Em 1º de setembro de 2026, o laboratório de superinteligência da Meta lançou o Muse Voice Transcribe e publicou o preço: US$ 3 por mil minutos de áudio processado, o equivalente a US$ 0,18 por hora. Com o dólar a R$ 5,12 na manhã de hoje, isso dá 92 centavos para transcrever uma hora inteira de gente falando.
Guarde esse número, porque ele conversa com um hábito muito brasileiro. Segundo dados que o próprio Mark Zuckerberg já divulgou, o Brasil manda quatro vezes mais mensagens de voz no WhatsApp do que qualquer outro país do mundo. Na pesquisa da Opinion Box sobre uso do WhatsApp no Brasil, 80% dos usuários dizem enviar áudios, contra 88% que enviam texto. Praticamente empate.
Ou seja: o formato que mais atrapalhava a automação de atendimento no Brasil acabou de ficar barato de resolver.
O que a Meta anunciou, sem hype
O modelo faz três coisas numa passada só, sem etapa extra de processamento depois: transcreve enquanto a pessoa fala (o que chamam de reconhecimento em streaming), separa quem é quem numa gravação com mais de 20 vozes diferentes, e identifica quando alguém terminou de falar.
Esse último ponto parece detalhe técnico e não é. É ele que evita o atendimento robótico que corta o cliente no meio da frase.
A Meta afirma ter treinado o modelo em mais de 70 idiomas, com 25 validados no lançamento, e diz que ele lidera o ranking de transcrição em tempo real da Artificial Analysis na data do anúncio. Os dados de preço e de capacidade apareceram de forma consistente em veículos independentes no dia 1º (9to5Mac e MarkTechPost, entre outros) e na página do modelo para desenvolvedores da própria Meta.
Uma ressalva honesta: não encontramos a lista fechada dos 25 idiomas validados. Se você for dimensionar algo em português, confirme isso antes de assinar contrato. Benchmark de laboratório e áudio de cliente falando rápido, com barulho de oficina no fundo, são coisas diferentes.
A conta, no seu volume
Vale traduzir para o tamanho de uma empresa de verdade.
Imagine um comércio que recebe 200 áudios por dia no WhatsApp, com 40 segundos cada. São 133 minutos por dia, cerca de 4 mil minutos por mês. Ao preço anunciado, dá algo perto de R$ 61 por mês para transcrever tudo.
Sessenta e um reais. É menos que uma conta de celular. Menos do que o custo de uma pessoa passar duas horas ouvindo áudio e digitando resumo.
Só que essa é metade da conta, e a parte mais barata. Transcrever é converter som em texto. Entender o que fazer com aquele texto, responder, consultar o estoque e registrar o pedido continua sendo trabalho de um modelo de linguagem em cima de um processo bem desenhado. No atendente que operamos em produção, esse conjunto fica em torno de R$ 0,39 por conversa. A transcrição entra como um acréscimo pequeno nesse valor, não como um novo orçamento.
O que isso significa para o seu negócio
1. Se o seu atendimento ignora áudio, ele ignora metade dos seus clientes. É comum a empresa automatizar o texto e deixar o áudio numa fila para alguém ouvir depois. Num país onde 8 em cada 10 pessoas mandam voz, isso não é uma exceção do fluxo. É o fluxo. O cliente que mandou áudio às 20h e foi respondido às 11h do dia seguinte já comprou em outro lugar.
2. Não confunda transcrever com atender. O erro clássico é achar que, resolvido o áudio, o resto anda sozinho. Transcrição ruim gera resposta errada com uma confiança assustadora. Antes de ligar isso para o público, pegue 50 áudios reais dos seus clientes, com sotaque, pressa e barulho, e leia as transcrições você mesmo. É meia hora de trabalho que evita três meses de cliente irritado.
3. Áudio é dado sensível, e a lei não mudou. A voz do cliente carrega mais do que a mensagem: carrega quem ele é. Antes de mandar isso para qualquer serviço, você precisa saber onde o áudio fica guardado, por quanto tempo, e se serve para treinar modelo de terceiro. Vale para o Muse, vale para qualquer concorrente. Pergunte por escrito e guarde a resposta.
4. Barato aqui não significa barato no total. Preço baixo por minuto convida ao desperdício: transcrever tudo, guardar tudo, processar tudo duas vezes. Comece transcrevendo só o que entra no atendimento ativo, meça o custo por conversa desde o primeiro dia e só depois amplie. Custo de IA raramente estoura por uma decisão grande. Estoura por dez decisões pequenas que ninguém somou.
Nossa opinião
Tem um padrão se repetindo nos últimos meses e ele é uma boa notícia para quem tem empresa para tocar. A indústria parou de brigar por quem é mais inteligente e passou a brigar por quem é mais rápido e mais barato. Foi assim com velocidade de resposta em agosto e agora com áudio.
Isso significa que o que trava a IA no seu negócio, hoje, quase nunca é a tecnologia. É processo. É não saber quem responde o quê, não ter o catálogo organizado, não medir quanto custa cada conversa. Nenhum lançamento de laboratório resolve isso por você.
A vantagem real de um preço desses é outra: ele derruba a última desculpa técnica para não atender áudio direito. Se antes dava para dizer que era caro e impreciso, agora custa menos de um real por hora e transcreve enquanto a pessoa fala.
O que sobra é a pergunta que sempre esteve lá. Quando o seu cliente manda um áudio de 40 segundos às dez da noite, quanto tempo ele espera por uma resposta?