Vale construir sua versão de ekto?
Tradução de voz em tempo real: você fala em um idioma e ouve o outro lado de volta, quase em tempo real.
O pipeline não é mais exótico: capturar o áudio do microfone, segmentá-lo com um detector de atividade de voz, transcrever com Whisper, traduzir e falar de volta com uma voz TTS local. Um agente consegue montar isso num app local funcional em um fim de semana, e ele vai traduzir uma conversa de verdade. O que ele não vai fazer de cara é se manter elegante por uma hora: as fronteiras dos chunks cortam palavras, os turnos de fala se misturam, a latência cresce conforme o buffer aumenta, e o ritmo frase a frase que torna esses apps usáveis numa conversa real é um problema de ajuste fino, não de código. Você também fica sem app de celular, que é onde a tradução de voz realmente acontece. Serve para uma mesa de trabalho e para se preparar para viagens, mas não convence quando você estica o aparelho para um estranho no meio de um mercado.
EN → PTPesquisa traduzida automaticamente do inglês. Prompt original preservado em inglês.
Build a local real-time voice translation app. No accounts, no cloud services, no telemetry.
Stack, non-negotiable:
- Python 3.11 + FastAPI, served with uvicorn on port 8000.
- One HTML page with vanilla JS, no framework, no build step.
- Audio in: browser getUserMedia, 16kHz mono, streamed to the server over a WebSocket in 250ms PCM chunks.
- Speech to text: faster-whisper (small model default, configurable via .env).
- Segmentation: silero-vad or webrtcvad to detect end of utterance. Do not translate on fixed timers, translate on detected utterance boundaries.
- Translation: argostranslate with locally installed language pairs.
- Text to speech: piper, one voice per target language, downloaded on first run into ./models.
Behavior:
- User picks source and target language in a dropdown before starting.
- Press Start, speak, and on each detected utterance the server returns: original text, translated text, and a WAV of the translated speech. The page appends both lines to a running transcript and plays the audio.
- Show live latency per utterance in ms in the corner. Be honest, measure end of speech to audio ready.
- Handle overlap: if a new utterance arrives while audio is playing, queue it, never drop it.
- Long session hygiene: cap the in-memory transcript at 500 lines, reset the whisper buffer after every utterance, log RSS every 60 seconds.
Out of scope, do not build: mobile app, user accounts, cloud sync, speaker diarization, a two-phone conversation mode.
Deliverables: main.py, static/index.html, static/app.js, requirements.txt, .env.example (WHISPER_MODEL, DEVICE, COMPUTE_TYPE), scripts/download_models.py, and a README with exact run steps plus one paragraph on where this degrades in sessions over 20 minutes.
Run it, speak a test sentence in English with Spanish as target, and paste the measured latency into the README.O prompt abre preenchido no seu agente. Revise antes de executar. · este prompt foi gerado a partir do plano de construção · melhore com um PR
Como seria construir sua versão?
Transmite o áudio do microfone por WebSocket para uma cadeia local de Whisper, tradução e TTS, e reproduz a fala traduzida com uma transcrição em andamento.
O que você vai precisar
- Python 3.11 e uma máquina com pelo menos 8GB de RAM, de preferência com GPU
- Download de modelos locais: faster-whisper e uma voz Piper por idioma de destino
- Um navegador com permissão de microfone, ou uma chave de API se você trocar por um modelo de tradução hospedado
- Fones de ouvido; sem eles, a saída do TTS volta para o microfone
Porque a tradução de voz é julgada inteiramente pelos segundos entre alguém terminar uma frase e você ouvi-la, e por ainda funcionar no minuto 40. Um build local acerta a demo e depois se desfaz: barge-in, ruído de fundo, duas pessoas falando por cima uma da outra, o celular bloqueando a tela. Pagando, você leva no bolso um celular que lida com esses casos sem você ajustar limiares de VAD no meio da conversa.
xConfiabilidade em sessões longas: crescimento de memória, segmentação que se desajusta e turnos perdidos depois dos primeiros 20 minutos
xRitmo limpo frase a frase e detecção de turnos, que é a maior parte da qualidade percebida
xUm app mobile, então nada de traduzir qualquer coisa em pé
xComportamento offline ou com pouca banda ajustado para viagem de verdade
xOrçamentos de latência que outra pessoa já batalhou: devolver resultados parciais em streaming em vez de esperar um segmento inteiro
Nada que valha indicar. Por isso o prompt existe.
Quanto custa ekto?
- Plano mensal
- US$ 34,99/mêsUS$ 34,99/mês
- Por ano
- US$ 420/anoUS$ 420/ano
- No cartão, com IOF de 3,5%
- R$ 183/mêsR$ 2.194/ano
Salvo na Minha lista. Você recebe um aviso aqui no site quando o preço mudar.
Você conclui a compra no site de ekto. O Vibe Radar não intermedeia pagamentos.
Vale mais construir ou assinar ekto?
Ajuste os números: horas para construir, valor da sua hora, custos para manter no ar e o preço da assinatura.
Em 24 meses, assinar sai mais barato.
Horas iniciais estimadas a partir da análise (um fim de semana). Não inclui o valor do que você deixa de ter (suporte, integrações, segurança).
Dá para recriar ekto?
Em parte. O núcleo de ekto dá para construir em um fim de semana com o prompt desta página, mas há lacunas reais: Confiabilidade em sessões longas: crescimento de memória, segmentação que se desajusta e turnos perdidos depois dos primeiros 20 minutos, Ritmo limpo frase a frase e detecção de turnos, que é a maior parte da qualidade percebida. Leia a lista acima antes de começar.
Quanto custa ekto?
ekto custa cerca de US$ 34,99/mês (Monthly, checado em 20/10/2026), ou seja, US$ 420 por ano.
O que eu perco ao substituir ekto?
Sinceramente: Confiabilidade em sessões longas: crescimento de memória, segmentação que se desajusta e turnos perdidos depois dos primeiros 20 minutos; Ritmo limpo frase a frase e detecção de turnos, que é a maior parte da qualidade percebida; Um app mobile, então nada de traduzir qualquer coisa em pé; Comportamento offline ou com pouca banda ajustado para viagem de verdade; Orçamentos de latência que outra pessoa já batalhou: devolver resultados parciais em streaming em vez de esperar um segmento inteiro. Se algum desses pontos é essencial para você, continue pagando.
Existe uma alternativa aberta para ekto?
Não há alternativa open source madura que valha indicar, e é exatamente por isso que o prompt desta página existe.