Las dos clases de app de dictado
Cuando el software de dictado empezó a hacerse popular de nuevo en 2022-2023, la promesa era simple: pulsa un atajo, habla, aparece texto. Dos años después, muchas de las apps más populares han añadido en silencio una capa de LLM entre “lo que dijiste” y “lo que se pega”. Esa capa es la fuente de la mayoría de quejas sobre software de dictado que encontrarás hoy en los foros.
Clase 1: Literal. El modelo de reconocimiento de voz transcribe tu audio. El resultado se limpia en ortografía y puntuación. Se pega. Ya está. Lo que dijiste es lo que aparece. Si el modelo oye mal una palabra, la corriges tú. Si soltaste un taco, ahí está. Si te autocorregiste a mitad de frase, ambas versiones están ahí.
Clase 2: Mejorada con IA. Después del paso de reconocimiento de voz, un LLM procesa la transcripción antes de pegar. Puede quitar muletillas, arreglar gramática, resolver autocorrecciones, adaptar el tono por app, y reescribir frases que juzga torpes. Cuando funciona bien, la salida es prosa pulida que habría requerido una pasada de edición manual. Cuando sale mal, quita palabras que elegiste a propósito, censura vocabulario que le enseñaron a marcar, reescribe contenido técnico que no entiende, y de vez en cuando produce una “respuesta” a algo que dijiste como pregunta en vez de transcribirlo.
La misma función que hace que el dictado mejorado con IA se sienta mágico para un correo casual es la que lo hace enloquecedor para comentarios de código, borradores legales, o cualquier cosa donde tus palabras exactas importan.
Qué hace cada clase con la misma frase
Toma esta frase dictada: “quedamos a las 3… espera no, a las 4, y trae la puta presentación”
Salida literal: quedamos a las 3... espera no, a las 4, y trae la puta presentación
O con recorte de silencio por VAD: quedamos a las 3... espera no, a las 4, y trae la puta presentación
Salida mejorada con IA (típica): Quedamos a las 4 y trae la presentación.
La versión con IA resolvió la autocorrección (bien), quitó el taco (quizá bien, quizá no), quitó la vacilación de los puntos suspensivos (bien), y puso mayúscula a la frase (bien). Cada uno de esos cambios fue una decisión que la app tomó sin preguntarte.
Para un mensaje de Slack a un amigo, la versión con IA es objetivamente mejor. Para una cita directa que estabas transcribiendo, una declaración legal, o un prompt de Cursor donde “la puta presentación” era una referencia técnica a un archivo llamado justo así, la versión con IA está mal de formas difíciles de pillar al revisar.
Cuándo quieres literal
Desarrolladores dictando contenido técnico. Código, comandos de terminal, nombres de función, rutas de archivo, trazas de error. kubectl apply -f values.yaml no debería volverse “cube control apply F values yaml”. async/await no debería volverse “async await”. El diccionario personalizado en las apps literales maneja los términos recurrentes; el modelo literal al menos no los reescribe activamente.
Periodistas e investigadores transcribiendo o redactando. Cuando estás capturando las palabras de otro — o tu propia formulación exacta — una IA que “mejora” la prosa produce un documento que ya no dice lo que se dijo.
Profesionales legales y médicos. Las formulaciones importan. “El paciente negó ideación suicida” es distinto de “el paciente dijo que no estaba pensando en el suicidio”. Una IA que parafrasea por claridad puede introducir una distinción que el hablante original no pretendía.
Escritores con voz propia. Un miembro vitalicio de pago en el subreddit de SuperWhisper lo dijo sin rodeos: “No compré un producto de ‘haz mejor lo que estoy diciendo’. Solo quiero que dicte y arregle ortografía y estructura de frase.” La queja no es sobre la limpieza con IA en principio — es sobre una capa de IA que se toma más libertades de las que el usuario pidió. Si has desarrollado una voz de escritura durante años, una IA que la suaviza trabaja activamente en tu contra.
Cualquiera dictando en un idioma o registro que la IA no conoce bien. Vocabulario no estándar, dialecto, jerga, jerga de un dominio concreto. El post-procesado por IA tiende a normalizar hacia lo que los datos de entrenamiento consideraron “estándar”, lo que significa que aplana justo las decisiones lingüísticas que hacían tuya tu escritura.
Cuándo quieres mejorado con IA
Correspondencia casual. Correos, mensajes de Slack, mensajes de texto donde el objetivo es comunicar con claridad y no tienes un apego fuerte a tu formulación exacta. La limpieza con IA elimina la carga cognitiva de editar.
Hablantes no nativos del idioma de transcripción. Si piensas en un idioma y dictas en otro, la corrección de gramática es genuinamente útil en vez de intrusiva.
Gente que dicta sin parar y odia la pasada de edición. Si tu flujo es “habla todo, no edites nada”, la limpieza con IA cambia algo de precisión por tiempo ahorrado. Para dictado casual de alto volumen, el intercambio es razonable.
Gente que aún no se siente cómoda dictando prosa pulida. La capa de IA puede servir de puente mientras desarrollas hábitos de dictado — actuando como un corrector en tiempo real hasta que la salida hablada sea lo bastante limpia por sí sola.
Las apps y a qué clase pertenecen
| App | Clase | Capa de IA | Plataforma | ¿Conmutable? |
|---|---|---|---|---|
| SnailText | Literal por defecto | LLM local opcional (Pro, en el dispositivo) | Mac, Windows | Sí — un toque |
| MacWhisper | Literal | Ninguna | Mac | No |
| Parakeety | Literal | Ninguna | Mac | No |
| SuperWhisper (Smart Modes off) | Literal | Desactivada | Mac, Windows, iOS | Sí — pero escondido |
| SuperWhisper (Smart Modes on) | Mejorada con IA | Nube de Modal — envía contexto de app, portapapeles | Mac, Windows, iOS | Estado por defecto |
| Wispr Flow | Mejorada con IA | Siempre activa — nube, sin desactivar | Mac, Windows, iOS, Android | No |
| Apple Dictation | Literal | Ninguna | Mac | No |
Los Smart Modes de SuperWhisper envían contexto adicional (nombre de app, portapapeles, ventana activa) a la nube de Modal incluso cuando el STT corre en local — documentado en la propia interfaz de SuperWhisper.
Cómo obtener salida literal de SuperWhisper
Si ya estás en SuperWhisper y quieres salida literal, los ajustes existen pero requieren excavar un poco. La clave es crear un Mode personalizado con un prompt que instruya explícitamente al modelo a transcribir en vez de reescribir.
Un prompt compartido en la comunidad de SuperWhisper que funciona bien:
Eres un asistente de transcripción de voz a texto en tiempo real. Tu único trabajo es limpiar y devolver la transcripción final. Procesa rápido — minimiza la latencia. Reglas: Quita muletillas y vacilaciones (eh, mmm, este, o sea, ya sabes, espera, hmm) salvo que lleven un sentido explícito. Arregla ortografía, gramática y puntuación en silencio. Si el hablante se autocorrige a mitad de frase, resuelve la corrección y produce solo la versión final pretendida. Produce SOLO la transcripción final limpia. Sin explicaciones, sin introducciones, sin respuestas conversacionales, sin metadatos.
Ten en cuenta que este enfoque igual usa la capa de post-procesado en la nube de SuperWhisper — el contexto de tu audio se envía a los servidores de Modal incluso con un prompt personalizado. Si el problema es la reescritura y la capa en la nube no te preocupa, esto funciona. Si quieres a la vez salida literal y procesamiento solo local, otra app es la respuesta estructuralmente más simple.
El enfoque de SnailText: literal por defecto, IA cuando la quieras
SnailText se construyó desde la premisa de que lo que dices debería ser lo que se pega. El pipeline de transcripción — Whisper o Parakeet TDT corriendo en local — produce texto de tu audio, añade puntuación según cómo hablaste, y lo pega. Nada reescribe, parafrasea ni cuestiona tu vocabulario. Este es el comportamiento por defecto en Mac y en Windows, para cada usuario incluido el plan gratis.
Para los usuarios que sí quieren limpieza con IA, Pro incluye un paso opcional de post-procesado por LLM local. El modelo corre en tu dispositivo — no en un servidor remoto — así que se mantienen las mismas propiedades de privacidad. Tú controlas el prompt. Puedes apagarlo cuando quieras. El camino literal siempre está a un toque de distancia.
Esta es la misma decisión arquitectónica que han tomado Parakeety, MacWhisper y varias otras apps más nuevas: dale al usuario transcripción limpia primero, y déjale añadir IA encima si la quiere. La alternativa — IA activada por defecto, literal escondido en los ajustes — es lo que produce la frustración en los hilos de los foros.
En resumen
Si tu app de dictado está reescribiendo cosas que no le pediste reescribir, eso no es un error de configuración que se te pasó. Es el producto funcionando como se diseñó. La pregunta es si ese diseño encaja con lo que de verdad necesitas.
Para código, citas, borradores legales, o cualquier contenido donde la formulación exacta importa: app literal, procesamiento local, sin capa de IA entre tu voz y tu cursor.
Para correo casual, Slack, y prosa de alto volumen donde la limpieza es un beneficio neto: las apps mejoradas con IA hacen justo lo que anuncian.
El plan gratis de SnailText es literal por defecto — descárgalo para Mac o Windows y pruébalo contra lo que uses ahora. Si la capa de IA resulta ser algo que quieres, Pro la tiene. Si es algo que quieres evitar para siempre, el plan gratis no tiene ningún LLM en el camino.
Lecturas relacionadas:
- Alternativas a SuperWhisper — comparación completa incluido el hallazgo de privacidad de los Smart Modes
- Cómo funciona — el pipeline de SnailText en detalle
- Alternativas a Wispr Flow — 9 herramientas comparadas en privacidad, precisión y valor
- Para vibe-coders — dictado por voz para agentes de código con IA, donde la salida literal importa más