Durante casi toda la última década, “dictado” significó una cosa: un modelo escuchaba tu voz y escribía lo que oía, palabra por palabra. Con muletillas y todo. El dictado con IA añade un segundo paso. Una vez que existe la transcripción, un modelo de lenguaje la lee y la limpia - como lo haría un editor cuidadoso, pero en una fracción de segundo.
Ese segundo paso es toda la diferencia. También es donde se esconde la cuestión de la privacidad, porque en la mayoría de apps la limpieza ocurre en el servidor de otro.
Voz a texto: el primer modelo
El voz a texto (también llamado reconocimiento de voz, o STT) es la tecnología de base. Hablas, un modelo convierte el audio en una cadena de palabras. Los dos modelos abiertos que impulsan casi todo el dictado de escritorio en 2026 son Whisper de OpenAI y Parakeet TDT de NVIDIA. Ambos pueden correr por completo en tu propio hardware.
Lo que obtienes de este paso es una transcripción fiel. Si dijiste “eh, o sea creo que deberíamos, ya sabes, sacarlo el viernes”, eso es más o menos lo que sale. Preciso, pero no algo que pegarías en un correo sin ordenarlo antes.
Ese ordenar solía ser tu trabajo. Ahora lo hace un segundo modelo.
Dictado con IA: añadir el modelo de lenguaje
El dictado con IA pasa la transcripción en bruto por un modelo de lenguaje (la misma clase de modelo que hay detrás de ChatGPT, Claude y Gemini). El modelo de lenguaje hace la pasada de edición:
- Quita muletillas. “Eh”, “mmm”, “o sea”, “tipo” - fuera.
- Arregla puntuación y gramática. El habla atropellada se convierte en frases bien puntuadas.
- Ajusta el estilo. El habla casual puede volverse un mensaje profesional, una nota formal, o texto en estilo de código con las mayúsculas de identificador correctas.
- Traduce. Habla en tu idioma nativo, obtén el texto en otro.
Así “eh, o sea creo que deberíamos, ya sabes, sacarlo el viernes” se vuelve “Creo que deberíamos sacarlo el viernes.” Mismo sentido, listo para enviar.
Por eso la categoría se llama dictado con IA y no dictado a secas: hay dos modelos en el pipeline, y el segundo es un modelo de lenguaje. El modelo de voz te oye; el modelo de lenguaje te edita.
Dijiste
o sea eh subí el fix a githab y la la latencia bajó en postgress
El dictado con IA te da
Subí el fix a GitHub, y la latencia bajó en Postgres.
Voz a texto vs dictado con IA, lado a lado
| Eje | Voz a texto simple | Dictado con IA |
|---|---|---|
| Qué produce | Transcripción en bruto de lo que dijiste | Texto limpio, listo para enviar |
| Modelos implicados | Uno (voz a texto) | Dos (voz, y luego modelo de lenguaje) |
| Muletillas | Se quedan | Se quitan |
| Puntuación y gramática | Lo que buenamente saque el modelo de voz | Corregidas |
| Estilo / tono | Solo literal | De casual a formal, o estilo de código |
| Traducción | No | Habla un idioma, obtén otro |
| Dónde corre la limpieza | N/A | En la nube en la mayoría de apps; en el dispositivo en SnailText |
La parte que la mayoría de comparativas se salta: dónde corre el segundo modelo
Esta es la pregunta que decide si el dictado con IA es privado: ¿dónde ocurre el paso del modelo de lenguaje?
En la mayoría de apps de dictado con IA, el paso de voz a texto puede correr en tu dispositivo, pero el paso de limpieza llama a un modelo de lenguaje en la nube - OpenAI, Anthropic o Google. Eso significa que tu transcripción se sube en cada dictado, aunque tu audio nunca salió del equipo. “Reconocimiento de voz local” y “dictado con IA local” no son la misma afirmación. La primera puede ser verdad mientras la segunda es falsa.
Para un mensaje de Slack sobre la comida, quizá no importe. Para un mensaje de commit que cita código propietario, una nota legal sobre un cliente, o una observación clínica, importa mucho. La transcripción es la parte sensible, y el paso de limpieza es justo donde se envía fuera.
Cómo funciona el dictado con IA de SnailText
SnailText ejecuta ambos modelos en tu dispositivo. Whisper (o Parakeet TDT) se encarga del voz a texto en local, en RAM. Luego un modelo de lenguaje local - un modelo Gemma compacto corriendo en tu propio hardware - hace la pasada de limpieza. Sin clave de API, sin llamada a la nube, nada subido en ninguna de las dos etapas. Esto es lo que ese segundo modelo hace de verdad por ti.
Limpieza y corrección
Cada dictado recibe la pasada básica de edición: muletillas fuera, puntuación y mayúsculas reparadas, fallos de gramática obvios arreglados, y nombres conocidos de marcas y productos restaurados a sus mayúsculas correctas (así “github” se vuelve “GitHub” y “postgres” se vuelve “Postgres”). Esta es la diferencia entre una transcripción que tienes que arreglar y una frase que puedes enviar.
Perfiles temáticos
La limpieza no es de talla única - un desarrollador dictando código quiere un trato distinto que un novelista dictando prosa. SnailText trae cinco perfiles temáticos, y eliges el que encaja con lo que más dictas:
- General - sin sesgo temático, para dictados que cubren muchas áreas.
- Desarrollo e IT - restaura identificadores
snake_case/camelCasey nombres de librerías (Python, React, Docker, Postgres y similares). El predeterminado en instalaciones nuevas. - Escritura - artículos, ensayos, prosa. Preserva tu voz y el ritmo de las frases, y se salta por completo la reescritura de identificadores para no convertir nunca una frase normal en código.
- Negocios - reuniones, correos, gestión de proyectos. Conoce el vocabulario de KPI / OKR / ROI y escribe bien los nombres de marca.
- Académico - escritura científica, referencias a fórmulas, nombres latinos de especies, terminología técnica preservada.
El perfil es la palanca más grande sobre cómo se comporta la limpieza, porque le dice al modelo de lenguaje qué tipo de texto estás produciendo antes de que toque una palabra.
Estilos de identificador para código
Si dictas código, puedes fijar la convención a la que el modelo restaura los símbolos: snake_case, camelCase, kebab-case, PascalCase o Auto (deja que el modelo lo infiera del contexto). Di “recording completed” con el perfil de Desarrollo activo y el estilo correcto fijado, y sale recording_completed en lugar de dos palabras sueltas. Este es el tipo de cosa que hace que programar por voz sea de verdad usable en vez de una tarea constante de limpieza.
Estilo, tono y traducción
El mismo modelo puede cambiar de registro - convirtiendo una frase hablada casual en un mensaje profesional - y traducir: habla en tu idioma nativo y obtén el texto en otro, procesado en local en lugar de enviado a una API de traducción.
Tú mantienes el control
La limpieza es deliberadamente conservadora. Está ajustada para preservar tu sentido en vez de reescribirlo, y deja el texto en paz cuando ya está limpio. Si quieres la transcripción en bruto sin edición, desactivas el paso y obtienes voz a texto literal simple. El dictado con IA es un modo que activas, no un filtro al que estás atado.
Esto también es por qué podemos llamar a SnailText dictado con IA con honestidad. Antes de que llegara el paso local del modelo de lenguaje, era una app de voz a texto rápida y privada. Con dos modelos en el pipeline - ambos en el dispositivo - es dictado con IA que no sube nada.
La limpieza local con modelo de lenguaje es una función Pro, ahora mismo en beta. El plan gratis te da el motor completo de voz a texto en local sin cuenta y sin límite de palabras; Pro ($7.49/mes o $89/año, hasta 3 dispositivos) añade el modelo de limpieza en el dispositivo, los perfiles temáticos y los estilos de identificador descritos arriba.
Cuándo quieres voz a texto simple en su lugar
El dictado con IA no siempre es el modo correcto. Si estás transcribiendo una cita y necesitas las palabras exactas, o dictas en un sistema que tiene sus propias reglas de formato, el paso de limpieza puede estorbar. Para eso está el interruptor de apagado. La idea no es que uno reemplace al otro - el dictado con IA te da un segundo modo, y una buena app te deja elegir por tarea.
La versión corta: el voz a texto escribe lo que dijiste. El dictado con IA te entrega lo que querías enviar - en el estilo que tu trabajo necesita. Lo único que queda por comprobar es si ese segundo paso mantiene tus palabras en tu equipo.