SKI

As duas metades da conversa rodam no seu computador: o reconhecimento de fala escuta e uma voz neural fala. Nada é enviado porque não há nuvem para onde mandar. O efeito prático é que seu áudio e suas transcrições ficam no seu disco, e o reconhecimento de fala local mantém o ciclo rodando offline. Para quem lida com código privado ou dados de clientes, isso elimina toda uma categoria de preocupação.

Ferramentas de ditado param no texto de entrada. O SKI fecha o ciclo ao falar em voz alta a resposta do agente. O cancelamento de eco em duplex total deixa você interrompê-lo no meio da frase com caixas de som abertas e ainda assim ser ouvido, então você não precisa de apertar para falar nem de headset. Ele percebe quando você terminou e envia o pensamento inteiro, o que faz o vai e vem parecer natural. Sem gramática para aprender. Só fale.

Um ponto verde mostra que o agente está de fato ouvindo, em tempo real e não em consultas periódicas. Você pode vincular vários repositórios ao mesmo tempo, até entre agentes diferentes, e clicar no nome do projeto para trocar. Cada projeto responde com sua própria voz. Numa sessão que faz malabarismo com três tarefas, você vê num relance qual acabou de responder.

Ative isso e cada transcrição cai primeiro numa bolha editável. Nada chega ao seu agente até você apertar o sinal de confirmação, o que te dá a chance de corrigir uma palavra mal ouvida ou matar um pedido ruim antes que ele rode. É o tipo de proteção que importa quando um agente pode escrever e apagar arquivos sozinho. Vale a pena ligar cedo.

Uma tecla de atalho captura sua tela, e a imagem viaja junto com seu próximo pedido falado. Seu agente também pode tirar uma captura sozinho quando precisa ver o que você vê, o que importa porque descrever em voz alta um bug de layout ou uma falha visual é bem mais lento que simplesmente mostrar. Por que isso importa? Porque uma imagem vence um parágrafo toda vez.

O SKI captura seu microfone mais o áudio da sala e transcreve no dispositivo, com faixas etiquetadas por falante e uma transcrição ao vivo enquanto a chamada acontece. O tempo de gravação e a retenção são ilimitados, e você pode exportar para Markdown ou texto simples. Como não há bot entrando na chamada, os outros participantes simplesmente veem você na reunião, não um gravador.

Cole a URL de uma reunião no widget e seu agente de programação entra como participante ao vivo: falando, ouvindo, apresentando ou anotando em silêncio. Ele vê a tela, pode compartilhá-la e lê e envia mensagens no chat. Google Meet, Teams e Zoom são compatíveis, e você pode iniciar uma reunião pelo próprio widget.

Uma única skill cobre os agentes que os desenvolvedores já usam: Claude Code, Cursor, Codex, Gemini CLI, OpenClaw e mais. Conectar é um clique por agente, então se você troca de ferramenta entre projetos não perde o ciclo de voz. Essa abrangência é o que transforma isso num hábito e não num truque de uma ferramenta só.