O Cicada escuta o áudio da sua reunião direto, sem bot na sala

A primeira surpresa boa do Cicada é o que ele não faz. Ele não entra na sua reunião. Não tem um participante chamado "Cicada Notetaker" esperando na sala de espera, nem permissão de calendário, nem e-mail para o outro lado explicando que uma IA está ouvindo.
Ele captura o áudio que o computador já está tocando. Essa única escolha tira a maior parte do atrito que os bots de reunião criam, e tira também a desculpa deles: nada muda na chamada, então ninguém precisa concordar com nada.
O Cicada, do wquguru, é gratuito, tem licença Apache-2.0 e apareceu no GitHub em 1º de novembro de 2026. Três semanas depois tinha 2.437 estrelas.
O que aparece na tela
Uma barra de legendas fica embaixo, aparece quando alguém fala, fica translúcida sob o ponteiro e traduz para o idioma do seu sistema depois de detectar o idioma falado em poucos segundos. ⌃⌥S alterna os modos de exibição se você quiser original e tradução juntos ou separados.
À direita, as notas se montam enquanto a reunião corre: um resumo, tópicos, pontos principais, conclusões, tarefas, um diagrama de espinha de peixe e um glossário de nomes e termos. Clique numa conclusão e você volta para as linhas de onde ela saiu. ⌘F busca na transcrição, e homófonos ouvidos errado também aparecem, porque a busca roda no texto corrigido e não no áudio bruto.
O ciclo de correção foi a parte que eu não esperava. Com um serviço de IA conectado, nomes ouvidos errado são corrigidos na hora: homófonos óbvios imediatamente, nomes desconhecidos perguntando uma vez e guardando sua resposta. Você pode colar uma lista de palavras nas configurações antes de uma reunião para o vocabulário estar lá desde o primeiro minuto. Depois da reunião, Edit line… corrige a mesma palavra errada na sessão inteira, com desfazer.
Dois tipos de áudio, um registro só
O áudio do computador vem marcado como Online. O microfone vem marcado como In room, e ligá-lo captura as pessoas que estão fisicamente com você. Os dois entram no mesmo registro, que é o comportamento certo para uma reunião híbrida e, surpreendentemente, raro.
Com caixas de som em vez de fones, o Cicada deduplica o áudio para a mesma voz não aparecer duas vezes. Com fones, os dois lados podem falar ao mesmo tempo e os dois ficam. No Mac, a seta ao lado do botão do microfone escolhe uma entrada específica, um microfone de iPhone ou um microfone de conferência, sem mudar o padrão do sistema.
O que o microfone ouve só vai para as notas; não é roteado para dentro da reunião. Para o outro lado te ouvir, você usa o intérprete.
Segure uma tecla e fale no seu idioma
Foi esse recurso que me fez olhar duas vezes. Segure o ⌥ direito num Mac, ou o Ctrl direito no Windows, e fale. Os outros participantes ouvem sua voz traduzida dentro da chamada, numa voz que pode ser a sua: com uma chave de API da Ling, o Cicada clona a voz a partir de uma gravação de 8 a 30 segundos. Sem chave, você ainda tem as vozes nativas do macOS.
No Mac existe também um modo mãos livres: você começa a falar enquanto a reunião toca, o áudio da reunião abaixa sozinho e sua voz traduzida sai depois de uma pausa de um segundo. O microfone pausa enquanto o modo está ligado, e o README recomenda voltar para a tecla quando tem outras pessoas por perto, para as vozes delas não serem confundidas com a sua. Conselho prático e fácil de esquecer.
Por baixo, ligar a interpretação troca o microfone do sistema para o BlackHole 2ch, um driver de áudio virtual que se instala com um clique. É o único passo de configuração que vai confundir as pessoas, e é inevitável: para injetar áudio num app de reunião, alguma coisa precisa fingir que é microfone.
Falantes, nomes e o registro
O modelo de impressão vocal no dispositivo separa os falantes automaticamente e preenche os nomes quando há uma chave da Ling. Você pode renomear ou juntar falantes sempre que ele errar, e no Mac pode pedir para ele lembrar de uma voz, com a instrução do próprio README de confirmar antes com a pessoa. A impressão vocal fica na máquina, e as configurações permitem apagá-la.
Os registros guardam a transcrição bilíngue, as notas e o áudio bruto no seu dispositivo. Clique em qualquer linha para tocar a partir dali enquanto o texto destaca. Depois da reunião você pode gerar as notas de novo, editar uma conclusão no lugar, transcrever outra vez se o idioma foi detectado errado, ou importar um arquivo de áudio ou vídeo local. A exportação cobre Markdown, Word e SRT.
Dois detalhes chamam atenção. Copy Notes cola no Feishu, no Notion ou no Word com títulos, listas e o desenho da espinha de peixe intactos. E com "Save to folder" ligado, cada reunião vira um arquivo Markdown com frontmatter no topo, que cai num vault do Obsidian ou em qualquer pasta e se atualiza quando você renomeia. Frontmatter para agents, num app de consumidor, em 2026: o pressuposto é que alguma coisa adiante vai ler essas notas.
Compartilhar gera um link com validade e senha opcionais, e antes de subir ele bloqueia chaves, informação de empresa não publicada e outras strings sensíveis. O bloqueio é um filtro. Ainda assim é a direção certa como padrão.
A realidade das plataformas
O Mac tem o conjunto completo de recursos. Em Apple silicon, o reconhecimento de fala roda no dispositivo, então o áudio nunca sai do computador e você pode usar o app sem chave de API. Macs Intel precisam de chave. Windows, Linux e Android precisam de uma chave da Ling, OpenRouter, ZenMux ou parecido.
No Linux, a janela de notas fica visível no compartilhamento de tela, o que você deveria saber antes de apresentar. No Android, o sistema bloqueia a gravação de áudio de apps de chamada e reunião, então o jeito é usar o viva-voz mais o modo In person. É um limite da plataforma, não um bug.
O que eu checaria antes de confiar
Quatro coisas.
Consentimento. "Ninguém percebe nada" é um recurso para quem grava e um problema para todo o resto. Em muitas jurisdições, gravar uma chamada exige avisar os participantes. O app torna fácil esquecer isso; você não deveria.
Qualidade da tradução sob pressão. Interpretação ao vivo é uma tarefa difícil, e a pausa de um segundo antes da sua voz sair é uma restrição real sobre como você fala. Teste numa chamada sem consequência antes de usar com um cliente.
A cadeia de dependências. Reconhecimento no dispositivo é só no Mac, e todo o resto precisa de uma chave de terceiros. Software gratuito com uma dependência paga no meio é um arranjo normal, e vale saber quais partes param de funcionar quando a chave expira.
Atribuição de falantes. Impressões vocais são boas e não perfeitas, especialmente com vozes parecidas num codec de reunião comprimido. Leia os primeiros minutos de uma transcrição antes de confiar nos rótulos.
Por que vale o espaço no disco
Aqui tem três produtos separados que normalmente são vendidos separados: legendas ao vivo, notas de reunião e interpretação em tempo real. O Cicada traz os três, usa o áudio que o computador já tem e guarda os resultados como arquivos que são seus.
A decisão de design que o deixa pequeno é a ausência de bot. Todo o resto vem junto: sem integração de calendário, sem sala de espera, sem lista de participantes, sem o passo de "me deixa entrar". Você aperta uma tecla, e a reunião ganha legendas.
Para quem passa a semana em chamadas entre dois idiomas, isso é bastante atrito a menos pelo preço de um driver de áudio virtual.
Artigos relacionados
Um servidor, uma streamer de IA: dentro do código que roda uma live noturna
open-yoki é o código de produção de uma host de IA que transmite toda noite no Binance Square, sem persona, voz ou qualquer recurso que toque dinheiro. headless Chrome desenha o frame, ffmpeg empurra RTMP e uma pasta de Markdown decide o humor e o que ela publica.
O Pinky deixa um agent dirigir seu celular e segura o botão Enviar até você clicar em Permitir
O Pinky conecta qualquer agent MCP a um iPhone ou Android de verdade e aplica a aprovação no próprio gateway, não num prompt. Apps de banco são invisíveis, campos de senha estão fora de alcance e, no Android 13, o agent ganha uma segunda tela escondida.
O SeedRealtime da ByteDance pega dois frames por segundo e decide quando falar
O Doubao-Seed-Realtime-1.0 junta frames de câmera, frames de tela e fala numa única sessão full duplex, a no máximo dois frames por segundo. As decisões interessantes são a taxa de frames, a fala proativa e a resposta de auditoria que já vem ligada.
No SoduWork, um pedido termina quando quem pediu assina, não quando o chat para
SoduWork é um workbench auto-hospedado em que cada pedido carrega critérios de aceite escritos antes do trabalho começar, um segundo harness revisa a entrega e uma pessoa assina. Depois, o método vira um plugin que o resto do time pode executar.