Dictado de voz local y sin conexión: por qué realmente importa

Dos caminos muy distintos de la voz al texto

Toda herramienta de dictado hace el mismo trabajo básico: escucha tu voz y la convierte en palabras escritas. Pero hay dos formas fundamentalmente distintas de llegar hasta ahí, y la diferencia no es cosmética: se trata de a dónde va realmente tu voz antes de convertirse en texto en tu pantalla.

El dictado en la nube graba tu audio, lo comprime y lo envía por internet a un servidor gestionado por la empresa de la app (o por uno de sus proveedores de infraestructura). Ese servidor ejecuta el modelo de transcripción, envía el texto resultante de vuelta a tu Mac, y la app lo escribe en tu documento. Así funcionan por defecto la mayoría de asistentes de voz y muchas apps de dictado: es el mismo patrón básico que hablar con un chatbot alojado en la nube.

El dictado local se salta el viaje por completo. El modelo de transcripción —en el caso de WISPER, una versión de Whisper de OpenAI— se descarga una vez y luego se ejecuta directamente en el propio chip Apple Silicon de tu Mac. El audio entra por tu micrófono, se procesa mediante el Neural Engine y la CPU a pocos centímetros de tu teclado, y sale el texto. Ningún servidor interviene en ese ciclo, estés conectado a internet o no.

Para un análisis más detallado de cómo encaja esto en el panorama más amplio del dictado en Mac, consulta nuestra guía completa de dictado en Mac.

Lo que "local" garantiza en concreto

Vale la pena ser precisos aquí, porque "privacidad" se usa con mucha ligereza en el marketing. El procesamiento local, en el propio dispositivo, te da tres garantías específicas y verificables, no una vaga sensación de tranquilidad.

• Ninguna dependencia de una conexión. Como no hace falta que nada llegue a un servidor, el dictado sigue funcionando en un avión, en una sala de reuniones en el sótano, en un tren sin cobertura, o en el momento en que tu Wi-Fi se cae a mitad de frase. No hay buffering, ni reintentos, ni transcripciones a medias por un paquete perdido.
• Ningún dato en tránsito que interceptar. El dictado en la nube envía audio por una red, lo que —incluso cifrado— significa que tu grabación de voz existe en algún momento como una carga transmitida, viajando por una infraestructura que no controlas. El procesamiento local elimina ese paso por completo: no hay tránsito, así que no hay nada que interceptar, configurar mal o filtrar en el camino.
• Ninguna política de retención del lado del servidor que rastrear. Cuando una empresa procesa tu audio en sus servidores, estás confiando en su política de retención: cuánto tiempo guarda la grabación, si se usa para entrenar futuros modelos, quién dentro de la empresa puede acceder a ella y qué ocurre si esa empresa es adquirida o sufre una brecha de seguridad. Con el procesamiento local no hay, para empezar, ninguna copia en el servidor que retener. El audio se procesa en la memoria de tu Mac y no necesita sobrevivir a la transcripción en absoluto.

Dicho de forma simple: el dictado local no convierte tu privacidad en una promesa que otro deba cumplir. Elimina el paso en el que esa promesa siquiera sería necesaria.

Dónde importa esto más

Cada frase dictada se beneficia un poco de no salir de tu dispositivo, pero algunas situaciones hacen que la diferencia sea concreta, no teórica:

• Conversaciones sobre otras personas. Si estás dictando notas sobre un cliente, un paciente, un candidato a un puesto o un colega, no solo estás protegiendo tus propios datos: estás manejando información personal de otra persona sin que sepa que pasó por un servidor de un tercero.
• Secretos profesionales y trabajo confidencial. Notas de casos legales, detalles de productos aún no lanzados, cifras financieras antes de una presentación oficial, material fuente bajo embargo: cualquier cosa cuya filtración tenga un coste definido se beneficia de no existir en ningún sitio como un archivo de audio transmitido fuera de tu equipo.
• Profesiones reguladas. Los sectores con obligaciones formales de confidencialidad —sanidad, derecho, finanzas— a menudo necesitan poder afirmar, con toda claridad, que la información del cliente nunca salió de un dispositivo controlado. Lo tratamos con más detalle en nuestra guía sobre privacidad del dictado de voz para profesiones reguladas.
• Cualquier cosa en la que prefieras no volver a pensar. Escribir un diario personal, desahogarte con el borrador de un correo que nunca enviarás, pensar en voz alta ante una decisión difícil: el valor del dictado como herramienta de pensamiento radica en parte en que tiene poco riesgo. Eso solo se sostiene si las palabras realmente se quedan contigo.

El matiz honesto: lo local no es un campo de fuerza para la privacidad

Sería fácil venderlo como más de lo que es, así que vale la pena ser directos sobre lo que el procesamiento local no resuelve. Ejecutar el modelo en el dispositivo elimina un riesgo específico —que el audio salga de tu Mac durante la transcripción—, pero no hace que tu Mac sea invulnerable, ni controla lo que le pasa al texto después de haberse escrito.

• Tu Mac sigue necesitando estar protegido. Si tu Mac está desbloqueado, te lo roban o lo compromete un malware, el procesamiento local no protege nada: el riesgo simplemente pasa de "un servidor en algún lugar" a "este dispositivo físico". FileVault, una contraseña de inicio de sesión sólida y mantener macOS actualizado siguen importando, posiblemente más, ya que tu Mac es ahora el único lugar donde los datos llegaron a existir.
• Lo que ocurre después del dictado escapa al control de la app. Si el texto que dictaste acaba en una nota que luego se sincroniza con iCloud, en un documento que se envía por correo o en un mensaje enviado por Slack, ese texto queda sujeto a las prácticas de privacidad que tengan esos destinos. Una cuenta de iCloud comprometida todavía puede exponer notas dictadas, no porque el dictado las filtrara, sino porque la sincronización lo hizo, después del hecho.
• El procesamiento local se refiere específicamente al paso de la transcripción. Responde a "¿se envió mi voz a algún sitio para convertirse en texto?". No responde a "¿es automáticamente privado todo lo que hago en este Mac después?". Son dos preguntas distintas, y confundirlas exagera lo que cualquier herramienta local puede prometer.

La forma realista de verlo: el dictado local elimina un riesgo de transmisión bien definido, de forma limpia y completa. No sustituye la higiene habitual del dispositivo, ni puede controlar lo que hagas con el texto una vez escrito. Ambas cosas son ciertas a la vez, y ninguna anula a la otra.

Cómo se compara esto con otras herramientas de dictado

Las apps de dictado suelen dividirse en dos categorías: herramientas basadas en la nube que envían audio a un servidor (habitual entre productos con estilo de asistente de voz y algunos servicios de transcripción), y herramientas locales que procesan todo en el propio dispositivo. Cuál de las dos usa una app concreta no siempre resulta evidente por su marketing: vale la pena comprobar si una app necesita acceso a internet para dictar en absoluto, ya que eso es un indicio práctico de si el audio está saliendo de tu equipo. Si estás comparando apps concretas bajo este criterio, nuestra guía de las apps de dictado de voz más privadas para Mac repasa qué buscar.

La conclusión

El dictado en la nube y el local pueden producir exactamente la misma transcripción. La diferencia está enteramente en lo que ocurre antes de que esa transcripción exista: si tu voz hizo un viaje por una red para llegar hasta ahí, o si nunca salió del Mac que tienes delante. Para una nota rápida, esa diferencia puede no importarte. Para una conversación con un cliente, un borrador confidencial o cualquier cosa que involucre información personal de otra persona, es la diferencia entre confiar en una política y no necesitar hacerlo.