FluidVoice: dictar en el Mac en español sin que tu voz salga del ordenador

El dictado es la herramienta de productividad más infravalorada que existe. Hablas a 150 palabras por minuto y escribes a 40. La razón por la que casi nadie lo usa en un entorno profesional es siempre la misma: el audio se va a un servidor de otro, y si en ese audio hay el nombre de un paciente o los datos de un cliente, ahí se acabó la conversación.

FluidVoice va justo a ese punto. Es una aplicación de dictado para macOS donde la transcripción ocurre en tu ordenador, con modelos que se descargan una vez y funcionan sin conexión. Escribe directamente en cualquier campo de texto de cualquier aplicación: el correo, el programa de gestión, el navegador, el chat.

Qué la diferencia de lo que ya trae el Mac

macOS lleva dictado incorporado desde hace años y funciona regular. Las diferencias reales son tres:

Puedes elegir el modelo. Y esto es lo que decide si sirve en español o no. La tabla, resumida:

Modelo	Para qué es bueno	Idiomas	Tamaño
Nemotron Speech 3.5	Dictado multilingüe con muy poca latencia	~40	~670 MB
Parakeet TDT v3	El equilibrado por defecto	25, español incluido	~500 MB
Cohere Transcribe	Máxima precisión multilingüe	14, español incluido	~1,4 GB
Apple Speech	Cero descarga, el del sistema	Los del sistema	Integrado
Whisper (varios tamaños)	Compatibilidad amplia y Macs Intel	Hasta 99	75 MB a 2,9 GB

En español, los candidatos serios son Parakeet TDT v3, Cohere Transcribe y Nemotron. Whisper es el conocido de siempre y sigue siendo la red de seguridad: si tienes un Mac Intel, es tu única opción.

Tiene modo de reescritura. No solo dicta texto nuevo: seleccionas un párrafo ya escrito y le dices de viva voz qué quieres cambiar. Y un modo de órdenes para lanzar aplicaciones o automatizaciones hablando.

Se configura por aplicación. Puedes asignar instrucciones distintas según dónde estés dictando: más formal en el correo, telegráfico en las notas. Es opcional y es de esas cosas que no valoras hasta que la usas un mes.

La letra pequeña: qué es abierto y qué no

Aquí hay que ser preciso, porque el proyecto lo es y conviene no vender lo que no hay.

La aplicación es libre, con licencia GPLv3, y funciona completa con cualquiera de los modelos de voz de la tabla.

"Fluid Intelligence" no lo es. Es una capa adicional —también local— que limpia el resultado: aplica formato, arregla mayúsculas, ordena la puntuación. Los autores la mantienen privada, dicen que para poder sostener gratis la parte principal, y avisan de que eso puede cambiar. Ocupa unos 3,5 GB aparte y es opcional.

Es decir: el núcleo es abierto y auditable, y el pulido no. A mí me parece un trato razonable y prefiero que lo digan así de claro a que lo entierren en la letra pequeña, pero conviene saberlo antes de recomendarlo dentro de una organización con políticas de software libre.

También hay opción de enchufarle un proveedor de nube (OpenAI, Groq u otro) para el pulido. Si el motivo por el que estás leyendo esto es la privacidad, esa casilla es justo la que no debes marcar.

Cómo instalarlo

Con Homebrew, que es una orden:

brew install --cask fluidvoice

O descargando la versión más reciente desde las publicaciones del repositorio. Después, tres pasos que no te puedes saltar:

1. Conceder permisos de micrófono y de accesibilidad. El segundo es el que le deja escribir dentro de otras aplicaciones, así que sin él no hace nada útil.
2. Elegir la tecla rápida que activa la captura desde cualquier sitio.
3. Elegir el modelo en el asistente inicial, según tu idioma y la latencia que quieras.

Si tienes un agente delante y prefieres no leer nada:

Lee https://github.com/altic-dev/FluidVoice y dime qué modelo de voz
me conviene para dictar en español en un MacBook con Apple Silicon,
cuánto ocupa y qué permisos del sistema tendré que darle.

Requisitos, sin adornos

• macOS 15 (Sequoia) o posterior. Si vas por debajo, no hay nada que hacer.
• Mac con Apple Silicon para todos los modelos. Los Intel funcionan, pero solo con Whisper.
• 1 GB de disco para un modelo de voz, y 3,5 GB más si quieres la capa de pulido.
• Permisos de micrófono y de accesibilidad.

Y un apunte de privacidad que el propio proyecto reconoce: las estadísticas anónimas vienen activadas por defecto. Se desactivan, pero hay que ir a buscarlo.

Cuándo no te compensa

• Si no usas macOS. Windows e iOS están anunciados con lista de espera, que a efectos de hoy significa que no existen.
• Si tu Mac es Intel y esperabas lo último. Te quedas con Whisper: funciona, pero es más lento y menos cómodo.
• Si lo que quieres es transcribir grabaciones ya hechas, no dictar en directo. Para eso el terreno es otro y lo repasé en la mejor IA para transcribir audio y en cómo transcribir con Whisper.
• Si necesitas transcripción de reuniones con varios interlocutores. Esto es dictado de una persona, no acta de reunión.
• Si tu política interna exige que todo el software sea abierto de arriba abajo. La capa de pulido no lo es.

Para quién sí: para cualquiera que dicte notas a diario en un Mac y no pueda permitirse que ese audio salga del equipo. Un dentista pasando notas clínicas entre paciente y paciente, un asesor resumiendo una llamada, un abogado dictando el borrador de un escrito. Ahí el ahorro de tiempo es inmediato y el argumento de protección de datos deja de ser un problema. La base de por qué eso importa está en RGPD e inteligencia artificial en la empresa.

Preguntas frecuentes

¿Funciona bien en español?

Sí, con el modelo adecuado. Parakeet TDT v3 y Cohere Transcribe incluyen español expresamente, y Nemotron cubre unos 40 idiomas. El modelo inglés de Parakeet v2 no te sirve.

¿Mi voz sale del ordenador?

No, si te quedas con la configuración local. Solo sale si activas a propósito un proveedor de nube para el pulido del texto.

¿Funciona en Windows?

Hoy no. Hay lista de espera anunciada para Windows e iOS, sin fecha.

¿Necesito internet?

Para descargar el modelo la primera vez, sí. Después funciona sin conexión.

¿Es gratis?

La aplicación sí, con licencia GPLv3. La capa de mejora "Fluid Intelligence" también se descarga sin coste, pero su código no es público y los autores avisan de que eso podría cambiar.