Cómo usar el dictado por voz en Windows

Qué es realmente el dictado por voz de Windows

El dictado por voz de Windows es una función integrada que te permite introducir texto hablando en lugar de escribir. Viene incluida en Windows 10 y Windows 11, no cuesta nada y funciona en cualquier cuadro de texto donde puedas colocar un cursor. Vale la pena citar la descripción oficial de Microsoft porque marca los límites: el dictado por voz «usa el reconocimiento de voz en línea, que funciona con Azure Speech Services». De esa sola frase se derivan tres consecuencias.

Primera: necesita internet. Tu voz se envía a los servidores de Microsoft para convertirse en texto, así que sin conexión el dictado por voz no hace nada. Segunda: necesitas un micrófono que funcione — el integrado del portátil está bien para empezar. Tercera: como el reconocimiento ocurre en la nube, la precisión es generalmente buena y no carga el procesador. Esa es la contrapartida en pocas palabras: gratis y preciso, pero solo online y sin privacidad.

La gente suele confundir esto con el Reconocimiento de voz de Windows (más antiguo), con el más reciente Acceso de voz, o con el dictado dentro de una sola aplicación. Para el uso cotidiano de «quiero hablar y ver cómo aparecen las palabras en lo que estoy escribiendo», el que buscas es el dictado por voz, que se abre con la tecla Windows + H. La siguiente sección es el tutorial en sí.

Actívalo con la tecla Windows + H

No hay ninguna aplicación que abrir ni ningún asistente por el que pasar. Colocas el cursor donde quieres las palabras y luego activas el dictado por voz con un atajo de teclado. Aquí tienes toda la secuencia, con la única vuelta a la configuración que puede que necesites.

Haz clic en cualquier cuadro de texto — un documento, un correo, un chat, la barra de direcciones — para que el cursor parpadee ahí. Pulsa la tecla Windows + H. Aparece una pequeña barra de dictado en la parte superior de la pantalla. Espera a que diga «Escuchando» antes de hablar; si empiezas demasiado pronto, cortará tus primeras palabras. Habla con naturalidad y el texto aparece donde está el cursor. Pulsa el botón del micrófono en la barra, o el atajo de nuevo, para detenerlo.

Si no pasa nada, casi siempre hay dos causas. El micrófono no está configurado o no tiene permiso — el dictado por voz necesita un micrófono que funcione. O el reconocimiento de voz en línea está desactivado, lo que significa que la parte en la nube de la función está inhabilitada. Actívalo en Inicio, luego Configuración, luego Privacidad y seguridad, luego Voz, y pon el Reconocimiento de voz en línea en Activado. Si la barra se abre pero nunca llega a «Escuchando», casi siempre es la conexión a internet, ya que el reconocimiento ocurre en los servidores de Microsoft y no en tu equipo. (Si Win+H falla de forma más persistente, escribí un artículo aparte sobre por qué Win+H deja de funcionar y cómo recuperarlo.)

La mejor opción para uso intensivo: un solo atajo en todas partes

La función integrada es estupenda hasta que chocas con alguno de sus límites — sin internet en el tren, un bloque largo de dictado o una palabra que transcribe mal una y otra vez. La solución es una herramienta de todo el sistema que hace el mismo trabajo pero funciona en tu propio equipo, mantiene un breve margen para que no se corte la última palabra y usa un solo atajo en todas las aplicaciones. Necesitas un PC con Windows 10 o superior, un micrófono que funcione y una cuenta. Todo el proceso local es gratuito para cualquier cuenta con sesión iniciada, sin pedir ningún método de pago al registrarte. Así es la secuencia.

La parte lenta es la descarga única del modelo, no la configuración. Después de eso, el acto de escribir en cualquier aplicación deja de ser una tarea de teclado y se convierte en una tarea de voz — y sigue funcionando cuando cae el Wi-Fi.

Si ya has usado voz a texto en Windows 11 antes, es la misma idea pero con un atajo que no se detiene solo.

Puntuación: comandos frente a automática

El habla en bruto no tiene comas. Cada herramienta de dictado lo gestiona de una de dos maneras, y el dictado por voz de Windows en realidad ofrece las dos. Tiene puntuación automática, que añade comas y puntos por su cuenta según cómo hablas, y se activa desde el icono de engranaje en la barra de dictado. Y tiene comandos de voz: di «punto», «coma», «nueva línea», «abrir comillas» y «cerrar comillas», y inserta el signo en lugar de las palabras.

Vale la pena echar un vistazo al menú de engranaje de esa barra al menos una vez. Además de la puntuación automática, contiene el filtro de lenguaje soez y la elección del micrófono predeterminado. Nada está enterrado; es un clic desde la barra que se abre con Win+H. Mientras hablas, un pequeño indicador muestra que la función está escuchando — la misma idea que usa toda buena herramienta de dictado para que nunca tengas que adivinar si te oyó:

El límite de la puntuación por comandos es que te obliga a narrar el formato — «coma», «nueva línea», «punto» — lo que está bien para un texto pero se vuelve agotador en un párrafo largo. La puntuación automática ayuda, pero aun así te entrega una transcripción literal de lo que dijiste, con los «ehhh» y los arranques en falso incluidos. Convertir eso en algo que realmente usarías es un paso aparte, y ahí es donde una herramienta dedicada toma ventaja. Más sobre eso a continuación.

Local o en la nube: la elección que Win+H no te da

El dictado por voz de Windows tomó la decisión de local o en la nube por ti: es en la nube, sin excepciones. Tu voz va a los servidores de Microsoft cada vez. Eso está bien para una lista de la compra y es un verdadero problema para una nota en una hoja de salarios o un correo de cliente que preferirías que no se transcribiera fuera de tu equipo. Una herramienta dedicada te da la elección que la función integrada no ofrece. Así difieren las tres opciones, porque la aplicación te hace elegir y prefiero que elijas bien:

• Local Parakeet — El motor TDT de NVIDIA, unos 600 MB, y la opción local más rápida — de 5 a 10 veces más rápida que Whisper en CPU. Cubre inglés más otros 24 idiomas europeos, 25 en total. Sin traducción al inglés. Si dictas en inglés u otro idioma europeo y quieres velocidad sin que nada salga de tu equipo, esta es la elección rápida.
• Local Whisper — más lento que Parakeet en el mismo equipo, pero las versiones multilingües cubren 99 idiomas y pueden traducir al inglés. Las versiones solo en inglés son solo inglés, no 99. Elige este para chino, japonés, coreano o cualquier trabajo de traducción, que Parakeet no puede hacer. El modelo en inglés predeterminado pesa unos 480 MB.
• Cloud (OpenAI, BYOK) — la mejor precisión y acceso web, usando tu propia clave de OpenAI facturada directamente por OpenAI. La transcripción usa gpt-4o-mini-transcribe por defecto. Necesita internet, igual que Win+H, pero es tu clave y tu decisión. La opción Cloud forma parte de Whisper Pro.

La verdad aburrida es que para la escritura cotidiana de la mayoría, un motor local es más que suficiente, y es lo único que Win+H no puede ofrecer. Ambas opciones locales funcionan completamente en tu equipo sin enviar nada a un servidor. La nube gana su lugar cuando quieres precisión de primer nivel en una grabación difícil o necesitas que el modelo obtenga un dato de la web a mitad de una frase. Empieza con lo local y recurre a la nube solo cuando lo local se quede corto.

Resultados más limpios sin decir cada coma

Tanto Win+H como una herramienta dedicada te dan el mismo punto de partida: un texto sin pausas. Dices «bueno pues mueve el plazo al viernes avisa al cliente y reserva la sala para dos» y eso es la pared sin puntuación que cualquier motor de voz te entrega. Win+H puede puntuar sobre la marcha o aceptar comandos de voz. Ninguno elimina los «ehhh» ni arregla una frase que empezaste a mitad y luego deshiciste.

Esa limpieza es donde un paso de IA justifica su existencia. Di la frase de activación «Hey whisper» y el texto transcrito se mejora antes de aterrizar — rellenos eliminados, frases largas divididas, mayúsculas corregidas. En un modelo local funciona a través de Ollama en tu equipo; en modo cloud es gpt-5-mini por defecto. Hablas la versión desordenada una vez y recibes la versión que enviarías de verdad.

Están también las palabras que un motor genérico sigue equivocando — el nombre de un producto, el apellido de un compañero, un término técnico. Win+H no te da ninguna manera de enseñarle esas palabras. Una herramienta dedicada te permite favorecer un vocabulario personalizado para que las palabras que usas cada día dejen de salir mal. No inventará formato que no pediste, y quien prometa «di encabezado y míralo darse estilo solo» te está vendiendo una demo, no algo que funcione el martes por la mañana. Escribe las palabras rápido y limpio con voz; haz el formato con las teclas que ya conoces.

Ese mismo flujo de hablar-y-limpiar es la razón principal por la que la gente cambia — puedes escribir más rápido con voz en todas las aplicaciones en lugar de narrar comas en una barra integrada que solo funciona con internet.

Cuándo Win+H ya es suficiente

A veces la solución gratuita que ya tienes en el equipo es la respuesta correcta, y pretender lo contrario sería deshonesto. El dictado por voz de Windows es genuinamente bueno para una gran parte de lo que la gente necesita, e instalar algo extra sería exagerado.

Quédate con Win+H si estás conectado la mayor parte del tiempo, tu dictado llega en ráfagas cortas y no te importa que tu voz pase por la nube de Microsoft. Una respuesta de dos líneas en Slack, una consulta de búsqueda, una nota rápida en un documento — pulsa la tecla Windows + H, espera a «Escuchando», habla, listo. Es gratis, viene integrado y puntúa solo. Para un recordatorio de una línea, no voy a pedirte que instales una aplicación.

Recurre a una herramienta dedicada para todo el sistema cuando la función integrada empiece a molestarte: sin internet en un avión o en el tren, largos tramos de dictado donde mantener pulsado supera a una barra que se agota, privacidad en textos que no quieres que salgan de tu equipo, palabras que sigue transcribiendo mal o querer un solo atajo que funcione igual en todos los programas. Por debajo de ese umbral, Win+H gana en precio y en no tener que configurar nada. Por encima, la diferencia es real.

Si todavía estás decidiendo de qué lado de esa línea estás, la comparación más detallada en la guía de alternativas a Win+H explica exactamente dónde encaja cada opción, sin el barniz del marketing.

Windows incluyó el dictado por voz hace años y lo escondió tras un atajo que nadie dice en voz alta. Ahora ya lo sabes: la tecla Windows + H, espera a «Escuchando», habla. Para la mayoría de los trabajos rápidos esa es la respuesta completa, y es gratis. El día que estés sin conexión, o estés dictando algo más largo que un mensaje de texto, o una palabra siga saliendo mal, sabrás exactamente con qué límite chocaste — y qué herramienta te saca de ahí. Escribí buena parte de esto con la voz, en una aplicación a la que no le importa en qué cuadro de texto está el cursor. La conexión se cayó dos veces mientras lo hacía. El dictado no se enteró.