Entrada de voz gratuita: Whisper local y aplicaciones listas para usar

En el ejemplo que se describe aquí, casi todo se dicta por voz: prompts para Claude, notas, publicaciones y respuestas en aplicaciones de mensajería. Hablar es entre 3 y 4 veces más rápido que escribir con el teclado. Whisper local puede reconocer la grabación en tu ordenador. El destino del texto es un límite de privacidad distinto: pegarlo en un chat en la nube o enviarlo a un servicio online transmite después ese texto según el funcionamiento del servicio.

Esta guía ofrece una instalación directa de la aplicación y una prueba breve antes de confiar en el dictado. Un agente puede ayudarte después a investigar un fallo concreto. También comparamos la comodidad de aplicaciones comerciales listas para usar con una opción local.

¿Por qué dictar por voz en lugar de escribir?#

Cuando trabajas con IA, lo que más tiempo lleva no es el código, sino la redacción. Le explicas a Claude qué tiene que hacer, revisas y aclaras. Escribir esas explicaciones lleva mucho tiempo. Decirlas es rápido.

Las cifras son sencillas: hablar es aproximadamente tres veces más rápido que escribir. Esa es la diferencia entre «escribir un párrafo en dos minutos» y «decirlo en treinta segundos». A lo largo del día, eso suma decenas de minutos ahorrados.

Además, tienes las manos libres. Puedes caminar por la habitación, mirar otra pantalla o sostener una taza. Para muchas personas, también elimina una barrera: hablar resulta más fácil que sentarse a escribir algo.

Wispr Flow, superwhisper, Whisper: ¿cuál es la diferencia?#

Es fácil confundir los nombres, así que vamos por partes.

Whisper (sin «r» al final, de OpenAI) es un motor: un modelo abierto que convierte el habla en texto. Es gratuito, de código abierto y puede funcionar directamente en tu ordenador. Por sí solo, es solo un «motor» sin botones ni ventanas; las aplicaciones ya preparadas lo usan por debajo.

Wispr Flow (con «r», wisprflow.ai) es una aplicación de pago ya preparada para Mac y Windows. Mantén pulsada una tecla, habla y el texto aparece en cualquier campo donde esté el cursor. Es práctica, pulida y funciona nada más instalarla.

superwhisper (superwhisper.com) es una aplicación similar para Mac, Windows y iPhone. Tiene un modo gratuito que utiliza modelos locales, mientras que la versión completa es de pago. La idea es la misma: mantén pulsada una tecla, habla y obtén el texto.

Handy (repositorio oficial) es una aplicación gratuita y de código abierto. El procedimiento siguiente utiliza v0.9.8 y un modelo Whisper local seleccionado; verifica la compatibilidad del instalador con tu sistema.

Ambas opciones convierten voz en texto, pero el modelo, las funciones de edición y el lugar de procesamiento pueden diferir. Una aplicación lista para usar reduce la configuración; Whisper local permite controlar una vía de reconocimiento sin conexión. Prueba la misma frase, incluidos nombres y términos especializados, antes de decidir cuál te funciona mejor.

De pago o gratis: ¿por qué cobran Wispr Flow y superwhisper?#

Este es un resumen sincero de las opciones de pago:

Esto es lo que realmente pagas en las aplicaciones de pago:

• Interfaz lista para usar. La instalas y funciona; no tienes que configurar nada.
• Comandos de voz. «Coma», «nuevo párrafo» y «borrar lo último» se reconocen como comandos de edición (en las versiones de pago).
• Sincronización y diccionario. Los nombres, términos y tu diccionario personal se sincronizan entre dispositivos.

Todo esto está bien. Pero el reconocimiento de voz utiliza la misma clase de modelos que está disponible gratis. Con la configuración local que se describe aquí, no necesitas suscripción: hablas y aparece el texto.

La entrada de voz puede facilitar la redacción de prompts largos. Instala y prueba primero una aplicación elegida; si falla algo, facilita al agente la versión exacta, el modelo seleccionado, el sistema operativo y el síntoma observado, en vez de pedirle que invente una instalación sin especificar.

¿Cómo funciona Whisper local y por qué es privado?#

Los servicios en la nube funcionan así: tu voz se envía al servidor de otra persona, allí se reconoce y el texto se devuelve. Te cobran por ello (por el alquiler del servidor) y tienes que confiarle tu voz a la empresa.

Whisper local funciona de otra manera. Descargas el modelo una vez (un archivo de un par de cientos de megabytes o algo más) y, a partir de entonces, todo ocurre en tu dispositivo:

1. Mantén pulsada una tecla de acceso rápido y habla

   El micrófono graba audio mientras mantienes pulsada la tecla.

2. El modelo de tu ordenador reconoce el habla

   El audio se convierte en texto directamente en el dispositivo, sin Internet.

3. El texto se inserta donde está el cursor

   En un chat con Claude, un documento, la barra de direcciones del navegador: en cualquier sitio.

Una vía de reconocimiento local no necesita una API de voz de pago y puede transcribir sin conexión una vez descargado el modelo. Compruébalo en un editor de texto local. Eso no impide que un chat en la nube, la sincronización del portapapeles u otro destino transmitan después el texto resultante.

Whisper entiende unos 99 idiomas, incluidos algunos menos comunes como el kazajo y el tártaro. Hay modelos de distintos tamaños: desde el más ligero (rápido, pero menos preciso) hasta el más grande (más preciso, pero más exigente).

¿Qué tipo de ordenador puede gestionar la entrada de voz?#

La compatibilidad y la velocidad dependen de la versión de la aplicación, el modelo, el idioma y el hardware. Antes de descargar, comprueba qué sistema operativo y arquitectura de procesador admite el instalador. Un modelo mayor necesita más memoria y almacenamiento; instalarlo correctamente no demuestra que el reconocimiento sea lo bastante rápido para tu trabajo.

Para el procedimiento con Handy de abajo, empieza con Whisper Small local y una frase corta. Comprueba el tamaño de descarga que muestra la aplicación y espera a que termine. Si falla la carga o el retraso es excesivo, consulta los requisitos y prueba un modelo local más pequeño compatible. Compara la transcripción y el retraso reales en tu ordenador; esta guía no establece un mínimo de hardware ni un tiempo universal.

Un procedimiento documentado de dictado local para macOS o Windows#

Utiliza Handy v0.9.8 para este procedimiento. Su README de esa versión describe la transcripción Whisper local, los atajos configurables y los permisos de micrófono y accesibilidad. Es una receta basada en documentación; no se han ejecutado la instalación ni la transcripción para esta guía.

1. Descarga el instalador para tu sistema y procesador desde los archivos oficiales de esa versión. Instala y abre Handy. Comprueba la versión y evita aplicaciones con nombres parecidos de otros sitios.
2. Descarga y selecciona un modelo Whisper Small local. Espera a que termine la descarga. Mantén desactivado el posprocesamiento online opcional durante la prueba local.
3. Concede a Handy acceso al micrófono. En macOS, permite la accesibilidad solicitada para insertar texto en otras aplicaciones desde Ajustes del Sistema → Privacidad y seguridad. Revisa aplicación y finalidad; no apruebes automáticamente solicitudes ajenas.
4. En los ajustes de Handy, configura Ctrl+Shift+Space y el modo de mantener pulsado para grabar. Es una combinación elegida, no un valor predeterminado garantizado. Si se rechaza o ya la usa otra aplicación, elige una disponible y úsala en todas las pruebas.
5. Abre un documento de texto local y coloca el cursor; mantén el atajo, di «Prueba de entrada de voz, proyecto alfa» y suéltalo. La grabación debe detenerse y el texto reconocido debe insertarse en el documento. Comprueba las palabras y el retraso; la puntuación puede variar.
6. Tras descargar la aplicación y el modelo, desconecta la red y repite esa frase inocua en el documento local. Obtener allí una transcripción demuestra que esa vía puede funcionar sin conexión. Después, vuelve a conectarte. Esto no demuestra que un chat en la nube mantenga local el texto que reciba.

Si necesitas ayuda de un agente para adaptar la configuración, utiliza un diagnóstico acotado:

Utilizo Handy v0.9.8 con un modelo Whisper Small local.
Sistema operativo y procesador: [indicar valores reales].
Atajo de transcripción elegido: [indicar el configurado].
Resultado de la prueba en el editor local: [describir lo observado].
Consulta las instrucciones oficiales de esta versión. Identifica la fase
que falla: descarga/carga, micrófono, atajo o inserción de texto.
Explica cada permiso o cambio propuesto antes de aplicarlo. No utilices
una API de transcripción en la nube, no compres nada ni borres archivos.

El prompt es una ayuda opcional para un fallo observado. El mensaje «listo» del agente y un clic en Permitir no sustituyen las pruebas de transcripción y funcionamiento sin conexión.

Cómo comprobar que funciona (y qué hacer si no funciona)#

Después de configurar la aplicación, descargar el modelo y elegir el atajo, realiza tú mismo la prueba en el editor local:

1. Coloca el cursor en un documento de texto local

   Utiliza un documento de prueba inocuo para comprobar el reconocimiento local.

2. Mantén pulsado el atajo de transcripción configurado en Handy

   Si elegiste Ctrl+Shift+Space, utiliza esa combinación; si elegiste otro atajo disponible, utiliza el que hayas configurado.

3. Di en voz alta una frase corta

   Por ejemplo: «prueba de entrada de voz».

4. Suelta las teclas

   El texto debería aparecer donde estaba el cursor.

Si no aparece ningún texto, no te preocupes; son problemas habituales. Copia este prompt en el chat de Claude y te guiará:

Mi atajo de transcripción configurado en Handy es: [combinación real].
Cuando lo mantengo pulsado, hablo y lo suelto en un documento de prueba local,
no aparece ningún texto.

Comprueba exactamente qué falla (falta de acceso al micrófono,
permiso para controlar el ordenador, conflicto con una tecla de acceso rápido del sistema
o que el modelo no se haya descargado) y guíame paso a paso
para solucionarlo.

Empieza comprobando estas fases concretas; puede haber otras causas:

• No hay acceso al micrófono. El sistema no ha permitido que el programa escuche el audio; tienes que concederle acceso en los ajustes de privacidad.
• Falta permiso para insertar texto (Mac). Comprueba el permiso de accesibilidad solicitado por Handy en Ajustes del Sistema → Privacidad y seguridad y repite la prueba en el editor local.
• Conflicto con la tecla de acceso rápido. Ctrl+Shift+Space ya lo utiliza otro programa; elige otra combinación.
• La descarga o carga del modelo no ha terminado. Revisa su estado en la aplicación y completa la descarga del modelo local seleccionado antes de probar otra vez. No cambies silenciosamente a un servicio de transcripción online.

¿Y si no se instala nada?#

A veces no hay tiempo para solucionar problemas, pero quieres dictar hoy mismo. En ese caso, activa la entrada de voz integrada en el sistema; es gratuita:

• Mac: «Ajustes del Sistema» → «Teclado» → «Dictado» → actívalo. En los chips Apple, el reconocimiento funciona sin conexión, directamente en el dispositivo.
• Windows: pulsa Win + H para abrir el panel de escritura por voz. Ten en cuenta que funciona a través de Internet (el reconocimiento se ejecuta en los servidores de Microsoft), así que no es un procesamiento privado sin conexión.

Funciona de inmediato y no requiere instalación. La calidad es algo más modesta que la de Whisper local. Pero es una opción perfectamente válida para no quedarse atascado y empezar a escribir por voz hoy mismo.

Wispr Flow o Whisper gratis: ¿cuál deberías elegir?#

Una guía rápida para elegir:

La opción local evita una suscripción de reconocimiento y ofrece una vía de transcripción sin conexión. Comprueba calidad, velocidad y comportamiento sin red en tu ordenador antes de confiar en ella. Una aplicación comercial puede encajar mejor si su flujo te ahorra tiempo; compáralas con la misma frase inocua.

Prueba simplemente a dictar tu primer prompt. En la experiencia descrita aquí, después de un par de días usando la entrada de voz, la gente casi dejó de escribir textos largos con el teclado.