Escribir con la voz sin que salga del ordenador

No. El audio lo reconoce un archivo de modelo que está en su propio disco, y se borra junto con la carpeta temporal en la que vivió. Lo único que cruza la red es la descarga única del modelo; después el dictado funciona con la red completamente apagada.

780 milisegundos desde soltar la tecla hasta que aparece el texto, medido sobre una frase real de cinco segundos con el modelo por defecto en un portátil con M5. Una frase de quince segundos tardó 0,66–0,75 segundos. El modelo pesado large-v3-turbo tarda aproximadamente el doble.

Sí: el atajo se registra en todo el sistema, así que dispara en un terminal, un navegador, un mensajero o un editor, con MediaChef en segundo plano o incluso con su ventana cerrada.

Por defecto, la tecla ⌥ derecha — un modificador solo: mantenla y habla, o púlsala una vez para empezar y otra para terminar; con Shift el texto se envía con Enter. Un modificador solo no escribe nada ni choca con nada. Combinaciones como ⌥ Space escribían un espacio en modo mantenido si soltabas antes ⌥, así que se retiraron; ⌃⌥ Space y ⌃⌥ D quedan como alternativas.

Para dos cosas. Oír la tecla de activación: un modificador solo no puede registrarse como atajo normal, así que MediaChef escucha el teclado por su cuenta, y macOS solo lo permite con Accesibilidad. Y escribir texto en la ventana de otra aplicación, que el sistema considera entrada sintética. Un solo permiso cubre ambas y se concede una vez; después reinicia la aplicación.

El texto va al portapapeles y una notificación explica por qué, con el panel correspondiente de Ajustes del Sistema ya abierto. Nada dictado se pierde nunca por un permiso que falta.

La aplicación más un modelo de voz: 488 MB el de por defecto, 78 MB si elige el más pequeño, 1,62 GB el mayor. Si ya usa MediaChef para transcribir archivos, el modelo ya está en su disco y el dictado no añade nada.

Whisper admite 99 idiomas y usted puede nombrar el suyo o dejar que lo detecte. Mezclar idiomas en una misma frase es justo el caso donde el modelo pesado se gana su tamaño y donde el diccionario ayuda más.

Cinco minutos, tras los cuales se detiene solo y transcribe lo que oyó en lugar de descartarlo. En la práctica se dicta por frases, no por monólogos.

Escape mientras graba descarta la toma y no entrega nada. Se registra solo mientras usted dicta, así que no interfiere con Escape en ningún otro sitio.

Hace el mismo trabajo con dos diferencias que importan: a este se le puede enseñar su vocabulario, y el audio se queda en su máquina. Si ninguna de las dos le importa, el integrado ya está ahí y también es gratis.

Sí. MediaChef es de código abierto bajo GPL-3.0, sin versión de pago ni suscripción — el dictado incluido. La versión publicada es la 0.8.5, con el dictado incluido.

Son dos pasadas distintas. Mientras hablas, el panel muestra un borrador que produce un modelo ligero cada segundo y medio para poder seguir el habla. Lo que se escribe es el resultado final del modelo principal sobre la grabación completa, con tu diccionario de términos. Ambos modelos se eligen en la pestaña Dictado: pon en la vista previa el mismo modelo que el principal y la diferencia desaparece, a cambio de que el panel se retrase.

macOS vincula el permiso a la firma de la aplicación, no a su nombre. MediaChef no tiene certificado de Apple —no vamos a pagarlo—, así que cada versión va firmada distinto y el sistema trata la aplicación actualizada como nueva. La propia aplicación borra la entrada caducada y vuelve a pedir el permiso: un interruptor y un «Permitir» por actualización.

Entonces esa entrada pertenece a la copia anterior de la aplicación, que es lo que pasa tras una actualización. Desactivarlo y volver a activarlo no lo reasocia: lo comprobamos. MediaChef borra esa entrada por su cuenta y provoca el aviso del sistema: actívalo en la lista y reinicia la aplicación.

Casi siempre es el auricular: unos AirPods en su estuche siguen conectados y siguen siendo la entrada por defecto, y macOS entrega ceros planos desde ellos, a cualquier aplicación y no solo a la nuestra. La notificación nombra el dispositivo del que vino el silencio. Ponte el auricular o elige el micrófono explícitamente en la pestaña Dictado.

Sí: la pestaña Dictado lista los dispositivos de entrada. «Como el sistema» significa el último auricular conectado, no el micrófono del portátil, y por eso una elección explícita es más fiable.

No se escribe nada. Una grabación vacía ni llega al reconocimiento: Whisper no se calla ante el silencio, se lo inventa — el modelo ruso escribía créditos de subtítulos. Esas firmas de subtituladores se reconocen y se tratan como silencio, y en su lugar recibes «no se oye habla».

El subsistema de audio de macOS está despertando: hasta dos segundos la primera vez que se abre el micrófono en cada arranque. El panel aparece de inmediato, antes de que empiece la grabación, así que mantén la tecla hasta que diga que está escuchando. Después, abrirlo cuesta decenas de milisegundos.

Pulsa el disparador junto con Shift: el texto se escribe y Enter se pulsa solo. Un dictado vacío nunca pulsa Enter; de lo contrario, callarse enviaría un mensaje vacío o ejecutaría el comando anterior en un terminal.

La grabación se cancela y no se escribe nada. La ⌥ derecha más una letra es el atajo de otra aplicación, no un dictado, y así lo interpreta el programa.

No. La grabación vive en una carpeta temporal y se borra con ella, y guardar un historial de transcripciones está desactivado por defecto. La aplicación promete que tu contenido no sale del ordenador; escribir en él todo lo que dictas en texto plano encajaría mal con eso: la gente dicta contraseñas y trozos de conversaciones privadas.

Sí. El panel se dibuja por encima de las ventanas a pantalla completa y en todos los escritorios: los editores y terminales a pantalla completa son justo donde se dicta.

La pestaña Dictado ofrece también la ⌘ derecha —el otro modificador solo al que macOS no asigna ninguna acción propia— y dos combinaciones normales, ⌃⌥ Espacio y ⌃⌥ D, por si ambos modificadores ya están ocupados.