diff --git a/projetos/newwhats.clube67.com/secretaria-ia-evolucao.md b/projetos/newwhats.clube67.com/secretaria-ia-evolucao.md
index 888f881..68c098e 100644
--- a/projetos/newwhats.clube67.com/secretaria-ia-evolucao.md
+++ b/projetos/newwhats.clube67.com/secretaria-ia-evolucao.md
@@ -42,6 +42,25 @@ Frameworks de mercado (2026):
 4. **Resposta em áudio (TTS)** — opcional, alto impacto, custo por uso.
 5. **Mem0/Zep cloud** — só se a memória própria não escalar.
 
+## Nota técnica — transcrição de áudios (prioridade 2)
+
+**Desenho recomendado: transcrever no SERVIDOR via API gerenciada do Google.**
+
+- O áudio recebido **nasce no servidor** (Baileys roda no backend) — não há como o
+  dispositivo do operador interceptar antes. Além disso, a secretária responde
+  **automaticamente, sem operador na tela**, então a transcrição client-side não
+  serviria para o fluxo automático.
+- A economia real de servidor vem de **não rodar o modelo localmente**: usar a
+  **API gerenciada do Google** (Gemini — já há `gemini_key` — ou Cloud
+  Speech-to-Text). O modelo roda no Google; o servidor só faz I/O.
+- **Salvar a transcrição (texto)** na mensagem; o **áudio é opcional**
+  (arquivar/descartar para economizar storage).
+- **Client-side só faz sentido** para áudios que o **operador grava** (nascem no
+  navegador) e para **cache de UI** (IndexedDB) — não para áudio recebido.
+
+Fluxo: áudio recebido → backend transcreve via Gemini → grava transcrição na
+`messages` (e a secretária passa a "entender" o áudio) → áudio opcionalmente arquivado.
+
 ## Fontes
 - Mem0 — State of Agent Memory 2026: https://mem0.ai/blog/state-of-ai-agent-memory-2026
 - Atlan — Best Memory Frameworks 2026: https://atlan.com/know/best-ai-agent-memory-frameworks-2026/