11 soluciones de voz a texto: dictado, reuniones y archivos
El artículo original parte de preguntas en comunidades de accesibilidad, software y escritura sobre opciones de voz a texto económicas y móviles. Las respuestas difieren porque cada persona necesita resolver una tarea distinta.
Dictar un borrador, controlar el ordenador, transcribir una grabación y subtitular una conversación no son lo mismo. Una aplicación puede destacar en una función y no cubrir las demás.
El autor original relata cinco semanas de pruebas con once opciones y un clip de 59 segundos que mezcla hindi e inglés. Conservamos ese contexto como experiencia atribuida, no como una prueba nueva ni una evaluación independiente reproducida para esta versión.
Opciones de voz a texto según la tarea
La lista agrupa once alternativas por uso. No establece una clasificación universal de precisión: revisa idiomas, archivos, privacidad y coste del flujo que necesitas.
- JotMe: reuniones y archivos multilingües, notas y dictado de escritorio
- Dictado de Apple: dictado integrado en Mac y iPhone
- Acceso por voz de Windows: control del PC y dictado
- Dictado de Google Docs: escritura en documentos desde el navegador
- Dictado de Gboard: entrada de texto en Android
- Dragon Professional: dictado y vocabulario personalizado en Windows
- Wispr Flow: dictado entre aplicaciones y un Notetaker separado
- Otter.ai: transcripciones y seguimiento de reuniones en idiomas compatibles
- OpenAI Whisper: reconocimiento de voz de código abierto para ejecución propia
- Descript: edición de audio y vídeo mediante el texto
- Sonix: archivos, subtítulos y flujos por API
Cómo interpretar las pruebas del artículo original
La metodología siguiente corresponde al relato del autor. No hemos vuelto a ejecutar los once productos ni verificado sus compras o el audio original.
La fuente describe tres entradas: un dictado de 400 palabras a unas 150 palabras por minuto, un archivo de 59 segundos con hindi e inglés mezclados y una llamada de dos participantes. Ese conjunto no representa todos los acentos, dispositivos o entornos.
El autor comparó reconocimiento en inglés, cambios de idioma, resultados posteriores y coste. También declaró acceso a JotMe por trabajo con el cliente. Es contexto necesario para interpretar la comparación, no una acreditación independiente.
Las afirmaciones sobre la frecuencia de conversaciones bilingües y los fallos del clip son del autor. No concluimos que todos los sistemas integrados fallen al mezclar idiomas: la detección y las funciones han cambiado y deben probarse en cada caso.
Comparación de programas de voz a texto
Reseñas de las once opciones de voz a texto
Cada sección distingue finalidad, experiencia original, funciones actuales y límites. Los importes en USD son referencias, no precios finales de España. Comprueba modalidad, impuestos y condiciones antes de contratar.
1. JotMe: transcripción y trabajo multilingüe
Plan gratuito; Pro, 20 USD/mes o 120 USD/año, equivalentes a 10 USD/mes.
JotMe figura primero en el artículo original por el resultado que su autor describe con el clip hindi-inglés y las notas posteriores. No usamos ese caso para afirmar que sea el único producto capaz de transcribir idiomas mezclados.
El catálogo de JotMe incluye transcripción en directo en más de 200 idiomas y dialectos, subida de archivos en más de cien y notas en 21. Captura audio autorizado sin entrar como bot en Zoom o Teams; eso no significa que el procesamiento sea local o que no se necesite permiso.
Subir un archivo: qué revisar antes de procesarlo
En Recordings, Transcribe file abre el espacio para subir una grabación. También puede accederse desde el menú junto al inicio de notas, según la versión.
La interfaz organiza archivo, idiomas y estimación de uso en un flujo revisable antes de confirmar.
El panel enumera formatos como MP3, WAV, M4A/AAC, FLAC, OGG/Opus, AIFF, CAF y vídeos compatibles. La documentación indica hasta 1 GB. El habla puede quedar en Auto detect, la traducción en None u otro idioma y las notas en una selección independiente. Verifica que pueda leerse la duración del archivo.
Antes de confirmar, revisa archivo, idiomas, minutos y créditos de IA. La captura original muestra un ejemplo de un minuto y un crédito, no una tarifa universal para cualquier archivo o selección. Los idiomas adicionales de notas pueden consumir créditos.
Según la documentación, la subida empieza al elegir Confirm and start transcribing. Comprueba el resumen de confirmación de tu versión antes de continuar.
Ver el consumo estimado ayuda a evitar procesar por error una grabación larga. No afirmamos que todos los demás servicios oculten su estimación hasta después del cobro.
El autor original declara que su clip terminó en menos de un minuto. Es una experiencia puntual; la espera depende del archivo, la conexión y la carga del servicio.
Qué muestra el ejemplo de hindi e inglés
La captura de la transcripción muestra el resultado que el autor utiliza para explicar su comparación. No hemos verificado aquí el audio original ni reproducido las cinco semanas de pruebas.
La fuente describe devanagari para hindi, alfabeto latino para inglés, traducción al vietnamita y etiquetas de hablantes. Los tiempos que menciona no encajan claramente con la duración declarada del clip; no los utilizamos como prueba reproducible de rendimiento o duración.
El autor afirma que varias alternativas fallaron con aquella muestra. Ese resultado atribuido no demuestra que hoy todas las opciones integradas o competidoras fallen. Comprueba modelos, ajustes e idiomas con tu propio audio autorizado.
Qué queda después de la grabación
Enhanced puede generar Gist, Summary, Action Items y Key Points. El reproductor permite contrastarlos con el audio cuando está disponible según el flujo y la conservación elegidos.
La fuente relata un Gist de dos frases, dos tareas y tres puntos clave que su autor revisó. Es un resultado de aquel ejemplo, no una garantía de cantidad ni de ausencia de inferencias incorrectas en otras grabaciones.
Puedes volver a generar o traducir notas mediante Create notes again y las opciones disponibles. La documentación actual indica 21 idiomas para notas; el número y la selección de una captura antigua no representan necesariamente el catálogo vigente.
Ask JotMe responde sobre el registro abierto. El autor describe cuatro pasos tras usar What do I do after this meeting?; comprueba cada respuesta con la fuente antes de convertirla en compromisos.
El acceso puede configurarse como Can view, Can comment o Can edit, según el flujo. Revisa destinatarios, contenido y permisos efectivos. No afirmamos que ninguna otra aplicación permita compartir una transcripción con controles.
Para qué puede encajar JotMe
- Equipos que necesitan registrar y revisar conversaciones en varios idiomas.
- Responsables que coordinan trabajo con interlocutores de otros idiomas.
- Usuarios que quieren revisar el consumo estimado al transcribir un archivo.
- Organizaciones que permiten captura de escritorio pero restringen bots, con el flujo aprobado.
- Personas que quieren insertar texto en otras aplicaciones mediante Voice Keyboard.
Qué requiere otra función o solución
- El control completo del ordenador mediante órdenes habladas no equivale al dictado de Voice Keyboard.
- El procesamiento de JotMe necesita conexión; no es un motor totalmente local.
Qué conecta JotMe en un mismo flujo
La plataforma utiliza contexto para apoyar traducción y notas. Un modismo puede resolverse mejor con contexto, pero también puede interpretarse mal. El ejemplo del autor no sustituye una evaluación del idioma, el sector y las decisiones que debas documentar.
Transcripción, traducción, notas, Ask JotMe y permisos pueden acompañar un mismo registro. La transcripción en directo de JotMe cubre conversaciones que están ocurriendo; otros servicios también ofrecen funciones posteriores y deben compararse por su alcance real.
Los minutos y los créditos son contadores distintos. Revisa la estimación del trabajo concreto y el saldo disponible; no extrapoles el consumo de un clip a todos los modos.
Límites y ajustes de JotMe
La afirmación original de que JotMe no dicta entre aplicaciones ha quedado desactualizada. Voice Keyboard permite mantener Fn en Mac o Ctrl + Win en Windows para insertar texto al soltar, con Direct, Curate o Translate. No controla todo el PC mediante voz. Premium Quality consume a 2× y Fast a 5× una sola vez, según el flujo; comprueba el modelo.
Precios de JotMe
Free incluye 20 minutos de traducción, 50 de transcripción, cinco créditos y acceso a las cinco grabaciones más recientes. Pro cuesta 20 USD/mes o 120 USD/año con 200 minutos de traducción en directo, 500 de transcripción y 20 créditos. Premium cuesta 30 USD/mes o 180 USD/año con 500, 2.000 y 50, respectivamente. La extensión no se presenta como ilimitada. Confirma Teams, historial y funciones en precios de JotMe.
Ventajas
- El ejemplo original muestra cambios entre hindi e inglés; comprueba el reconocimiento con tu muestra.
- Muestra una estimación de minutos y créditos antes de confirmar el procesamiento.
- Puede combinar etiquetas, tiempos y texto traducido con el registro original.
- Notas, tareas y puntos clave en idiomas compatibles; la documentación actual enumera 21 para notas.
- Opciones de compartir con permisos según el flujo.
- Captura de reuniones desde escritorio sin añadir un participante bot.
Límites
- Voice Keyboard inserta texto entre aplicaciones; no es control integral del ordenador por voz.
- Procesamiento con conexión, no un modo completamente sin nube.
- Premium Quality consume a 2×; Fast a 5× una sola vez, según el uso.
El tiempo de preparación depende de permisos y cuenta. La documentación de JotMe explica administración y consumo; la guía de audio a texto desarrolla el flujo de archivos.
2. Dictado de Apple: voz a texto integrado en Mac y iPhone
Incluido en macOS e iOS compatibles.
Dictado permite hablar en un campo de texto compatible desde el micrófono del teclado o un atajo de Mac. Comprueba que esté activado, los idiomas y las funciones de tu dispositivo.
El autor original relata una prueba de 400 palabras en inglés con puntuación generalmente correcta. Ese resultado no mide el dictado en español de España ni garantiza el mismo porcentaje con tu equipo. La posibilidad de teclear mientras dictas depende de plataforma y versión.
La fuente describe un mal resultado con su clip hindi-inglés. No lo generalizamos a todo Dictado actual: Apple permite configurar idiomas y sus funciones cambian con hardware y sistema. Prueba la combinación concreta.
Ventajas: función integrada y acceso desde campos compatibles; consulta en Ajustes si el procesamiento es en el dispositivo.
Límites: idiomas, comandos y reconocimiento dependen de la versión; dictado no equivale a transcribir archivos con hablantes y tiempos.
Qué debes valorar: ofrece acceso rápido al texto, pero revisa vocabulario, conservación y si necesitas procesar grabaciones en vez de dictar.
3. Acceso por voz de Windows: dictado y control del PC
Incluido en Windows 11 22H2 y versiones posteriores compatibles.
Acceso por voz permite controlar aplicaciones y redactar mediante voz. Se inicia desde Configuración → Accesibilidad → Voz o buscándolo en Inicio. Windows + H abre Escritura por voz, una función de dictado distinta; no es el atajo de inicio de Acceso por voz.
Después de descargar el modelo de idioma, Acceso por voz puede funcionar sin conexión. Revisa los idiomas y comandos de tu versión; no equivale a admitir cualquier lengua ni a que todas las aplicaciones del equipo tengan el mismo comportamiento.
El autor original describe un resultado alrededor del 90 % en inglés y errores con el clip bilingüe. No es un porcentaje universal ni una evaluación del español o del hindi. Comprueba nombres y vocabulario con audio representativo.
Ventajas: integrado, funcionamiento sin conexión tras la preparación y funciones para manejar el PC mediante voz.
Límites: requiere Windows 11 compatible; idiomas y comandos limitados, con necesidades propias de configuración.
Qué debes valorar: control y accesibilidad no son lo mismo que reformular un borrador con IA. Elige según necesites manejar el equipo o solo escribir.
4. Dictado de Google Docs: redacción desde el navegador
Con cuenta de Google y una versión compatible de Chrome, Edge o Safari.
Dictado por voz está en Herramientas de Google Docs. En Slides sirve para notas del orador. El micrófono y el navegador necesitan permiso; el administrador puede desactivar la función.
La fuente relata una comparación en inglés favorable al dictado de Docs. No la presentamos como una clasificación actual de precisión en español. Revisa puntuación y comandos: algunos controles de edición exigen inglés en cuenta y documento.
Su alcance es Docs y las funciones compatibles de Slides, no cualquier campo de Gmail, Slack o un formulario. Para dictado entre aplicaciones, utiliza una función del sistema u otra solución apropiada.
Ventajas: acceso desde un navegador compatible, varios idiomas y escritura en el documento abierto.
Límites: no se reduce a Chrome, pero tampoco ofrece dictado en cualquier aplicación; no es un flujo de archivos con separación de hablantes.
Qué debes valorar: resulta directo para redactar en Docs; comprueba conexión, procesamiento del navegador y comandos del idioma elegido.
5. Dictado de Gboard: entrada de texto en Android
Disponible con Gboard; funciones según dispositivo e idioma.
El micrófono de Gboard inserta texto en campos compatibles. Las funciones avanzadas descritas por Google requieren Pixel 6 o posterior compatible. El procesamiento local tiene excepciones, como Fix it y cambios detallados; no prometemos modo avión para todo Android.
El autor relata veinte mensajes en una semana y más correcciones en textos largos. Es una experiencia atribuida, no una regla que establezca que Gboard falle después de tres frases.
El dictado avanzado de Pixel admite detección automática entre idiomas compatibles; no afirmamos que todo cambio de idioma falle. Para otros flujos, consulta las aplicaciones de Android de voz a texto y traducción y prueba la combinación necesaria.
Ventajas: dictado desde un teclado compatible y funciones avanzadas en dispositivos e idiomas admitidos.
Límites: no todos los Android ofrecen el mismo modo local; las seis lenguas del dictado avanzado no equivalen al catálogo general de Gboard.
Qué debes valorar: inserta texto en la aplicación abierta. Si necesitas un registro duradero con hablantes y tiempos, evalúa una función de grabación y transcripción.
6. Dragon Professional: dictado y vocabulario personalizado
Licencia de pago; confirma edición, región y condiciones.
Dragon Professional v16 ofrece dictado, vocabulario y comandos personalizables. No confundas Professional con otras ofertas médicas o jurídicas: licencias, vocabularios y condiciones pueden ser distintos. Una cifra publicitaria de precisión no establece que gane con cualquier terminología.
El autor original relata buenos resultados con términos especializados. No hemos repetido esa prueba ni verificado una clasificación clínica. Confirma los requisitos de procesamiento y contrato antes de utilizar información confidencial o de pacientes.
La versión Professional revisada está orientada a Windows 10 y 11. Dragon Anywhere Mobile es otra oferta; comprueba precio, sistema, licencia y configuración en lugar de trasladar todas las funciones entre productos.
Ventajas: vocabulario y comandos personalizables, dictado y transcripción de grabaciones compatibles de un hablante.
Límites: licencia y preparación propias; idioma, versión y hardware deben confirmarse para tu uso.
Qué debes valorar: compara las tareas y el vocabulario reales, sin asumir que comprar una edición profesional resuelve automáticamente requisitos clínicos o de privacidad.
7. Wispr Flow: dictado entre aplicaciones y Notetaker
Free disponible; Pro muestra 15 USD/usuario/mes y 12 con modalidad anual, sujeto a condiciones.
Wispr Flow Dictation utiliza un atajo para transformar voz en texto donde esté el cursor, con controles según plataforma. Su catálogo actual también incluye Notetaker para Mac y Windows; ya no es correcto describir toda la oferta como dictado de una sola persona.
El autor original destaca la limpieza de muletillas y frases en su borrador. Revisa el resultado: reformular puede cambiar un matiz. Esa experiencia no demuestra que ninguna función integrada pueda limpiar texto.
Dictation y Notetaker son flujos distintos. El segundo puede registrar una reunión, mostrar transcripción y generar un resumen con permisos y acceso de cuenta. La comparación de Wispr Flow y JotMe debe interpretarse con las funciones actuales, no con la antigua limitación de solo tu voz.
Ventajas: dictado en Mac, Windows, iOS y Android; Notetaker de escritorio con identificación de hablantes y consultas según acceso y plan.
Límites: el dictado móvil y Notetaker no tienen el mismo alcance; revisa nube, cuotas y despliegue gradual.
Qué debes valorar: decide si necesitas solo Dictation o también Notetaker y revisa los ajustes de privacidad de cada uno por separado.
8. Otter.ai: transcripciones y seguimiento de reuniones
Basic: 300 minutos al mes y tres importaciones de por vida; Pro, 16,99 USD/mes antes de promociones.
Otter ofrece transcripción, identificación de hablantes, búsqueda y funciones posteriores. La oferta actual enumera varios idiomas, no solo inglés. Basic y Pro distinguen minutos, grabación en la aplicación e importaciones; confirma las cuotas que afectan a tu flujo.
Otter Notetaker puede entrar como participante, pero Otter Desktop para Mac y Windows también permite capturar sin bot. La elección depende de configuración y permisos; no afirmamos que siempre incumpla las políticas de cualquier cliente por añadir un participante.
La fuente relata errores con su clip hindi-inglés. Eso no elimina los idiomas que admite Otter actualmente ni demuestra un resultado idéntico en cada modelo. Prueba la combinación y el modo concreto.
Ventajas: etiquetas de hablantes, búsqueda, resúmenes y opciones de captura según aplicación y plan.
Límites: idiomas y traducción con alcance propio; revisa importaciones, licencia y permisos de captura.
Qué debes valorar: compara el flujo con bot y el de escritorio sin bot, y verifica idiomas y conservación en lugar de limitarlo a reuniones en inglés.
9. OpenAI Whisper: reconocimiento de voz de código abierto
Modelo de código abierto para ejecución propia; alojamiento y servicios por API pueden tener coste.
Whisper es una familia de modelos de reconocimiento y traducción de voz. Su ficha documenta 680.000 horas de entrenamiento, variantes solo en inglés y multilingües, y resultados desiguales entre idiomas. No afirmamos que sea el motor de todos los servicios de pago ni superior con cualquier acento.
Puedes ejecutarlo en infraestructura propia sin licencia de software de pago, pero necesitas hardware, configuración y mantenimiento. Comprueba que la aplicación o envoltorio realmente procese localmente; usar el nombre Whisper no garantiza que no envíe audio a un servidor.
El autor original relata reconocimiento de ambos idiomas con un modelo elegido manualmente. Whisper no aporta por sí solo toda una aplicación de reuniones: una interfaz, separación de hablantes, notas y captura casi en directo requieren componentes adicionales.
Ventajas: código abierto, elección de modelo y posibilidad de transcribir localmente en idiomas compatibles.
Límites: requiere configuración y recursos; puede inventar o repetir texto, especialmente con condiciones difíciles. No incluye diarización y reuniones completas de serie.
Qué debes valorar: evalúa el modelo con tus audios y cuenta el coste del sistema completo, no solo el de descargar los pesos.
10. Descript: editar audio y vídeo mediante texto
Opción gratuita y planes por persona; verifica facturación, horas y créditos.
Descript vincula la transcripción al audio o vídeo para editar el contenido a partir del texto. Puede facilitar montar entrevistas y pódcast, pero revisa los cortes y conserva la fuente; no hay un ahorro de tiempo garantizado para todos los proyectos.
La eliminación de muletillas y otras funciones depende del contenido y del plan. La experiencia original con fragmentos en inglés no representa todos los idiomas ni evita revisar nombres, cortes y sentido.
Es una plataforma de producción multimedia, no solo un dictado ligero. La oferta actual anuncia transcripción en 25 idiomas, entre ellos hindi y español; no debe describirse como exclusivamente inglesa.
Ventajas: edición ligada al texto, gestión de hablantes y funciones de mejora para medios compatibles.
Límites: requisitos de proyecto, cuotas y funciones por plan; prueba el idioma y el formato concreto.
Qué debes valorar: el coste de horas de medios y créditos tiene sentido si también necesitas editar, no solo obtener un bloque de texto.
11. Sonix: archivos, subtítulos y API
Prueba de 30 minutos; pago por hora y planes de suscripción.
Sonix ofrece transcripción y traducción en más de 54 idiomas, editor, hablantes y exportación de subtítulos. Las funciones de análisis y colaboración dependen del plan. Los compromisos de seguridad se revisan en su contrato; no certifican automáticamente tu flujo.
Puede encajar con entrevistas y lotes de archivos que deban revisarse y exportarse. Comprueba capacidad, coste y tiempo con una muestra en lugar de extrapolar una cifra promocional de velocidad.
El editor y el procesamiento por lotes no equivalen al dictado del sistema. Su API también anuncia transmisión en directo en acceso anticipado para empresas: no es correcto afirmar que Sonix nunca tenga opciones en tiempo real.
Ventajas: procesamiento de archivos, editor, etiquetas y subtítulos con formatos e idiomas compatibles.
Límites: la prueba no es un plan gratuito permanente; el uso por horas crece con el volumen y el acceso a streaming es específico.
Qué debes valorar: distingue el editor web, los lotes y la API; confirma acceso, cuotas y análisis antes de contratar.
Otras opciones que puedes revisar
Estas alternativas cubren usos distintos. Confirma sus requisitos, licencias y procesamiento actuales antes de incorporarlas; no las presentamos como productos probados de nuevo en esta versión.
- Notta: transcripción de reuniones en idiomas compatibles.
- Rev: servicios humanos y automáticos con condiciones diferentes.
- MacWhisper: aplicación para ejecutar modelos compatibles en Mac; revisa el modo local.
- SuperWhisper: dictado con opciones de procesamiento y licencia que debes confirmar.
- Speechnotes: notas por voz en navegador, con permisos y funciones propios.
- Talon Voice: control y programación por voz, con configuración específica.
- Speechmatics: reconocimiento mediante API; evalúa los idiomas y el dominio.
- Braina: dictado y funciones de asistente para Windows según edición.
¿Cómo funciona la conversión de voz a texto?
El reconocimiento automático de voz relaciona el audio con palabras. Después, un modelo puede añadir puntuación, formato o reformulación. No todos los productos usan el mismo modelo ni una combinación de Whisper y un modelo de lenguaje; comprueba qué se conserva y qué cambia.
Audio, modelo y vocabulario influyen en el resultado. Reducir ruido y mejorar la colocación del micrófono puede ayudar, sin que exista un precio mínimo o una mejora garantizada. El modelo local no es necesariamente menos preciso; compara tu muestra y la posibilidad de añadir términos.
La gestión de idiomas es otra dimensión. Algunos modos fijan una lengua y otros detectan varias, con límites. La guía de traducción de voz y la comparación entre traducción hablada y escrita explican funciones distintas que pueden añadirse después del reconocimiento.
¿Basta una opción gratuita de voz a texto?
Para mensajes o borradores sencillos, prueba primero el dictado disponible en tu dispositivo o navegador. No damos por demostrado que todas las opciones gratuitas estén a unos puntos de las de pago en cualquier idioma o audio.
Una solución más completa puede ser útil cuando necesitas:
- Vocabulario especializado: compara términos propios y opciones de personalización, sin asumir que todos los motores integrados fallen.
- Varios idiomas: prueba cambios de lengua y escritura con modos compatibles, incluidos los de servicios y modelos locales.
- Un registro compartido: busca hablantes, tiempos y permisos si necesitas que otras personas revisen la conversación.
- Archivos grabados: elige transcripción de archivos en lugar de intentar reproducirlos ante un dictado en directo.
Si solo quieres escribir en Windows, Windows + H abre Escritura por voz en un campo compatible. Si buscas controlar el PC, Acceso por voz se inicia desde sus ajustes; son funciones distintas.
Consejos para empezar a dictar
- Habla a ritmo natural: prueba una muestra y mejora claridad y pausas si aparecen errores, sin un umbral universal de precisión.
- Revisa el audio: reduce ruido, eco y distancia al micrófono antes de cambiar de servicio; una compra concreta no garantiza mejores resultados.
- Aprende los comandos necesarios: prueba nueva línea, párrafo, puntuación y corrección en el idioma admitido. No todas las aplicaciones comparten comandos.
- Prepara el vocabulario: añade nombres y siglas autorizados cuando exista esa función. Comprueba límites actuales; no trasladamos sin verificar las antiguas cuotas de 20 y 50 términos de JotMe.
- Revisa el borrador: dictar puede facilitar redactar, pero corrige el resultado y comprueba que la reformulación no altere el sentido.
- Comprueba el consumo: antes de un archivo largo, revisa duración, idiomas, minutos, créditos y saldo del flujo concreto.
- Practica con muestras reales: evalúa varios días y tipos de audio; la mejora con práctica depende de la persona y del sistema.
Cómo elegir una solución de voz a texto
Responde a estas seis preguntas antes de comparar precios:
- ¿Necesitas dictado, control del ordenador, archivos o captura de conversaciones?
- ¿Qué idiomas y cambios de lengua aparecen en tu trabajo?
- ¿El audio debe permanecer en el equipo por contrato o política?
- ¿Necesitas un registro revisable por otras personas o solo texto en un campo?
- ¿La organización admite un participante bot y qué otras capturas autoriza?
- ¿Cuánto cuesta el plan que realmente cubre tus cuotas y funciones?
No añadir un bot no concede permiso automático. Capturar audio del sistema puede seguir usando la nube y estar sujeto a políticas, contratos y autorizaciones. Revisa el flujo con la organización en lugar de asumir que evita la conversación con TI.
Qué es un programa de voz a texto
Convierte audio hablado en texto, en directo o desde una grabación. La categoría incluye dictado, reconocimiento del sistema, servicios de archivos y transcripción de reuniones. El nombre no asegura que todos esos usos estén en un mismo producto.
El dictado coloca tu voz en un campo; la transcripción de archivos procesa una grabación; la captura de reuniones organiza conversaciones entre varias personas. Algunos productos combinan funciones y otros solo cubren una.
Qué funciones conviene comparar
- Precisión con tu vocabulario: prueba nombres y expresiones del trabajo, no solo una demostración general.
- Términos personalizados: comprueba si admite nombres, siglas y jerga y con qué límites.
- Hablantes: verifica si separa intervenciones y si puedes corregir etiquetas.
- Marcas de tiempo: facilitan contrastar una frase con el audio cuando el registro lo permite.
- Varios idiomas: comprueba idiomas por sesión y cambios dentro de una frase.
- Puntuación: revisa qué infiere y qué comandos admite en tu idioma.
- Procesamiento local: verifica el modo concreto si el audio no puede salir del equipo.
- Resultado posterior: compara resúmenes, tareas y puntos clave, con revisión de exactitud.
- Exportación y permisos: confirma formatos, destinatarios y acceso al contenido sensible.
- Consumo visible: revisa la estimación antes de procesar y el uso final.
Privacidad: comprueba entrenamiento, conservación y contrato. JotMe declara que no utiliza tus datos para entrenar IA; la actualización del propietario indica que SOC 2 ya no está en curso. Nada de ello sustituye la aprobación del flujo o un BAA cuando sea necesario.
Modelos de precio de voz a texto en 2026
Hay cuatro formas habituales de cobrar. Son modelos orientativos, no una tarifa universal ni un presupuesto final para España.
En un sistema medido, confirma qué consume cada salida. JotMe distingue minutos de transcripción, traducción y créditos de IA según el trabajo. El ejemplo original de 59 segundos y un crédito no define el coste de todas las grabaciones o idiomas de notas.
El coste por usuario depende de los asientos y condiciones del contrato, no solo de las personas que graben cada semana. Compara ese gasto con cuotas de uso y funciones que realmente necesites.
Empieza por la tarea y después elige la solución
Prueba el dictado integrado para redactar; revisa vocabulario y comandos en Dragon si necesitas personalización, y un servicio de archivos como Sonix si buscas subtítulos. También hay productos que combinan estas funciones: comprueba el plan en vez de dar por cerrado el catálogo.
Para grabaciones multilingües, compara modelos y flujos con el mismo audio autorizado. Descarga JotMe si quieres probar transcripción, traducción y notas conectadas. Free incluye 50 minutos de transcripción, pero revisa también créditos, traducción y coste estimado antes de procesar un archivo.
Preguntas frecuentes
¿Qué programa de voz a texto elegir en 2026?
Depende de si necesitas dictar, controlar el ordenador, transcribir archivos o registrar reuniones. Compara dictado integrado, Dragon o Wispr Flow con tu vocabulario. JotMe reúne transcripción, traducción y notas para trabajo multilingüe, y también tiene Voice Keyboard en escritorio. No hay un ganador universal de precisión.
¿Hay opciones gratuitas de voz a texto que funcionen?
Sí. Dictado de Apple, Acceso por voz de Windows, dictado de Google Docs y Gboard permiten empezar sin una suscripción específica. Whisper es de código abierto, pero requiere equipo y configuración. Comprueba idioma, conexión y función: gratuito no equivale a la misma precisión o privacidad en todos los dispositivos.
¿Qué programas transcriben más de un idioma en una conversación?
Depende del modelo y del flujo. El autor original describe una prueba hindi-inglés con JotMe y Whisper, pero no la hemos reproducido. También hay funciones multilingües en otros productos. Prueba tus combinaciones, comprueba las escrituras y revisa los cambios de idioma antes de elegir.
¿Puedo transcribir un archivo de audio ya grabado?
Sí, con un servicio de archivos como JotMe, Sonix, Descript, Otter o un modelo local compatible. JotMe permite elegir el archivo, la traducción opcional y los idiomas de notas, y muestra la estimación de uso antes de confirmar. Comprueba formato, tamaño y duración; dictar en un campo de texto es otra función.
¿Qué precisión tiene la conversión de voz a texto?
No hay un porcentaje válido para todos los productos y audios. Influyen micrófono, ruido, acento, vocabulario e idiomas mezclados. Prueba una muestra representativa y cuenta errores importantes; las cifras promocionales o una prueba breve en inglés no garantizan el resultado de tu trabajo.
¿Funciona la conversión de voz a texto sin conexión?
Acceso por voz de Windows funciona tras descargar su modelo y Whisper puede ejecutarse localmente. En Apple o Gboard depende del dispositivo, idioma y función. JotMe y otros servicios en la nube necesitan conexión. Verifica el procesamiento real y la configuración antes de tratar audio que no pueda salir del equipo.
¿Qué opción de voz a texto conviene en Android?
Gboard permite dictar en campos compatibles sin contratar otro servicio. Sus funciones avanzadas dependen del dispositivo y del idioma: Pixel y Android genérico no tienen necesariamente el mismo procesamiento. Para grabaciones, varios hablantes o archivos, compara un flujo específico y revisa una muestra.
¿Estos programas añaden un bot a la reunión?
Algunos flujos utilizan un participante y otros capturan audio con una aplicación de escritorio. JotMe, Otter Desktop y Wispr Flow Notetaker ofrecen opciones sin bot. Eso no elimina el procesamiento en la nube ni las obligaciones de permiso, contrato y grabación. Comprueba el flujo concreto, no solo la marca.
Prueba JotMe
Traducción precisa para tus reuniones, eventos y trabajo diario, con AI Memory que recuerda tu contexto.
