Voz a texto en Gmail, bien hecho

Gmail no tiene escritura por voz integrada en el escritorio. Esto es lo que sí funciona.

Abre Gmail en un portátil, haz clic en Redactar y busca un micrófono por el editor. No hay ninguno. Google Docs y Slides traen la escritura por voz integrada (Chrome, Edge o Safari), pero la propia documentación de soporte de Google limita esa función a Docs y Slides. Gmail no está en la lista. La gente lleva años pidiendo un botón de micrófono en Gmail en los foros de soporte de Google. Nunca ha llegado.

Los tres caminos honestos en el escritorio: abre Gmail en el móvil en su lugar — el micrófono del teclado del sistema ya funciona en cualquier campo de texto, incluida la redacción de Gmail. Instala una extensión de Chrome que añada un micrófono a la pestaña de Gmail — Voice In, Voicy o la sin rodeos llamada «Dictation for Gmail». O instala una app de escritorio que intercepte un atajo de teclado a nivel del sistema operativo y pegue el texto transcrito en la ventana que tenga el foco — Whisper, Willow Voice, la versión nativa de Voicy. La primera funciona solo en pestañas de Chrome. La tercera funciona en cualquier sitio donde parpadee un cursor.

La verdad aburrida es que resuelven problemas distintos. Si quieres voz solo dentro de Gmail, una extensión basta. Si la quieres como hábito, para Gmail y las otras ocho apps en las que también escribes, la extensión llega pronto a su techo.

La configuración más rápida: una extensión de Chrome y un atajo de teclado

Si quieres voz en Gmail y ya estás en Chrome, este es el camino más corto. Tiempo total: unos 3 minutos.

Requisitos previos (un minuto)

• Google Chrome instalado (o un navegador basado en Chromium como Edge o Brave).
• Un micrófono que funcione. El micrófono integrado sirve.
• Permiso de micrófono concedido a nivel del sistema operativo. macOS: Ajustes del Sistema → Privacidad y seguridad → Micrófono. Windows: Configuración → Privacidad → Micrófono.
• Tienes la sesión iniciada en Gmail.

Elige una extensión

Las tres con base de usuarios real:

• Voice In de Dictanote, una herramienta solo para extensión de Chrome (también empaquetada como complemento de Edge). Funciona en más de 10.000 sitios web en más de 100 idiomas. Plan gratuito y un plan Plus de pago.
• Voicy, tanto app nativa como extensión de Chrome. La extensión se engancha a Gmail y a más de 20.000 sitios más. Anuncia más de 50 idiomas y un 99 % de precisión.
• Dictation for Gmail, especializada en Gmail, añade un icono de micrófono junto al botón Enviar. 60 idiomas, más de 100.000 usuarios, 3,5★ de 273 valoraciones.

Instalación en cuatro pasos

La mayoría de la gente lo pone en marcha en menos de tres minutos. La fricción no está en la configuración. La fricción está en todo lo que viene después, a lo que llegaremos enseguida.

En el móvil, Gmail ya hace esto, y está bien así

Si escribes la mayoría de tu correo en el móvil, no necesitas una app para esto. No necesitas una extensión. No necesitas leer el resto de este artículo. Tiempo total de configuración: cero. Ya está ahí.

En Android, abre Gmail, toca Redactar, toca dentro del cuerpo y mira la fila superior del teclado Gboard. Hay un icono de micrófono. Tócalo, habla, vuelve a tocarlo. La propia documentación de Google lo expresa así: «puedes hablar para escribir en la mayoría de los sitios donde puedes escribir con el teclado». No publican un recuento limpio de idiomas, solo que no funciona en todos los idiomas que Gboard admite. Las principales lenguas románicas y germánicas están cubiertas.

En el iPhone, abre Gmail, toca Redactar, toca el cuerpo y mira el teclado de iOS. Hay una tecla de micrófono junto a la barra espaciadora. Tócala, habla, toca listo. El micrófono del teclado de iOS es a nivel de sistema, así que la misma tecla funciona en Gmail, Mensajes, Notas y Safari. (Gboard para iOS tiene su propio botón de micrófono si lo has instalado. Cualquiera de los dos sirve.) Apple no publica un recuento plano de idiomas para el dictado de iOS; sigue de cerca al dictado de macOS, que enumera 47 variantes regionales.

Ambos son gratuitos. Ambos vienen integrados. Si eres de los que escriben primero en el móvil, el resto de este artículo es para los días en que estás en un portátil. Si no, ya has terminado.

Por qué las extensiones de escritorio siguen equivocándose con la puntuación

Las extensiones de Chrome funcionan, pero su precisión es la razón por la que «Dictation for Gmail» promedia 3,5 estrellas de 273 reseñas y no 4,7. El patrón de quejas es constante en las tres. Una vez que lo conoces, dejas de sorprenderte.

La mayoría de las herramientas de dictado de extensión de navegador son envoltorios de la Web Speech API. Le piden a Chrome que haga la conversión de voz a texto y luego pegan el resultado. Esa API va bien para frases cortas, pero es frágil para cualquier cosa más larga. Lo concreto que se rompe:

• La puntuación hay que decirla. «Punto», «coma», «signo de interrogación», «nuevo párrafo». Crees que lo aprenderás. No lo haces. Tu cerebro no quiere decir «punto» en voz alta al final de cada frase. La mayoría de la gente dicta un texto plano y corrido y luego lo limpia con el trackpad. Lo cual echa por tierra casi todo el sentido.
• El micrófono se desconecta tras un silencio. Haz una pausa de tres segundos para pensar cómo formular algo y la API deja de escuchar. Vuelves a hablar y falta media frase.
• El foco de la pestaña es pegajoso. Haz clic en otra pestaña de Chrome y el micrófono se para. Cambia a tu calendario para comprobar una fecha y el micrófono se para. El dictado vive dentro de una sola pestaña.
• Acentos y nombres propios. Los nombres se autocorrigen a cualquier palabra que el navegador crea más cercana. A destinatarios míos los han llamado Andre, Ankara, y una vez «Sra. Andrescu» antes de que me diera cuenta.

Voicy afirma que su extensión usa su propia IA para mayor precisión, y es la versión que probaría primero si me comprometiera con el camino de las extensiones. Pero ninguna resuelve los problemas de la puntuación por voz y del tiempo de espera. Ambos están horneados en la suposición de que el dictado en el navegador es una acción de 30 segundos, no una herramienta de escritura.

El mismo techo de las extensiones de navegador se aplica a la escritura por voz en Google Docs — útil dentro de la pestaña, pero nunca sigue a tu cursor hasta Gmail ni a ningún otro sitio.

Lo que yo uso para Gmail, y cuándo no me molesto

Construí Whisper porque me había quemado con las extensiones de Chrome por las razones de arriba. Es una app de escritorio Tauri para Mac (Apple Silicon) y Windows. Sin Mac Intel, sin Linux. Registra un atajo de teclado a nivel del sistema operativo. Mantén pulsado, habla, suelta. El texto se transcribe y se pega en la ventana que tenga el foco.

Atajo por defecto: Ctrl+Space en Windows, solo modificadores Command + Option en macOS (cualquier Command, cualquier Option, mantenido para grabar, soltado para parar). Ambos personalizables en Ajustes.

La pieza que cambió mi forma de trabajar: le da igual qué app tenga el foco. El mismo atajo en la redacción de Gmail, en Slack, en Notion, en VS Code, en el terminal. El módulo de pegado en Rust escribe en el portapapeles del sistema operativo e inyecta el atajo nativo Cmd+V o Ctrl+V en la ventana que esté mirando. macOS pide permiso de Accesibilidad la primera vez. Después de eso, es invisible.

Para Gmail, esto importa por el cambio de contexto. Empiezo a redactar una respuesta, hago alt-tab a mi calendario, alt-tab de vuelta. Con una extensión de Chrome, el estado del micrófono ha desaparecido. Con un atajo de escritorio, retomo donde lo dejé.

Tú eliges el motor de transcripción. Tres caminos, presentados con honestidad, sin opción por defecto:

• Nube (OpenAI BYOK). gpt-4o-mini-transcribe por defecto, gpt-4o-transcribe para el nivel de mayor precisión. Aportas tu propia clave de OpenAI. La mejor calidad, búsqueda web integrada, necesita conexión.
• Parakeet local. El modelo TDT de NVIDIA, unos 600 MB, de 5 a 10 veces más rápido que Whisper en CPU. Inglés más 24 idiomas europeos. Sin conexión. Sin idiomas asiáticos, sin traducir al inglés.
• Whisper local. Desde Base (unos 140 MB) hasta Large v3 (unos 3 GB). Las variantes multilingües cubren 99 idiomas. Las variantes .en son solo en inglés. Más lento que Parakeet, pero admite traducción y un control por grabación más fino.

Para responder correos de Gmail en inglés, Parakeet local es lo que dejo puesto. La nube toma el relevo cuando necesito un correo más largo con búsqueda web. La palabra clave que activa la IA es «Hey whisper» seguida de la instrucción.

Cuándo no me molesto: una respuesta de una línea del tipo «gracias, lo haré». La latencia del atajo solo le gana a teclear a partir de unas diez palabras. El sentido del dictado son los correos de 80 a 200 palabras, donde hablar es más rápido que teclear.

Cuándo Gboard o el dictado de iOS son la respuesta correcta

Si el 90 % de tu Gmail ocurre en el móvil, no instales nada. Gboard y el dictado de iOS son gratuitos, a nivel de sistema y están pensados para mensajes de corta a media longitud. El icono de micrófono de tu teclado se encarga de una respuesta de 100 palabras en 40 segundos.

Si estás en un Mac y tus necesidades son notas de voz de 30 segundos en un campo de texto, el dictado de Apple sirve para apuntes cortos. macOS Tahoe viene con 47 idiomas y variantes regionales. Se activa con la tecla de Micrófono, un atajo configurable o Edición → Iniciar dictado. Se para tras 30 segundos de silencio, lo que lo hace genial para «sí, responde para confirmar» y malo para un párrafo que necesita una pausa para pensar.

Si escribes el grueso de tus correos en un ordenador de escritorio o portátil, en varias apps que no son todas pestañas del navegador, ahí es donde una app a nivel de sistema empieza a importar. Nosotros hacemos una. También Willow Voice y la versión nativa de Voicy. Prueba unas cuantas antes de decidirte — el mismo atajo de teclado para todo el sistema también te deja dictar en Notion.

La escritura por voz en Gmail debería haber sido una función de Google hace diez años, y de algún modo todavía no lo es. Hasta que lo sea, elige el camino que encaje con tu día. Teclado del móvil si estás en el móvil, extensión de Chrome si vives dentro de una pestaña, app de escritorio si escribes allá donde va tu cursor. Elijas lo que elijas, el objetivo es el mismo. Deja de teclear los correos de 100 palabras.