Voz a texto en Obsidian

¿Tiene Obsidian voz a texto integrado?

No. Obsidian no tiene ninguna función de dictado nativa que convierta tu habla en texto en el editor. El plugin principal Audio Recorder graba un archivo de audio y lo adjunta a tu nota; no transcribe lo que has dicho. Eso es útil, pero es lo opuesto de lo que busca la mayoría de la gente.

Para obtener transcripción real dentro de un vault, recurres a un plugin de la comunidad. El más común es el plugin "Whisper" de nikdanilov. Graba o sube audio, lo envía a una API de transcripción compatible con Whisper y pega el resultado en tu cursor. Funciona en escritorio y móvil, y el atajo predeterminado es Alt+Q. El inconveniente está en su propia guía de inicio rápido: añades una clave API en la configuración, porque habla con OpenAI, Groq, Azure u otro servicio compatible con Whisper. Eso significa nube, y significa pagar al proveedor de la API por minuto de audio.

También hay otras rutas dentro del editor. La gente combina el Audio Recorder principal con un servicio de transcripción como Deepgram, o ejecuta herramientas de dictado separadas junto a Obsidian. Todas son buenas opciones. Pero fíjate en el hilo común: los que transcriben dentro de la nota casi todos enrutan tu audio a una API en la nube y piden una clave. Hay una forma diferente de hacerlo que evita ambas.

Un plugin en un vault vs. un atajo en cualquier lugar

Esta es la distinción que vale la pena aclarar. Un plugin dentro del vault vive dentro de Obsidian. Transcribe cuando estás en una nota, usando su propio atajo, y solo funciona allí. Una aplicación de atajo global vive un nivel más arriba, en tu sistema operativo. Escribe en Obsidian, pero también en tu navegador, tu correo, tu terminal y cualquier otra aplicación, porque para tu ordenador simplemente estás escribiendo.

Cuál quieres depende de lo que estés haciendo en realidad. Si tu único objetivo es dejar un archivo de audio grabado en una nota y que se transcriba ahí mismo, el plugin está hecho exactamente para eso. Si quieres dictar prosa en el editor como la escribirías, y también dictar en cualquier otro lugar donde escribas, la aplicación global es la mejor opción. El resto de esta guía trata principalmente del segundo tipo, porque no necesita clave ni configuración por vault.

La forma más rápida: un atajo global de teclado

Aquí es donde una aplicación de escritorio cambia la ecuación. Whisper by Remskill no es un plugin de Obsidian, una integración de vault ni una extensión de navegador. Es una aplicación de escritorio que funciona como un teclado: pulsa un atajo, habla, y la transcripción se pega en el cursor, en cualquier aplicación, incluida tu nota de Obsidian. No hay clave API que pegar, porque los motores de transcripción corren localmente en tu máquina. Funciona igual en Obsidian que en cualquier otro lugar, ya que escribe en lugar de integrarse.

La configuración es breve:

Ese es todo el bucle. La transcripción aparece en el editor, la lees, sigues escribiendo.

Habla, y la nota se rellena

Una vez en marcha, la experiencia es sin pretensiones de la mejor manera. Pones el cursor en una nota, mantienes la tecla, hablas, sueltas. Un segundo después el texto está en el editor como si lo hubieras escrito. Sin grabación separada que revisar más tarde, sin archivo de audio que desordene el vault, sin tarea de transcripción que esperar. Solo palabras donde estaba tu cursor.

Como la transcripción local corre en tu máquina (Rust puro, sin sidecar de Python, sin servidor en el bucle), funciona sin conexión. Para una aplicación de notas, ese es el punto principal. El pensamiento que estás capturando, la reunión que estás resumiendo, la idea a medio formar que no quieres que indexe alguien más, nada del audio sale de tu portátil. Los plugins del vault que llaman a una API en la nube no pueden decir eso, y el dictado de voz integrado de Windows necesita conexión a internet para funcionar. El modo local de Whisper no.

Cómo es la aplicación 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 multilingüe cubren 99 idiomas, o Parakeet de NVIDIA, unos 600 MB, 5 a 10 veces más rápido que Whisper en CPU, cubriendo inglés y 24 idiomas europeos. Configuras tu atajo, gestionas el historial y guardas presets. Nada de eso es necesario para dictar una nota. Está ahí cuando quieres ajustar.

Limpiar notas dictadas con IA

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 con IA que elimina las muletillas y ordena la formulación antes de pegar. Así, «eh, sí, bueno la, la reunión se ha movido, creo que haremos, haremos el jueves» se convierte en «La reunión se ha movido; creo que lo hacemos el jueves.» Para una nota permanente que releerás más tarde, esa limpieza vale la pena.

Esa limpieza corre localmente a través de Ollama, gratis, en tu propia máquina. Los usuarios Pro pueden enrutarla a través de la nube, pero el beneficio de limpiar muletillas no requiere Pro; está disponible en el pipeline local gratuito. También puedes desactivarlo y pegar la transcripción en bruto, que para una captura rápida suele ser exactamente lo correcto.

Local y privado: tus notas se quedan en tu máquina

Esta es la única opinión firme que defenderé para una herramienta de notas: el dictado solo en la nube es un desastre de privacidad esperando ser transcrito. Tu vault es donde guardas la hoja de cálculo de salarios que estás redactando, el correo a la escuela de tu hijo, la idea a medio formar que no estás listo para compartir. Todo el atractivo de Obsidian para mucha gente es que las notas son archivos simples en su propio disco. Enrutar el audio de esas notas a través de la API de un proveedor deshace eso en silencio.

Con los motores locales de Whisper, la grabación se transcribe en tu propia CPU y se descarta. Sin clave, sin cuenta en el proveedor de transcripción, sin audio guardado en algún log. Eso no es una frase de marketing, es simplemente donde ocurre el cálculo. Una vez vi a un equipo acumular una factura de nube de cinco cifras en un trimestre alimentando una API con grabaciones de standups; la respuesta del CFO fue, más o menos, «o no pagamos por transcribir reuniones que ya tienen notas». La misma lógica se aplica a un vault personal, sin el CFO.

Cuándo un plugin del vault encaja mejor

No voy a fingir que la aplicación global gana en todos los casos, porque no es así. Si lo que tienes realmente es una carpeta de notas de voz grabadas o audio de reuniones que quieres transcribir y adjuntar dentro de notas específicas, un plugin del vault como el "Whisper" de nikdanilov está hecho exactamente para ese flujo de trabajo. Graba o sube un archivo y deja la transcripción en la nota. Pagarás la API de transcripción por minuto y gestionarás una clave, pero el bucle archivo-entrada, transcripción-en-nota es lo que hace, y una aplicación que escribe con atajo no lo reemplaza.

También está la opción de no hacer nada. Si solo dictás una línea ocasional, tu sistema operativo ya lo hace de forma gratuita. En Windows, pulsa la tecla del logo de Windows + H y el dictado de voz se abre en cualquier cuadro de texto, incluida una nota de Obsidian. En Mac, el atajo de Dictado integrado hace lo mismo, y en Apple silicon funciona en el dispositivo sin internet. La contrapartida: Win+H en Windows necesita conexión, mientras que el dictado de macOS y el modo local de Whisper no.

Elige la herramienta más pequeña que resuelva tu problema. Para una captura de una línea, es la tecla que tu SO ya tiene. Para transcribir archivos de audio en notas específicas, es un plugin del vault. Para dictar prosa en el editor y en cualquier otro lugar donde escribas, sin conexión y sin clave, es la aplicación global.

Cuánto cuesta Whisper

El pipeline de dictado local — transcripción y limpieza IA a través de Ollama — es gratuito para cualquier usuario conectado, sin tarjeta al registrarse. Así que introducir tu voz en una nota con Whisper no cuesta nada, y no hay medición por minuto de la API de transcripción. Whisper Pro añade las funciones en la nube (transcripción OpenAI, mejora IA en la nube, búsqueda web por voz) y tiene un período de prueba separado. Las cifras exactas están en la página de precios en lugar de aquí, porque los precios cambian y un artículo de blog es un mal lugar para mantenerlos actualizados.

Obsidian probablemente incorporará una función de dictado nativa con el tiempo, como tienden a hacer las aplicaciones cuando suficiente gente instala tres plugins tratando de imitarla. Hasta entonces, tu vault tiene opciones: un plugin del vault para transcribir archivos de audio, tu SO para la línea ocasional, y una aplicación global para dictar prosa en el editor sin clave ni servidor en el bucle. Tres herramientas, un cuaderno. La mayoría de las veces necesitas la que mantiene el audio en tu máquina.