Tradução por voz em tempo real com o Falaí
Tradução por voz em tempo real com o Falaí
Na bosq, gostamos de transformar ideias complexas em produtos simples, focados e prontos para o mundo real. O Falaí nasce dessa proposta: um tradutor simultâneo por voz para conversas presenciais entre duas pessoas que falam idiomas diferentes, com uma interface reduzida a um único gesto, gire, segure e fale.
O que é o Falaí
O Falaí é um app open-source de tradução por voz em tempo real, construído para conversas presenciais entre duas pessoas. A experiência inteira gira em torno de um único disco na tela: o usuário escolhe o idioma girando o controle, segura para falar, e o outro idioma sai traduzido por voz, sem botões adicionais, sem painéis técnicos e sem termos como "source" ou "target" no caminho.
O projeto foi construído com Vite, React, TypeScript, Tailwind CSS, Framer Motion e WebRTC nativo do navegador. O build final é estático, apenas HTML, CSS e JavaScript, sem backend, sem API routes, sem serverless functions, sem banco de dados, sem autenticação e sem analytics.
Por que construímos isso na bosq
Na bosq, nossa abordagem combina clareza de escopo, execução incremental e entregáveis verificáveis. O Falaí é um exemplo dessa filosofia aplicada a um problema concreto: como entregar tradução simultânea por voz com a menor superfície técnica possível, sem custódia de chaves, sem servidores próprios e sem fricção para o usuário final.
Em vez de tratar IA como uma camada "mágica" embutida em uma stack pesada, preferimos desenhar produtos em que cada decisão arquitetural tenha um propósito claro. No Falaí, isso se traduz em uma arquitetura browser-only, em que o navegador conversa diretamente com a API de tempo real da OpenAI, sem intermediários.
Arquitetura browser-only e BYOK
O Falaí adota o modelo BYOK (Bring Your Own Key): o usuário informa a própria chave da OpenAI no navegador, e todo o custo de uso fica na conta dessa chave. A escolha é deliberada e tem implicações importantes:
- A chave fica somente em memória.
- Não é salva em
localStorage,sessionStorageou cookies. - Não passa por servidores do Falaí, porque o Falaí não tem servidores.
- É apagada ao recarregar ou fechar a página.
O navegador conecta direto com a OpenAI usando navigator.mediaDevices.getUserMedia, RTCPeerConnection e o data channel oai-events para deltas de legenda. O áudio traduzido é reproduzido em um elemento <audio autoplay />, e o modelo utilizado no MVP é o gpt-realtime-translate, voltado para tradução speech-to-speech em tempo real.
Conversation Dial: a interface como produto
Um dos pontos centrais do Falaí é o Conversation Dial. O controle mostra o idioma ativo, e a interação acontece em dois gestos: arrastar horizontalmente para girar o disco e trocar o idioma, e segurar para falar. A direção atual aparece de forma direta, por exemplo, Português → English.
Não existem botões separados para "Pessoa A" e "Pessoa B". A interface principal não usa termos como source, target, input ou output. Essa redução é proposital: o produto é um intérprete de voz, não um playground técnico. A simplicidade da tela é o que torna possível usar o app no meio de uma conversa real, sem quebrar o ritmo do diálogo.
PWA e distribuição estática
O Falaí inclui manifest.webmanifest, ícone e service worker estático em public/sw.js. Depois do build, a pasta dist/ pode ser publicada em qualquer hospedagem estática, Netlify, Vercel static, Cloudflare Pages, GitHub Pages ou qualquer CDN, e o app pode ser instalado como PWA, com acesso ao microfone via HTTPS.
Essa decisão segue a mesma lógica do BYOK: zero infraestrutura, zero custo recorrente, zero custódia de dados do usuário. O app é literalmente um conjunto de arquivos estáticos servidos por CDN, e cada usuário roda sua própria sessão diretamente do navegador.
O que esse projeto demonstra
Mais do que um tradutor, o Falaí demonstra um padrão de construção que consideramos valioso:
- arquitetura browser-only quando o caso de uso permite;
- BYOK como alternativa real à custódia de chaves de terceiros;
- redução agressiva da interface até o gesto essencial;
- uso direto de APIs realtime sem reinventar camadas intermediárias;
- base open-source para evolução, fork e experimentação.
Esse padrão pode ser aplicado a muitos outros cenários: assistentes de voz especializados, copilotos de campo, ferramentas de acessibilidade, apps de viagem e qualquer caso em que a latência da conversa importa mais do que a sofisticação do backend.
Limitações e cuidados de produção
O Falaí é, conscientemente, um MVP. Sem backend, não há como esconder uma chave padrão do app, então o BYOK é a escolha natural e o usuário deve gerar uma chave específica para o Falaí, com limites e permissões adequadas. A compatibilidade real depende de suporte do navegador, microfone, HTTPS e das políticas atuais da OpenAI para chamadas diretas. iOS Safari e Android Chrome devem ser testados em dispositivos reais.
Para um cenário de produção em maior escala, a arquitetura mais segura envolve um backend mínimo para gerar client secrets efêmeros e evitar expor chaves no navegador. Essa versão escolhe não fazer isso para manter o app publicável como site estático/PWA, sem custo de infraestrutura. O caminho de evolução fica explícito no próprio README.
Explore o projeto
Se você quer testar o Falaí, estudar a arquitetura browser-only ou usar essa base como ponto de partida para um produto de voz em tempo real, vale explorar o repositório:
- Repositório: github.com/bosq-dev/falai
Se a sua empresa está buscando transformar interações complexas em produtos simples, com clareza, foco e arquitetura adequada ao caso de uso, fale com a bosq. Construímos módulos, copilotos, automações e pipelines que saem do conceito e chegam à operação real.
Tags: #TraduçãoPorVoz #InteligênciaArtificial #OpenAI #OpenSource #BYOK #BrowserOnly #PWA #ReactJS #TypeScript #WebRTC #TradutorSimultâneo #ViteJS #TailwindCSS #FramerMotion #ArquiteturaFrontend #AppDeVoz #RealtimeAPI #DesenvolvimentoWeb #Bosq #Falaí