Dictado por voz local vs nube: la comparativa completa

El dictado por voz local parece la elección obvia para la privacidad: nada sale de tu ordenador. Es una ventaja real, pero viene con compromisos de los que rara vez se habla. El local es más lento, exige una máquina potente y, sobre todo, no sabe limpiar tu texto como lo hace la IA moderna. El dictado por voz en la nube, en cambio, envía tu audio a un servidor: y eso es justo lo que hace posible la limpieza con IA. La buena noticia: un servicio en la nube serio puede ofrecerte esa limpieza y, a la vez, proteger tus datos. Esta guía compara ambos enfoques con honestidad.

Qué significan de verdad «local» y «nube» en el dictado

• Dictado local (en el dispositivo): todo se ejecuta en tu propio ordenador. Tu audio nunca va a internet. Aquí entran el Dictado de Apple en su modo local y Whisper ejecutado en local mediante herramientas como Whisper.cpp, MacWhisper o el modo local de apps como Superwhisper.
• Dictado en la nube: tu audio se envía a un servidor que lo transcribe y, sobre todo, puede ejecutar un gran modelo de IA para convertir la transcripción en bruto en texto limpio. Servicios como Wispr Flow y Fast Dictate funcionan así: por eso devuelven texto puntuado, estructurado y listo para usar en lugar de un flujo palabra por palabra. Se diferencian en dónde y cómo tratan tus datos, que es la parte que merece la pena comparar.

Local vs nube: la comparativa de un vistazo

El argumento de la privacidad: la verdadera fuerza del local

Démosle al local lo que le corresponde. Cuando el dictado se ejecuta enteramente en tu máquina, tu audio nunca toca internet. Para contenidos muy sensibles, es un beneficio real y la razón más fuerte para plantearse una configuración local.

Pero «nube» no tiene por qué significar «tu voz queda almacenada en algún sitio para siempre». Un proveedor serio responde directamente a la preocupación por la privacidad:

• Cero conservación de datos en todos los planes: tu audio se transcribe y se elimina de inmediato. No se guarda nada, no se reutiliza nada para entrenar modelos.
• Una jurisdicción clara: en el plan Pro, tus datos se procesan exclusivamente en Francia, bajo el RGPD, en lugar de servidores sujetos a leyes de vigilancia extranjeras.

La trampa que nadie menciona: el local no puede limpiar tu texto

Esta es la parte que se suele pasar por alto. Ejecutar Whisper en local te da una transcripción, pero una transcripción no es texto terminado. Es palabra por palabra, con tus dudas, repeticiones y arranques en falso tal como salieron, sin puntuación ni estructura real. Para convertir eso en texto limpio y utilizable hace falta un segundo modelo detrás de la transcripción: un gran modelo de lenguaje que añade la puntuación, corrige la gramática, elimina las muletillas y respeta las instrucciones de formato.

Y ahí es donde el local se mete en problemas en un ordenador normal:

• Los buenos modelos de limpieza son pesados. Ejecutar un modelo de limpieza a la altura junto a la transcripción no es práctico en hardware de consumo habitual. Puedes encoger un modelo mediante cuantización para que quepa, pero renuncias a la precisión que lo hacía valioso en primer lugar.
• Los modelos más pequeños rompen el formato. Los modelos ligeros que caben con comodidad tienden a ignorar las instrucciones y producen texto desordenado e incoherente. No son lo bastante fiables como para confiar en ellos.
• Los modelos que mejor funcionan exigen GPU de centro de datos. Un resultado fiable de forma constante implica ejecutar grandes modelos difíciles de alojar en una máquina personal, y forzarlos de todos modos suele ser demasiado lento para dictar en tiempo real.

La conclusión práctica: en un PC doméstico típico, un posprocesamiento con IA fiable sigue siendo difícil de alcanzar. En la mayoría de las configuraciones locales, el dictado te da una transcripción en bruto que terminas a mano. Es lo contrario de lo que la mayoría espera del dictado por voz.

Velocidad y hardware

Antes incluso de la cuestión de la limpieza, la transcripción local puede ser exigente. Los modelos Whisper pequeños se ejecutan en CPU, pero la precisión y la velocidad son limitadas; el modelo large-v3, que da los mejores resultados, realmente quiere una GPU dedicada para funcionar a un ritmo cómodo. En un portátil estándar sin una buena tarjeta gráfica, los modelos más pesados recaen en el procesador y se vuelven lentos enseguida. Ejecutar la transcripción y un modelo de lenguaje a la vez lleva al límite incluso el hardware de consumo de gama alta.

El dictado en la nube traslada todo eso fuera de tu máquina. El grueso del trabajo ocurre en servidores construidos para ello, así que el dictado se mantiene rápido en cualquier ordenador, incluido un portátil ligero sin GPU dedicada. No compras ni mantienes hardware para obtener un resultado limpio.

Entonces, ¿qué elegir?

Elige el 100% local si debes trabajar completamente sin conexión, solo necesitas una transcripción en bruto, posees una máquina potente con una GPU robusta y estás dispuesto a editar el texto tú mismo después.

Elige el dictado en la nube si quieres texto limpio, puntuado y listo para usar al instante, en cualquier ordenador, en cualquier aplicación, sin comprar hardware, y con la privacidad protegida por la cero conservación y, en el plan Pro, el procesamiento en Francia.

Fast Dictate: la nube bien hecha

Fast Dictate está pensado para darte las ventajas del dictado en la nube sin el compromiso en privacidad:

• La cadena completa: transcripción precisa más un gran modelo de IA que limpia, puntúa y estructura tu texto.
• Funciona en todas partes: Word, Gmail, Notion, tu navegador, cualquier campo de texto, con un solo atajo en Windows y Mac.
• Sin hardware necesario: rápido en cualquier ordenador, sin GPU.
• Privacidad por diseño: cero conservación de datos en todos los planes; Pro procesado exclusivamente en Francia.
• Plan Pro: datos procesados exclusivamente en Francia en servidores ISO 27001, DPA RGPD avanzado, para el trabajo confidencial.
• Plan gratuito: 2.000 palabras por semana, sin tarjeta de crédito.

Preguntas frecuentes