 4.1 no Linux) em vez de empacotar um mecanismo de navegador separado como faz o Electron
- Notas e informações que o assistente pesquisa ou é solicitado a salvar são gravadas como arquivos Markdown simples no sistema de arquivos local
- Nenhum servidor backend proprietário operado pelo próprio Voxa — a configuração, os dados e as chaves de API do app permanecem no seu computador; chamadas para a nuvem vão diretamente ao provedor de modelo que você configurar (Google ou OpenAI), não a um servidor operado pelo Voxa
Quais são os principais recursos do Voxa?
As três características que definem o Voxa são o orbe de voz sempre visível, o armazenamento de notas baseado em Markdown e sua base de código aberto com Tauri v2. Cada uma molda como o app se comporta em comparação com um assistente de voz baseado em navegador ou por assinatura.
O orbe de voz flutuante
A interface do Voxa é um orbe sem bordas, sempre visível, em vez de uma janela de aplicativo completa ou aba de navegador. Ele permanece visível sobre as demais janelas, de modo que uma conversa de voz em tempo real pode começar com um único toque, sem tirar o foco do que você estava fazendo.
Notas e busca baseadas em Markdown
Quando o Voxa pesquisa uma informação ou recebe a instrução de salvar algo, o resultado é gravado como um arquivo Markdown simples no seu sistema de arquivos local — não fica preso em um banco de dados proprietário ou em um armazenamento de notas exclusivo da nuvem. Como Markdown é um formato de texto simples, esses arquivos permanecem legíveis e editáveis em qualquer editor de texto ou app de notas, independentemente de o Voxa estar em execução.
Código aberto: Tauri v2 e licença MIT
O Voxa é construído com Tauri v2 e distribuído sob a licença MIT, uma licença de código aberto permissiva sem restrição para inspecionar, modificar ou redistribuir o código-fonte. Apps Tauri usam o mecanismo de renderização web do próprio sistema operacional para a interface, em vez de empacotar um mecanismo de navegador separado — por isso os requisitos de plataforma estão atrelados a uma versão específica do mecanismo web do sistema em cada plataforma (veja a seção de plataformas abaixo).
O Voxa é realmente local?
O Voxa é um app híbrido, não exclusivamente local no dispositivo — é importante ter clareza sobre essa distinção antes de escolhê-lo como ferramenta de "IA local". Ele suporta dois caminhos de backend separados para o modelo de voz, e apenas um deles mantém a inferência no seu próprio hardware.
- Modelos de voz em tempo real na nuvem — o Voxa pode encaminhar a conversa de voz em tempo real por meio do Google Gemini Live ou OpenAI Realtime. Esse caminho exige conexão com a internet e suas próprias credenciais/acesso de API com esse provedor; o modelo de voz em si roda nos servidores desse provedor, não no seu dispositivo.
- Daemon local auto-hospedado — o Voxa pode, em vez disso, apontar para um daemon local que você mesmo configura e executa, mantendo a inferência do modelo de voz no seu próprio computador ou rede em vez de enviar áudio a um provedor em nuvem. Esse é o caminho que faz o Voxa funcionar como ferramenta de IA local, mas é uma configuração opcional feita por você, não o comportamento padrão sem qualquer configuração.
📌Nota: O que permanece local independentemente do backend escolhido: a configuração do próprio app, suas notas (salvas como arquivos Markdown simples) e suas chaves de API — armazenadas no seu computador, não em um servidor operado pelo Voxa. O que não permanece local por padrão: o modelo de voz em tempo real em si, a menos que o caminho do daemon local auto-hospedado tenha sido configurado.
Voxa no Windows, macOS e Linux
Windows
- O que esperar:
- O Voxa renderiza sua interface usando o WebView2, o mecanismo web baseado em Chromium que a Microsoft distribui com versões modernas do Windows. Um runtime WebView2 atualizado é necessário para que a interface do orbe e a UI de voz sejam exibidas corretamente.
macOS
- O que esperar:
- O Voxa usa o WKWebView, o mecanismo de renderização web integrado da Apple, para sua interface. Como o Tauri depende do mecanismo fornecido pelo sistema operacional em vez de empacotar o seu próprio, o comportamento segue a versão do WKWebView que acompanha a sua versão do macOS.
Linux
- O que esperar:
- O Voxa usa o WebKitGTK 4.1 para sua interface no Linux. Trata-se de uma versão específica do WebKitGTK, não "qualquer build do WebKit" — confirme se a sua distribuição empacota o WebKitGTK 4.1 (ou uma versão compatível) antes de instalar, já que versões mais antigas de pacotes de distribuições podem não corresponder.
Como o Tauri v2 renderiza a interface pelo mecanismo web próprio de cada sistema operacional, em vez de um mecanismo de navegador empacotado, a versão mínima exata de SO/mecanismo para cada plataforma não pode ser fixada aqui como um número permanente — confirme os requisitos de plataforma atuais diretamente em askvoxa.dev antes de instalar.
Quem deveria usar o Voxa?
A escolha certa depende de um orbe de voz sempre visível e notas baseadas em Markdown combinarem com a forma como você quer falar com um assistente, e de você estar disposto a configurar um daemon local caso a inferência totalmente local seja importante.
Use o Voxa se
- você quer um assistente de voz que permaneça visível como um pequeno orbe flutuante, em vez de uma janela completa ou aba de navegador para a qual você precise alternar
- você quer que suas notas sejam salvas como arquivos Markdown simples que você possa abrir, pesquisar e editar fora do app, em vez de um formato proprietário
- você está confortável usando um provedor de voz em tempo real na nuvem (Gemini Live ou OpenAI Realtime) com seu próprio acesso de API, ou está disposto a configurar um daemon local auto-hospedado se quiser que a inferência permaneça no seu próprio hardware
- você prefere um app de código aberto sob licença MIT, cujo código-fonte você pode inspecionar ou modificar, em vez de um assistente por assinatura de código fechado
Considere outra ferramenta se
- você precisa de um assistente de voz totalmente local, sem configuração, pronto para uso — o caminho padrão do Voxa depende da nuvem, e o funcionamento exclusivamente local exige que você mesmo configure o daemon auto-hospedado
- você procura um app móvel em vez de uma ferramenta de desktop — o Voxa é voltado para desktop Windows, macOS e Linux, não para iOS ou Android
- você precisa de um pipeline de voz de código aberto totalmente documentado, de ponta a ponta (reconhecimento de voz, LLM, síntese de voz), com cada componente especificado — veja Construa um assistente de voz local no seu celular ou Construa um assistente de voz local: guia completo para esse tipo de pipeline totalmente especificado
Erros comuns ao avaliar o Voxa
A maior parte da confusão sobre o Voxa vem de presumir que ele se comporta como um app puramente local ou puramente em nuvem, quando na verdade foi projetado como um híbrido configurável dos dois.
Erro 1: presumir que o Voxa roda totalmente offline por padrão
O caminho padrão do Voxa, de menor esforço, é um modelo de voz em tempo real na nuvem (Gemini Live ou OpenAI Realtime), que precisa de conexão com a internet e do acesso de API desse provedor. O funcionamento offline, totalmente local, é possível, mas só depois de você configurar e executar o daemon local auto-hospedado.
Erro 2: presumir que "código aberto" significa "sem chamadas à nuvem"
O fato de o próprio código do app Voxa ser de código aberto (licença MIT, Tauri v2) é um fato separado de qual backend de modelo de voz você escolhe usar. Código de app de código aberto ainda pode ser configurado para enviar áudio em tempo real a um provedor de nuvem terceiro — verifique qual caminho de backend está realmente configurado, não apenas a licença do app.
Erro 3: esperar as mesmas notas em Markdown em todos os dispositivos automaticamente
As notas são salvas como arquivos Markdown simples no sistema de arquivos local do computador em que o Voxa está rodando. A menos que você configure separadamente sua própria sincronização (uma pasta na nuvem, um repositório git ou similar), notas em um computador não ficam automaticamente disponíveis em outro.
Erro 4: instalar sem verificar o requisito de mecanismo web da plataforma
Como o Voxa é construído com Tauri v2, sua interface depende do mecanismo web próprio do sistema operacional — WebView2 no Windows, WKWebView no macOS, WebKitGTK 4.1 no Linux — em vez de um mecanismo de navegador empacotado. Um mecanismo desatualizado ou ausente no seu sistema pode impedir que a interface do orbe seja renderizada corretamente; confirme se o mecanismo da sua plataforma está atualizado antes de presumir que um problema de instalação é um bug do Voxa.
Perguntas frequentes
O que é o Voxa?
O Voxa é um assistente de voz de desktop de código aberto sob licença MIT, construído com Tauri v2, disponível em askvoxa.dev. Ele se apresenta como um orbe sem bordas, sempre visível, que você toca para iniciar uma conversa de voz em tempo real, e pode usar como backend um modelo de voz em tempo real na nuvem ou um daemon local auto-hospedado.
O Voxa é gratuito?
O próprio código do app Voxa é de código aberto sob a licença MIT. Se você usar o backend de voz em tempo real na nuvem (Gemini Live ou OpenAI Realtime), você fica sujeito aos preços e termos de API próprios desse provedor, separados do Voxa em si. Confirme os preços atuais do Gemini Live ou OpenAI Realtime diretamente com o Google ou a OpenAI.
O Voxa roda totalmente offline?
Somente se você configurar o caminho do daemon local auto-hospedado. Por padrão, o Voxa é configurado para usar um provedor de voz em tempo real na nuvem (Gemini Live ou OpenAI Realtime), o que exige conexão com a internet. Uma configuração totalmente offline é possível, mas exige que você execute seu próprio daemon local e aponte o Voxa para ele.
Quais plataformas o Voxa suporta?
Windows (usando o mecanismo WebView2), macOS (usando WKWebView) e Linux (usando WebKitGTK 4.1). O Voxa é um app de desktop construído com Tauri v2, não um app móvel para iOS ou Android.
Onde o Voxa armazena minhas notas?
Como arquivos Markdown simples no seu sistema de arquivos local, não em um banco de dados proprietário ou formato exclusivo de nuvem. Isso significa que as notas permanecem legíveis e editáveis em qualquer editor de texto, independentemente de o Voxa estar instalado ou em execução.
O Voxa envia minhas chaves de API ou dados para algum lugar?
Configuração, dados e chaves de API são armazenados no seu próprio computador. Se você usar o backend de voz em tempo real na nuvem, seu áudio e dados de conversa são enviados ao provedor que você configurou (Google Gemini Live ou OpenAI Realtime), sob os próprios termos de tratamento de dados desse provedor — não a um servidor separado operado pelo Voxa.
Qual é a diferença entre o backend em nuvem e o backend de daemon local no Voxa?
O backend em nuvem (Gemini Live ou OpenAI Realtime) encaminha o modelo de voz em tempo real pelos servidores desse provedor e exige conexão com a internet e acesso de API com esse provedor. O backend de daemon local auto-hospedado mantém a inferência do modelo de voz em hardware que você controla, mas você precisa configurar e executar esse daemon você mesmo — ele não vem pré-configurado.
O Voxa é de código aberto?
Sim. O Voxa é construído com Tauri v2 e distribuído sob a licença MIT, uma licença permissiva que permite inspecionar, modificar e redistribuir o código-fonte sem restrição para uso comercial.
Posso usar o Voxa sem conexão com a internet?
Somente se você tiver configurado e estiver executando o daemon local auto-hospedado como backend de modelo de voz. O caminho de voz em tempo real na nuvem (Gemini Live ou OpenAI Realtime) exige conexão para funcionar.
O Voxa exige um mecanismo de navegador específico no meu sistema?
Sim, indiretamente — por ser construído com Tauri v2, o Voxa renderiza sua interface pelo mecanismo web próprio do sistema operacional: WebView2 no Windows, WKWebView no macOS e WebKitGTK 4.1 no Linux. Certifique-se de que o mecanismo correspondente esteja presente e atualizado no seu sistema antes de instalar.