Dictar en Gemini

¿Ya puedes hablar con Gemini?

Sí. Gemini tiene entrada de voz integrada. En la app de Gemini en tu teléfono tocas el micrófono y dices tu pregunta; en un dispositivo compatible puedes incluso comenzar sin manos. En la web en gemini.google.com también hay un micrófono en el área de prompt. Así que si tu objetivo es «preguntarle algo a Gemini en voz alta y obtener una respuesta», no necesitas nada más. La función viene incluida en el producto.

Quiero dejarlo claro desde el principio, porque muchos artículos para esta búsqueda lo omiten y van directo a venderte algo. La propia entrada de voz de Gemini está realmente bien para preguntas orales rápidas. «Qué tiempo hace en Barcelona», «convierte 200 gramos en tazas», «resume este artículo» — habla, escucha, listo. Si eso es todo lo que haces, este es un artículo corto: usa el micrófono que ya está ahí.

La diferencia aparece en el momento en que tu prompt se vuelve más largo o más elaborado, y en el momento en que quieres usar exactamente el mismo hábito en algún lugar que no es Gemini. Eso es el resto de este artículo.

Por qué escribir el prompt en lugar de simplemente hablar

Cuando hablas directamente al micrófono de un chatbot, tus palabras entran y la respuesta sale — pero nunca ves el prompt como texto editable primero. Para una pregunta de una línea está bien. Para un prompt cuidadoso no. Dijiste «resume esto en un tono formal», el micrófono entendió «resume esto en un tomo formal», y ahora el modelo hace algo ligeramente incorrecto y estás volviendo a grabarlo todo. Escribir el prompt en el cuadro primero significa que lo lees antes de que se ejecute.

La otra razón es que el hábito viaja. Un atajo que escribe tu voz en un cuadro de texto no le importa cuál sea el cuadro. Gemini hoy, ChatGPT mañana, un prompt de Claude pasado mañana, un mensaje de Slack, una descripción de commit, un correo al profesor de tu hijo. Una sola memoria muscular, todas las apps. El micrófono de Gemini solo funciona dentro de Gemini — exactamente lo que cabría esperar, pero significa que una segunda herramienta que funciona en todas partes no es redundante — tiene una forma diferente.

La forma más rápida: un atajo para todo el sistema

Aquí es donde una app dedicada cambia las cosas. Whisper by Remskill no es un plugin de Gemini, una extensión de Chrome ni una integración de Google. Es una app de escritorio que se comporta como tu teclado: pulsa un atajo, habla, y la transcripción se pega en tu cursor — en cualquier app, incluido el cuadro de prompt de Gemini. Funciona igual en el navegador y en el escritorio, porque desde el punto de vista de tu ordenador simplemente estás escribiendo.

La configuración es breve:

Ese es todo el ciclo. La transcripción aparece en el cuadro, la lees, corriges lo que no esté bien, envías.

Dictar un prompt directamente en Gemini

Una vez en marcha, la experiencia es poco llamativa en el mejor sentido. Colocas el cursor en el cuadro de prompt de Gemini, mantienes la tecla, dices tu prompt, sueltas. Un segundo después el texto está ahí como si lo hubieras escrito. Ahora haces lo que el micrófono en directo no te deja: lo lees. Los prompts largos — los tres párrafos de contexto más la pregunta real — son mucho más fáciles de formular correctamente cuando puedes verlos antes de que se ejecuten.

Como la transcripción local se ejecuta en tu máquina (Rust puro, sin sidecar de Python, sin servidor en el bucle), funciona sin conexión, y el audio de lo que dictas nunca sale de tu portátil. Estás escribiendo el prompt con tu voz y luego lo envías tú mismo a Gemini — el paso de dictado y el paso de IA son independientes, que es toda la razón por la que puedes editar en medio.

La limpieza de IA elimina los «ehs»

El lenguaje hablado es desordenado. Dices «eh», reinicias frases, te pierdes en un ruido que significa «ya me entiendes». Whisper tiene un paso opcional de mejora de IA que elimina muletillas y ordena la redacción antes de pegar. Así «eh, ¿puedes, puedes escribirme como un, un email corto rechazando esto?» se convierte en «¿Puedes escribirme un email corto rechazando esto?». Un prompt más limpio tiende a obtener una respuesta más limpia, por lo que esto importa más para el prompting de IA que para las notas simples.

Esa limpieza se ejecuta localmente a través de Ollama, gratis, en tu propia máquina. Los usuarios Pro pueden enrutarla a través de la nube en su lugar, pero el beneficio de eliminar muletillas no necesita Pro; está en el pipeline local gratuito. También puedes desactivarlo y pegar la transcripción sin procesar, lo cual está bien cuando de todas formas vas a leer y editar el prompt.

El mismo atajo funciona en ChatGPT, Claude, en cualquier lugar

Esta es la parte que hace que la herramienta separada valga la pena. El atajo no sabe qué es Gemini. Pega texto donde sea que esté tu cursor, así que el hábito exacto que acabas de aprender funciona en ChatGPT, en Claude, en Perplexity, en un Google Doc, en tu cliente de correo, en el cuadro de comentarios de un pull request. Aprendes un movimiento y dejas de pensar en qué IA estás usando hoy. El micrófono integrado de Gemini, por diseño, solo ayuda dentro de Gemini.

Paso entre tres o cuatro herramientas de IA en una semana normal según lo que hago. Lo que no quería era un botón de voz diferente en cada una, cada uno comportándose de forma ligeramente distinta. Un atajo que escribe en todas es menos que recordar, y sigue funcionando cuando una de ellas lanza un rediseño.

Cómo es la app completa de Whisper

El atajo es la parte que más usarás, pero hay una interfaz de ajustes detrás. Eliges tu motor de transcripción: modelos Whisper, cuyas variantes multilingües cubren 99 idiomas y las versiones solo en inglés .en cubren exactamente uno, o el Parakeet de NVIDIA, unos 600 MB, 5 a 10 veces más rápido que Whisper en CPU, cubriendo inglés más 24 idiomas europeos. Configuras tu atajo, gestionas el historial y guardas preajustes. Nada de eso es necesario para dictar un prompt en Gemini. Está ahí cuando quieras ajustar.

Cuándo el propio micrófono de Gemini es suficiente

Si solo quieres hacer preguntas orales rápidas a Gemini, omite la app separada por completo. Abre Gemini, toca o haz clic en el micrófono, habla. Está integrado, es gratuito, y para una pregunta de una línea no hay nada que ganar con una segunda herramienta — estarías añadiendo un paso, no eliminando uno. Lo mismo aplica a las funciones de voz dentro de los otros grandes chatbots cuando trabajas solo en esa app.

Un atajo dedicado toma ventaja en tres situaciones: prompts largos que quieres leer antes de enviar, la limpieza de muletillas, y usar el mismo hábito de dictado en todas las apps en lugar de solo Gemini. Cuanto más se parecen tus prompts a escritura real — contexto, instrucciones, una pregunta — y más herramientas alternas, más importa.

Elige la herramienta más pequeña que resuelva tu problema. Para una pregunta hablada, es el micrófono ya en Gemini. Para prompts largos dictados entre Gemini y ChatGPT y un email a medias, el atajo de sistema deja de parecer excesivo alrededor del segundo párrafo que no tuviste que escribir.

Cuánto cuesta Whisper

El pipeline de dictado local — transcripción y limpieza de IA a través de Ollama — es gratuito para cualquier usuario registrado, sin tarjeta al registrarse. Así que dictar prompts en Gemini con Whisper no cuesta nada. Whisper Pro añade las funciones en la nube (transcripción de OpenAI, mejora de IA en la nube, búsqueda web por voz) e incluye una prueba separada. Los números exactos están en la página de precios, no aquí, porque los precios cambian y un artículo de blog es un mal lugar para mantenerlos actualizados.

Gemini ya puede escucharte, y para una pregunta rápida ese es el final de la historia — usa el micrófono que está ahí. La razón para dictar el prompt en el cuadro en su lugar es la parte que el micrófono no puede hacer: puedes leerlo antes de que se ejecute, y puedes hacerlo de la misma manera en todas las demás apps con las que hablas. Dos herramientas, dos tareas. La mayoría del tiempo, la más pequeña es suficiente.