Dictado por voz en Mac

Mantén pulsada la tecla §, habla y suéltala. El texto se pega en la posición actual del cursor, mediante una pulsación Cmd+V sintetizada en la aplicación que tenga el foco. Funciona en cualquier sitio donde un campo de texto admita pegar: Mail, Notas, Slack, Word, los campos del navegador, la Terminal. No hay extensiones que instalar, porque la integración ocurre a nivel del sistema operativo y no dentro de cada aplicación.

Los argumentos a favor de la transcripción en el dispositivo son tres cosas a la vez: privacidad, velocidad y durabilidad. Cuando el modelo se ejecuta en tu Mac, el audio se captura en memoria, se transcribe, se pega en el cursor y se descarta. Nada se escribe en el disco y nada se sube. No hay una base de datos que citar judicialmente, ni superficie de filtración, ni duda sobre qué registra un proveedor.

El matiz honesto es que «local» es un espectro, no una casilla. Varias aplicaciones populares transcriben en local pero pasan la transcripción por un gran modelo de lenguaje en la nube para limpiarla, lo que devuelve tus palabras a la red. Por eso la pregunta rara vez es «¿es local?» sino «¿qué parte es local?». En Parakeety, la respuesta es: todo lo que tiene que ver con tu audio.

La velocidad es lo que más se nota. Un servicio en la nube añade un viaje de ida y vuelta por la red a cada intervención; un modelo local en el Apple Neural Engine, no. Y la durabilidad importa en una herramienta en la que te apoyas a diario: un servicio por suscripción puede cambiar sus precios, su modelo o sus condiciones bajo tus pies, o cerrar. Una aplicación que se ejecuta en tu propia máquina sigue funcionando.

El audio se captura en un búfer en memoria, se procesa en el Apple Neural Engine, se pega el texto y el búfer se descarta de inmediato. No hay ninguna transmisión a OpenAI, Anthropic ni a ningún otro servidor, sencillamente porque no hay transmisión. Las únicas conexiones salientes son la descarga única del modelo en el primer arranque y comprobaciones de licencia periódicas, que solo envían la clave de licencia, un hash de un identificador de hardware y el nombre del equipo. Sin audio, sin transcripciones, sin analítica, sin telemetría.

La precisión es una propiedad del modelo de voz, no del lugar donde se ejecuta. El modelo que ha cambiado lo que es posible en un Mac es NVIDIA Parakeet TDT 0.6B v3: unos 600 millones de parámetros, una arquitectura de transductor y, ahora mismo, el primer puesto del Hugging Face Open ASR Leaderboard.

En breve, por qué importa: Parakeet TDT v3 registra una tasa de error por palabra del 6,32 % frente al 7,44 % de Whisper Large V3, se ejecuta aproximadamente un orden de magnitud más rápido en el mismo hardware y usa un diseño de transductor que produce silencio durante los silencios en lugar de alucinar texto, como pueden hacer los sistemas basados en Whisper. El contrapunto es la cobertura de idiomas: 25 lenguas europeas frente al centenar de Whisper. Para dictar en esos idiomas en Apple Silicon, es el modelo que conviene.

El modelo subyacente (NVIDIA Parakeet) detecta automáticamente cuál de los 25 idiomas europeos estás hablando, sin ninguna selección manual. Puedes pasar del español al inglés a mitad de una frase sin tocar ningún ajuste. Resulta práctico si trabajas en dos idiomas o si intercalas tecnicismos y nombres propios de otra lengua. Los idiomas de fuera de Europa, como el mandarín, el japonés o el árabe, no están cubiertos por el modelo; también forma parte del panorama honesto.

En el dictado clínico y jurídico, la cuestión de la privacidad se convierte en una cuestión de cumplimiento, y hay dos respuestas válidas. Una es el dictado en la nube amparado por un contrato de encargo del tratamiento de datos; la otra es el dictado en el dispositivo, donde el audio no llega a salir del Mac. Como con Parakeety no se sube nada, no existe ningún conjunto de datos en manos de un proveedor que haya que asegurar o divulgar.

Es una afirmación sobre la arquitectura, no una promesa de cumplimiento. Si la arquitectura en el dispositivo basta para tu consulta o despacho depende de tus propias obligaciones regulatorias, por ejemplo el RGPD en Europa o HIPAA en Estados Unidos, y te corresponde a ti verificarlas. Parakeety reduce la superficie de exposición manteniendo el audio en local; no firma contratos en tu nombre.

Yo hago Parakeety, una aplicación para Mac de una sola persona. La construí porque las opciones de dictado que había pedían todas demasiado: una suscripción, una cuenta o mi voz en el servidor de otro. Parakeety es la versión que quería para mí: un pago único y todo se queda en el dispositivo. Como actividad de una sola persona, soy también el responsable del tratamiento de los datos, y como nunca se transmite audio, esa lista es corta.

Parakeety es una aplicación de la barra de menús del Mac. Mantén pulsada la tecla §, habla, suéltala, y tus palabras se pegan en el cursor, en la aplicación en la que estuvieras escribiendo. El audio nunca sale del equipo. Hay una prueba gratuita de 7 días, sin tarjeta. Después, son $25 un único pago.

Prueba Parakeety gratis →