Voz a texto en Google Docs

Abre Herramientas, haz clic en Voice typing y empieza a hablar

Sin instalación, sin extensión, sin mejorar la cuenta. Voice typing ya viene dentro de Google Docs.

Todo el proceso lleva unos treinta segundos la primera vez, y diez en cada visita posterior. Si la caja del micrófono nunca aparece, es casi seguro que estás en Firefox o en una versión antigua del navegador. Salta a la sección de resolución de problemas más abajo.

Un detalle que conviene configurar antes de empezar: el desplegable de idioma encima del micrófono. Google Docs admite ahí más de 100 idiomas y dialectos, incluida una larga lista de variantes regionales del inglés, el español y el árabe. Elige el correcto y la precisión sube en el momento en que lo haces. Déjalo en un idioma que no hablas y obtendrás una ensalada de palabras que parece una pista de subtítulos defectuosa.

Los comandos de puntuación y el atajo que necesitas

Aquí viene la parte que sorprende a la gente. Google Docs no añade la puntuación por ti. La dices tú.

Para terminar una frase, dices "punto". Para una pausa, "coma". También tienes "signo de exclamación", "signo de interrogación", "nueva línea" y "nuevo párrafo". Así que dictar dos frases suena así en voz alta: "la reunión está confirmada punto envía la agenda antes del viernes punto". Resulta raro durante unos cuatro minutos, y luego se convierte en memoria muscular, igual que en su día teclear un punto y coma.

También existe un conjunto más amplio de comandos de edición: "seleccionar párrafo", "cursiva" y frases similares de formato y navegación. Esos funcionan solo en inglés, y únicamente cuando tanto el idioma de tu cuenta como el del documento están en inglés. Los comandos de puntuación son más tolerantes y funcionan en más idiomas; los comandos de formato son los que están bloqueados en inglés.

También circula por ahí un atajo de teclado. Muchos usuarios y guías de terceros lo reportan como Ctrl+Shift+S en Windows y Cmd+Shift+S en Mac para activar y desactivar la escritura por voz sin ir al menú. Vale la pena mencionarlo porque la página de ayuda actual de Google no lista ningún atajo, así que tómalo como "ampliamente reportado y normalmente funciona" en vez de como palabra sagrada. Si no hace nada en tu equipo, la ruta del menú siempre funciona.

Lo de la puntuación manual es la línea más nítida entre la herramienta de Google y las nuevas herramientas de dictado con IA. Decir "coma" en voz alta es el precio de una función gratuita que apenas ha cambiado en años. No está mal. Es simplemente 2015 sentado tranquilamente dentro de un producto de 2026.

Funciona en una pestaña del navegador, no en tu ordenador

La siguiente sección decide si la herramienta integrada te basta, así que recibe una imagen de lo que estás viendo.

Voice typing es una función de Google Docs, lo que significa que es una función de la pestaña del navegador en la que Google Docs está abierto. No hay app de escritorio. Cierra la pestaña y el micrófono se va con ella. La antigua reputación de "solo Chrome" está desactualizada — la página de ayuda de Google ahora lista Chrome, Edge y Safari. Firefox sigue quedándose fuera.

Lo que ese bloqueo al navegador te cuesta aparece en el momento en que tu escritura sale del documento. Pongamos que redactas por voz una actualización de proyecto en Docs, y luego necesitas responder a un comentario en tu correo, pegar una nota en Slack y rellenar una celda en una hoja de cálculo. El micrófono no puede seguir a tu cursor a ninguno de esos sitios. Solo te oye dentro de la pestaña de Docs. Para mucha gente eso está bien — escriben en Docs y en ningún otro sitio. Para el resto, es un muro contra el que chocas varias veces al día.

Luego está la cuestión del móvil. En un teléfono, el menú de escritorio de Voice typing no aparece; la app móvil de Docs se apoya en el micrófono de dictado integrado del teclado de tu teléfono. Ese micrófono del teclado es decente, pero es tu sistema operativo el que hace el trabajo, no Google Docs.

Cuando la escritura por voz de Google Docs deja de oírte

La escritura por voz falla de un pequeño número de formas predecibles. Ordenadas por cuántas veces las he visto pasar.

• Falta en el menú Herramientas. Estás en un navegador no compatible. Firefox es el culpable habitual; una versión antiquísima de Chrome es el subcampeón. Abre el mismo documento en una versión actual de Chrome, Edge o Safari y la opción del menú reaparece.
• La caja del micrófono está ahí pero no se escribe nada. El navegador no tiene permiso de micrófono, o está seleccionado el dispositivo de entrada equivocado. Comprueba el pequeño icono de cámara/micrófono en la barra de direcciones de tu navegador y confirma que la pestaña del documento está permitida. Luego revisa la configuración de sonido de tu sistema operativo para asegurarte de que el micrófono correcto es el predeterminado — el micrófono integrado del portátil y unos auriculares enchufados se pelean por esto.
• Las palabras se juntan o salen distorsionadas. Esto casi siempre es cuestión de audio, no de software. Un micrófono USB barato hace más por la precisión que cualquier ajuste que puedas cambiar, normalmente más que mejorar el modelo. El ruido de fondo, un ventilador, una ventana abierta: todo eso acaba en la transcripción.
• Se para solo al cabo de uno o dos minutos. Voice typing se pausa cuando deja de detectar voz durante un rato, o cuando la pestaña pierde el foco. Haz clic en el micrófono otra vez para reanudar. Si cambias a otra ventana para leer algo mientras dictas, ese cambio es lo que te está silenciando.
• Las palabras aparecen en el lugar equivocado, o los comandos se escriben como texto. Si dices "nuevo párrafo" y las palabras "nuevo párrafo" caen en tu documento en vez de un salto de línea, es que el idioma de tu cuenta o del documento no está en inglés, y los comandos de edición son solo en inglés. La puntuación como "coma" y "punto" es más tolerante entre idiomas; los comandos de formato y navegación son los estrictos. Revisa ambas configuraciones de idioma si los comandos siguen apareciendo como texto literal.

Si la pestaña del documento funciona pero otra app no te oye en absoluto, eso no es un problema de Google Docs. Eso es de nuevo el bloqueo al navegador. Ningún paso de resolución de problemas lo arregla, porque funciona según lo diseñado.

Si el cuadro del micrófono nunca empieza a escuchar, consulta nuestra guía completa sobre por qué la escritura por voz de Google Docs deja de funcionar.

Dictar en Docs sin vivir dentro de una pestaña del navegador

Una herramienta para todo el sistema cambia la forma del problema. Whisper by Remskill es una app de escritorio, no una extensión de navegador ni un complemento de Docs. Pulsas un atajo de teclado en cualquier sitio, hablas, sueltas, y el texto se pega en tu cursor — en la pestaña de Google Docs, en tu correo, en Slack, en una celda de hoja de cálculo, en cualquier campo de texto de la máquina.

El atajo predeterminado es Ctrl+Space en Windows. En Mac es un push-to-talk: mantén Command+Option juntos para grabar, suelta cualquiera de las teclas para parar. Ambos se pueden cambiar en los ajustes si chocan con algo que ya uses. El flujo es el mismo en cualquier plataforma — mantén, habla, suelta, las palabras aterrizan donde está tu cursor. Puedes ver el recorrido completo en nuestra guía de cómo funciona Whisper, y las configuraciones específicas de cada plataforma para voz a texto en Mac y voz a texto en Windows.

Algunas cosas que la herramienta del navegador estructuralmente no puede hacer, y que una app de escritorio sí:

• La puntuación es automática. Nada de decir "coma" en voz alta. La transcripción la añade por ti, así que dictar suena a hablar, no a leer acotaciones de teatro.
• Funciona sin conexión. El pipeline local funciona por completo en tu máquina a través de un motor puro en Rust, ningún audio sale del portátil. Tu carta de dimisión a medio redactar no da un rodeo por el servidor de nadie.
• Sigue a tu cursor a todas partes. El mismo atajo que rellena un párrafo de Docs rellena una respuesta de Gmail o una página de Notion treinta segundos después.

Una palabra sobre los modelos, porque la gente pregunta. En local eliges tú mismo el motor — la elección es tuya, no un valor por defecto que elegimos por ti. Parakeet de NVIDIA es la opción local más rápida: unos 600 MB, de 5 a 10 veces más rápido que Whisper en una CPU, cubre el inglés más 24 idiomas europeos, 25 en total. Elígelo si hablas sobre todo en inglés y quieres velocidad.

Los modelos locales de Whisper llegan más lejos. Las versiones multilingües cubren 99 idiomas incluida la detección automática, más traducción al inglés. Elige esos si necesitas otros idiomas o traducción. Las versiones de Whisper solo en inglés están bloqueadas al inglés por diseño, para obtener la mejor precisión cuando el inglés es todo lo que escribes. Y si quieres la última calidad de OpenAI con acceso a la web, el modo Cloud funciona con tu propia clave de OpenAI, cubriendo los aproximadamente 57 idiomas que OpenAI lista oficialmente. Tres caminos, eliges tú. La app no elige un valor por defecto por ti, lo cual aprendí por las malas que es exactamente lo que la gente quiere — la primera versión salió con un modelo ya elegido, y lo primero que hicieron los usuarios fue ir a cambiarlo.

Ese último punto es para mí la prueba de la fiambrera. Un martes por la tarde, haciendo bocadillos y el mismo yogur que el pequeño se negará a comer, y el colegio quiere el permiso de la excursión respondido antes de las ocho. Cojo el portátil con una mano, mantengo el atajo y dicto la respuesta entre rodajas de pepino — parando una vez para preguntar cómo se escribe el nombre de la profesora, y otra para responder por qué a veces la luna no está. El correo se envía, las fiambreras se hacen. La cuestión no es que esto sea Docs. La cuestión es que mi cursor estaba en un cliente de correo, luego en un calendario, luego en una app de notas, y la misma tecla funcionó en los tres. La escritura por voz habría oído el primero y se habría quedado muda en el resto.

Cuándo saltarse nuestra app y usar la herramienta integrada de Google

Lo diré sin rodeos porque el marco con el que escribo lo exige, y porque es verdad. Si escribes dentro de Google Docs y en ningún otro sitio, y estás enviando ráfagas cortas — un párrafo, un comentario, una nota rápida — usa Voice typing de Google y no instales nada. Es gratis, ya está ahí, admite más de 100 idiomas, y decir "punto" unas cuantas veces no te cuesta nada salvo la dignidad.

La línea donde una herramienta para todo el sistema empieza a importar está más o menos en las 200 palabras, o en el momento en que tu dictado necesita salir del documento. Si estás redactando textos largos, cambiando entre tres apps por hora, trabajando sin conexión en un tren, o manejando texto que preferirías no enviar a un servidor, la pestaña del navegador se convierte en el cuello de botella. Por debajo de esa línea, Google te tiene cubierto. Sé honesto contigo mismo sobre en qué lado estás.

If you have already crossed that line, here is a Google voice typing alternative that dictates anywhere — including offline.

Una opción integrada más que la gente olvida. Tanto Windows como macOS tienen su propio dictado a nivel de sistema. En Windows es el panel de escritura por voz Win+H; en Mac es el dictado del sistema operativo que puedes asignar a una tecla. Esos al menos funcionan fuera del navegador, a diferencia del de Google. No son tan precisos ni tan controlables como una herramienta dedicada, pero son gratis y ya están instalados — vale la pena probarlos antes de recurrir a algo de pago.

La escritura por voz de Google Docs es gratis, está integrada y sirve para un párrafo cada vez dentro de una pestaña del navegador. En el momento en que tu dictado necesita salir de esa pestaña — al correo, a un chat, a una hoja de cálculo, sin conexión en un tren — el micrófono se queda atrás, porque nunca estuvo en tu ordenador para empezar. Eso no es un defecto que arreglar. Es el límite de lo que una función de navegador puede alcanzar. Mi hija de siete años dictó una vez un correo entero a su abuela y luego preguntó por qué no funcionaba en su app de dibujo. Pregunta razonable. La respuesta es un atajo de teclado al que no le importa en qué ventana estás.