Apps de voz a texto que merecen la pena

Qué hace una app de voz a texto

Una app de voz a texto hace dos trabajos que parecen uno. Primero, el reconocimiento automático de voz escucha tu micrófono y anota las palabras. Segundo, una pasada de formato añade las comas, las mayúsculas y los saltos de párrafo que el habla en bruto no trae. Algunas apps se quedan ahí. Las mejores añaden un paso de limpieza con IA que corrige las muletillas y afina la redacción. Whisper activa esa pasada con la palabra clave "Hey whisper".

Lo que importa es dónde acaba el texto. Un transcriptor de reuniones como Otter graba una conversación y te entrega la transcripción después. Una app de dictado hace lo contrario: pulsas una tecla, hablas, y las palabras aparecen justo donde ya está tu cursor, en el correo o el documento que estás escribiendo. Son herramientas distintas para trabajos distintos, y el mayor error que comete la gente es pagar por la equivocada. Alguien compra un transcriptor de reuniones para escribir correos, o una herramienta de escritura para capturar un seminario web, y luego se pregunta por qué siente que la app le lleva la contraria. No es la app. Es la categoría.

El reconocimiento de voz también solía necesitar entrenamiento. Leías una lista de palabras en voz alta durante cuarenta y cinco minutos para que el software aprendiera tu voz, y aun así se equivocaba una de cada tres frases. (Un familiar mío llegó a lanzar los auriculares al otro lado de la habitación. Los auriculares sobrevivieron; el experimento del dictado, no.) Las apps modernas se saltan todo eso. El modelo llega sabiendo ya 99 idiomas en las variantes multilingües de Whisper, o unos enfocados 25 en el motor más rápido Parakeet, y funciona con tu acento desde el primer momento.

Pulsa un atajo, habla, el texto aparece

La interacción es el producto entero. Mantienes pulsada una tecla, hablas, la sueltas, y el texto se pega en el cursor. Sin ventana que abrir, sin botón de grabar que buscar, sin copiar y pegar después.

En Windows, el atajo predeterminado es Ctrl+Space. En un Mac, mantienes Command y Option juntas y sueltas cualquiera de las dos para parar. Ambos son personalizables, lo que importa más de lo que parece. La primera vez que un usuario me dijo que mi atajo chocaba con su app de dibujo, aprendí que "pulsa una tecla" es una tecla de más cuando es la tecla equivocada. Lo había dejado fijo en el código, lo había publicado, y me sentí listo durante una semana más o menos.

La mayor parte del tiempo una app de dictado es invisible, solo un atajo y esa superposición. Los ajustes son donde eliges cómo se comporta: qué motor se ejecuta, si la limpieza con IA está activada, qué idioma esperar. Esa elección es justo lo que las funciones integradas del sistema operativo no te dan.

Local o nube, y por qué decide tu privacidad

Esta es la división que decide todo lo demás. Local significa que la transcripción ocurre en tu propio portátil, sin conexión, sin que nada salga de la máquina. La canalización local de Whisper ejecuta dos motores de esta forma: los modelos multilingües de Whisper para 99 idiomas y traducir al inglés, o Parakeet de NVIDIA, que es de 5 a 10 veces más rápido en una CPU pero cubre 25 idiomas y ningún sistema de escritura asiático. La nube significa que el audio va a un servidor. El modo Cloud de Whisper es OpenAI con tu propia clave: aportas tu propia clave de API, cubre unos 57 idiomas, y el audio es lo único que sale de tu dispositivo.

La mayoría de las apps integradas eligen la nube por ti sin decírtelo. La escritura por voz de Windows, por ejemplo, necesita conexión a internet. Microsoft lo dice claramente en su propia página de ayuda. El comportamiento sin conexión de Gboard depende de si has descargado un paquete de idioma en el dispositivo, lo cual varía según el móvil. Las opciones realmente sin conexión son más limitadas de lo que sugiere la categoría: el Dictado del iPhone funciona sin conexión en un iPhone 6s o posterior, el Dictado del Mac puede procesar texto general en el dispositivo, y el modo local de Whisper lo mantiene todo en tu máquina.

Si dictas la hoja de cálculo de tu sueldo o el borrador de un correo legal, saber si ese audio sale de tu portátil no es un detalle de friki. Es la diferencia entre una herramienta privada y una registrada. Las apps en la nube lo compensan con una cosa que las herramientas en bruto del sistema operativo se saltan: una pasada de limpieza con IA que convierte "eh, mándalo, eh, mañana" en una frase que de verdad enviarías.

Las apps que yo elegiría

Basta de contexto. Esto es lo que le diría a un amigo en la puerta del colegio que me preguntara, según el dispositivo.

• En el móvil, usa el micrófono del teclado. Gboard en Android y el teclado de iOS tienen ambos un botón de micrófono: tócalo, habla, listo. Es gratis, ya está instalado, y para un mensaje o una nota rápida es todo lo que necesitas. No hay ninguna app de escritorio que merezca la pena instalar en un móvil para esto.

• En Windows, empieza con Win+H. Pulsa la tecla Windows y H en cualquier cuadro de texto y la escritura por voz se abre en todo el sistema, sin necesidad de suscripción a Microsoft 365. Necesita internet, pero es gratis y funciona en todas partes.
• En un Mac, empieza con Dictado. Actívalo en Ajustes del Sistema, pulsa la tecla del micrófono, y escribe en cualquier app. Para texto general puede ejecutarse en el dispositivo en lugar de llamar a los servidores de Apple.
• Cuando lo integrado no basta, instala una app de escritorio. Whisper es la que yo construyo: un atajo para todo el sistema, tu elección de motor local o en la nube, limpieza con IA, y un modo sin conexión que las herramientas del sistema operativo no ofrecen. Toda la canalización local es gratuita para cualquier usuario registrado, sin tarjeta al registrarse. Si usas una sola plataforma, el tutorial de Windows y el tutorial de Mac cubren la configuración paso a paso.

Otras apps que conviene conocer

Hay unos cuantos nombres que salen cada vez que alguien busca esto, así que aquí van descripciones honestas de una línea.

• Wispr Flow anuncia más de 100 idiomas con detección automática y funciona en Mac, Windows, iPhone y Android. Es una opción multiplataforma de pago si quieres una sola herramienta en todas partes; escribimos una comparativa más completa de Wispr Flow por si la estás sopesando.
• Dragon Professional es la vieja guardia. Nuance anuncia hasta un 99% de precisión desde el primer uso y un dictado tres veces más rápido que escribir, solo en Windows. Es un producto profesional serio y de pago.
• Otter.ai es un transcriptor de reuniones, no una herramienta de dictado. Su plan gratuito da 300 minutos al mes y está hecho para grabar conversaciones, no para escribir en tu cursor. Herramienta adecuada, categoría equivocada para la mayoría de las búsquedas de "app de voz a texto", la misma trampa que tratamos en nuestra guía de software de transcripción.
• Dedicated dictation apps sit in the same category but lead with cursor-level typing rather than recording. If that is the angle you care about, our look at the modern dictation app covers what separates a good one from a glorified microphone button.

Cuándo saltarse una app dedicada y usar lo que viene integrado

Si solo sueltas mensajes de treinta palabras y alguna nota suelta, no instales nada. Apple Dictation es gratis, viene integrado en tu Mac y tu iPhone, y funciona en cualquier app en la que puedas escribir. Los usuarios de Windows tienen Win+H por el mismo precio. Las herramientas integradas empiezan a fallar con la escritura más larga y con formato: sin limpieza con IA, sin elección de motor, y en Windows sin modo sin conexión. Esa es la línea. Por debajo de ella, la opción gratuita que Apple y Microsoft ya te dieron es la decisión correcta, y prefiero que uses eso a que instales la mía para un trabajo que no la necesita.

En cuanto al coste, vale la misma honestidad. Las opciones integradas vienen con tu dispositivo y no cuestan nada. La canalización local de Whisper también es gratuita para cualquier usuario registrado, sin necesidad de método de pago para empezar; la superficie Cloud de pago y sus cifras actuales están en la página de precios. Para el uso de móvil y notas rápidas no deberías pagar nada a nadie. Para el dictado de escritorio en todo el sistema con modo sin conexión y limpieza con IA, una herramienta de pago empieza a tener sentido.

El martes pasado preparaba las fiambreras mientras respondía a una autorización del colegio, con un pepino en una mano y el atajo bajo la otra, dictando "firmo la autorización, la mando mañana" entre el momento en que mi peque me preguntó por qué a veces no estaba la luna. El correo salió. Las fiambreras se hicieron. Eso antes me llevaba quince minutos de escribir con una mano. Sea cual sea la app que elijas de esta lista, ese es el momento que estás recuperando.