En un estudio de laboratorio de 2016 en Stanford y Baidu, personas que dictaban mensajes cortos a un iPhone 6 Plus lograron 153 palabras por minuto en inglés. Las mismas personas con el teclado del teléfono llegaron a 52. En mandarín fueron 123 frente a 43 (Ruan et al.). El habla también cometió menos errores por el camino, aunque dejó algunos más en el texto final: un 1,30 % de palabras erróneas frente al 0,79 % al teclear.
Aquello era un reconocedor de hace una década en condiciones ideales, y ya triplicaba la velocidad de escritura. Así que nadie necesita que le convenzan de que hablar es más rápido. La decisión que tienes delante es más estrecha y más cara: ¿pagas entre 8 y 15 $ al mes por una app de dictado con IA o usas la tecla de micrófono que tu ordenador ya trae?
Nuestra opinión, tras revisar las páginas de precios, las políticas de privacidad y la documentación de los principales candidatos: la mayoría debería empezar con lo gratuito y seguir ahí hasta que pueda nombrar lo concreto que la herramienta gratuita hace mal. Las apps de pago sí ofrecen algo que las herramientas integradas no ofrecen. Solo que es más limitado de lo que dice su marketing.
La opción gratuita mejora sin parar, y las noticias lo confirman
Nvidia lanzó Nemotron 3.5 Transcribe, un modelo gratuito de pesos abiertos que transcribe audio en hasta 40 idiomas, maneja grabaciones de hasta una hora y distingue hasta ocho hablantes (TechCrunch). Es una herramienta para desarrolladores, no una app de dictado, y TechCrunch señala un inconveniente que aquí importa: funciona con audio grabado, no con streaming en directo. No puedes pulsar una tecla y hablarle.
Pero es el mismo patrón que llevamos viendo todo el año. Los buenos modelos de voz siguen llegando como descargas gratuitas, y las apps que los envuelven (varias son gratuitas, como Spokenly y el plan gratuito de Superwhisper) obtienen un motor mejor sin pagar por él. Lo que separa una app de pago de una gratuita es menos el motor que la edición que lo rodea, y a eso vamos.
La pila de Apple también ha avanzado. MacStories comparó una herramienta de línea de comandos basada en SpeechAnalyzer y SpeechTranscriber, los modelos en el dispositivo de Apple, con el modelo Large V3 Turbo de MacWhisper en un vídeo de 34 minutos. La API de Apple terminó 2,2 veces más rápido, 45 segundos frente a 1 minuto y 41, sin diferencia apreciable en la calidad de la transcripción (MacStories). Eso probó la transcripción de archivos, no la tecla de dictado, así que tómalo como evidencia sobre el motor y no sobre la experiencia. La guía actual de Apple para Mac añade que, con Apple Intelligence en macOS 27, el dictado usa un modelo en el dispositivo para mejorar ortografía, puntuación y mayúsculas, pero solo en inglés, solo en Macs con M3 o posterior y al menos 12 GB de memoria unificada (Apple).
No encontramos ninguna prueba independiente de tasa de error de palabras de las teclas integradas, ni la de Apple, ni la de Microsoft, ni la de Google. Ese vacío importa, y por eso la sección de precisión de más abajo se apoya en las cifras de un proveedor, con su advertencia.
Adónde va tu audio
Esta es la diferencia más clara entre las opciones, y está escrita en la documentación de cada proveedor.
El dictado por voz de Windows (Win+H) usa reconocimiento de voz en línea con tecnología de Azure Speech, así que necesita conexión a internet (Microsoft). Apple dice que puedes mirar los ajustes del teclado para saber si el dictado general se procesa en tu dispositivo en lugar de enviarse a los servidores de Siri, y la misma página señala que, si aceptas compartir grabaciones de audio, Apple puede revisar una muestra. Una función de Windows cambia el panorama: en los PC Copilot+, el Fluid dictation de Microsoft usa modelos de lenguaje pequeños en el dispositivo para corregir gramática, puntuación y muletillas mientras hablas, en inglés, y viene activado por defecto. La página de ayuda de Gboard de Google cubre comandos e idiomas, pero en la página que leímos no dice dónde se procesa el audio. No vamos a adivinarlo.

Entre las apps de pago, las respuestas difieren de raíz. Superwhisper dice que sus modelos locales se ejecutan por completo en tu dispositivo y que "your audio and transcripts never leave your device" (tu audio y tus transcripciones nunca salen de tu dispositivo). Si eliges un modelo en la nube, el audio va a sus servidores, donde se "processed in memory and are not stored after the request completes" (procesa en memoria y no se almacena una vez completada la petición), o a un proveedor externo bajo los términos de ese proveedor. También afirma que tus datos no se usan para entrenar modelos (política de privacidad de Superwhisper).
Wispr Flow es cloud-first. Su página de privacidad dice que el audio se envía por TLS a sus servidores, se transcribe y luego se borra, salvo que actives el almacenamiento en la nube. Hay dos ajustes que conviene revisar antes de empezar. "Improve the model for everyone" permite a Wispr usar tu audio, tus transcripciones y tus ediciones para entrenar. La página dice que el entrenamiento viene desactivado por defecto y bloqueado en los planes Growth y Enterprise, y no indica el valor por defecto en los planes individuales. Y "Context awareness" lee texto limitado de la app en la que dictas para que los nombres salgan bien (Wispr Flow).
Si la privacidad del audio es lo que decide por ti, nuestro artículo sobre IA local frente a IA en la nube cubre el equilibrio general, y el de grabadoras siempre activas trata el lado legal de grabar a otras personas.
Lo que añade una suscripción es la edición
El dictado en bruto es una transcripción. Dices "eh, bueno, la cosa es que, deberíamos, o sea, mejor movamos la fecha límite al viernes" y obtienes eso, muletillas incluidas. Las apps de pago hacen una segunda pasada que lo convierte en lo que querías escribir.

La propuesta de Wispr Flow es justo esta: voz en cualquier app con comandos de IA y autoedición, un diccionario y snippets, y un modelo que aprende tus nombres y tu jerga. El equivalente de Superwhisper está en su nivel Pro: modos con IA como Super y Mail, conciencia de contexto y transcripción en tiempo real, nada de lo cual tiene el plan gratuito (planes de Superwhisper). Aqua Voice cobra por instrucciones personalizadas y un diccionario personal en Pro, y por comandos de voz y un modo en tiempo real en su plan Max (Aqua).
Las herramientas integradas casi siempre se quedan en la primera casilla. El dictado de Apple inserta puntuación y entiende "new line" y "new paragraph". Gboard acepta "period", "comma" y "new paragraph" y te deja reemplazar una palabra pulsándola y diciendo la nueva. Windows tiene comandos del estilo "stop listening". Apple y Gboard no pasan de ahí. La excepción es Fluid dictation en los PC Copilot+, que sí elimina muletillas y corrige la gramática, así que una herramienta gratuita ya cubre parte de lo que cobran las apps de pago. Lo que ninguna herramienta integrada documenta es la reescritura de una frase que se alarga sin rumbo, ni un diccionario con tus propios nombres.
La diferencia se nota en lo que dicen quienes usan herramientas gratuitas. Un usuario de Hacker News que usa Handy, una app gratuita de código abierto, escribió que "you can't have it clean up your grammar mistakes, it just records your words exactly as is. But for that it's great" (no puedes hacer que corrija tus errores gramaticales, solo registra tus palabras tal cual. Pero para eso es genial) (Hacker News). En respuesta a una recomendación de MacWhisper en el mismo hilo, otro escribió "My only complaint is that the on-device models don’t handle punctuation commands on their own" (mi única queja es que los modelos en el dispositivo no manejan por sí solos los comandos de puntuación) (Hacker News).
Precisión: la única comparación directa la hace un rival
Superwhisper publica un benchmark de 16 modelos de voz en 8 conjuntos de datos, incluidas llamadas de resultados llenas de nombres de empresas, habla espontánea y reuniones. Incluye a Wispr Flow con su pasada de limpieza desactivada para poder puntuar el resultado frente a una referencia palabra por palabra. En los resultados combinados, el modelo en la nube de Superwhisper, S1 Voice, tuvo una tasa de error de palabras del 6,6 % y la salida en bruto de Wispr Flow, del 8,7 % (benchmarks de Superwhisper). En cuántos términos de vocabulario personalizado se reconocieron correctamente, Wispr obtuvo un 62,5 % frente al 83,3 % de Superwhisper y cerca del 91 % de ElevenLabs Scribe v2 y GPT Transcribe de OpenAI.
Lee esa tabla con la dosis justa de escepticismo. Superwhisper la construyó, eligió los conjuntos de datos y ejecutó el producto de un competidor como caja negra con una función desactivada. La página también publica filas en las que otros le ganan, lo cual es de agradecer, y dice que el código y los resultados por clip están en un repositorio del benchmark. No hemos auditado ese repositorio. La página tampoco dice qué versión del modelo de Wispr ejecutó. Wispr además ha anunciado su propio modelo de voz, Canto, así que la fila de Wispr puede no describir lo que se distribuye hoy. Lo que sostienen los números es modesto: los cinco mejores modelos en la nube están a unos dos puntos de tasa de error de palabras unos de otros, y las herramientas integradas ni siquiera aparecen en la tabla.
Los usuarios no siempre coinciden con el orden del benchmark. Un comentarista de Hacker News, respondiendo al anuncio de Canto de Wispr, escribió "I switched from Superwhisper->WisprFlow->Spokenly->Fieldwork and found WisprFlow the least accurate of the 4" (pasé de Superwhisper a WisprFlow, a Spokenly y a Fieldwork, y me pareció que WisprFlow era el menos preciso de los 4) (Hacker News). Es la experiencia de una persona, no una prueba, y el anuncio de Wispr cita su propio benchmark. Los acentos, los micrófonos y el vocabulario varían, así que una prueba personal vale más que cualquier tabla.
Cuánto cuesta cada uno y cómo se factura
Los precios de abajo salen de las páginas de los propios proveedores. Wispr Flow Pro cuesta 12 $ por usuario al mes con facturación anual, 15 $ si pagas mes a mes, y su plan gratuito limita el uso en escritorio a 2.000 palabras a la semana (Wispr Flow). Superwhisper Pro cuesta 8,49 $ al mes, 84,99 $ al año o 249,99 $ una sola vez, y una licencia cubre todos tus Mac, PC con Windows y teléfonos. Aqua Pro cuesta 10 $ al mes facturados anualmente, con 1.000 palabras gratis para probar. MacWhisper Pro es un pago único de 64 € (MacWhisper).
| App | Plan gratuito | De pago y facturación | Adónde va el audio |
|---|---|---|---|
| Dictado de Apple, Win+H, Gboard | Gratis, integrado | Ninguno | Apple: revisa los ajustes. Windows: Azure (Fluid dictation es en el dispositivo). Gboard: no se indica |
| Superwhisper | Ilimitado, modelos Whisper locales, sin limpieza con IA | 8,49 $ al mes, 84,99 $ al año, 249,99 $ una vez | Local o nube, a tu elección |
| Wispr Flow | 2.000 palabras a la semana en escritorio | 15 $ al mes, o 12 $ al mes facturados anualmente | Nube |
| Aqua Voice | 1.000 palabras | 10 $ al mes facturados anualmente | Servidores de Aqua; Privacy Mode limita las transcripciones almacenadas |
| MacWhisper | Versión gratuita | 64 € una vez | Modelos locales o en la nube |
Wispr es una suscripción con un tope semanal estricto en el plan gratuito, así que un usuario intensivo choca pronto con el techo y decide bajo presión. El plan gratuito de Superwhisper no tiene ningún tope, pero tampoco limpieza. La opción vitalicia, 249,99 $, equivale a unos tres años del plan anual y, junto con el pago único de MacWhisper, es una de las dos únicas opciones de aquí que dejan de facturarte. Diríamos que es la mejor estructura de precio para quien sabe que va a dictar durante años. Estudiantes y organizaciones sin ánimo de lucro tienen un 40 % de descuento en Superwhisper si lo piden antes de comprar.
Nuestras recomendaciones, según lo que hagas todo el día
Empieza una semana con la tecla integrada. No cuesta nada, funciona en cualquier campo de texto y descubrirás si el hábito se te pega. Y descubrir si el hábito se te pega es algo que no conviene averiguar con un plan anual ya pagado.
Si dictas correos, notas y mensajes de Slack y el texto en bruto te sirve, quédate en lo gratuito. Superwhisper Free te da modelos locales con dictado ilimitado, MacWhisper tiene una versión gratuita que también ejecuta modelos locales, y los usuarios de Windows que quieran algo privado pueden mirar Whisperstream, que hace reconocimiento local.
Paga cuando lo importante sea la limpieza. Si dictas borradores largos, prompts para un modelo de IA o correos a clientes y quitas a mano los "eh" y los reinicios de frase, una suscripción se justifica mejor. Probaríamos primero el plan gratuito de Wispr Flow, porque 2.000 palabras a la semana bastan para juzgar su limpieza con tu propia voz. Después mira Superwhisper Pro o la licencia vitalicia si quieres modelos locales y una sola licencia para todos tus dispositivos. Las páginas de Willow Voice y Aqua merecen un vistazo si buscas otras opciones.
No pagaríamos si solo dictas en ráfagas cortas, si tu Mac es un M3 con 12 GB o más y usas macOS 27 (las correcciones de ortografía y puntuación en el dispositivo de Apple pueden bastar), si tienes un PC Copilot+ con Fluid dictation, o si el audio no puede salir de tu equipo y no necesitas reescritura. Tampoco pagaríamos por ninguna app que no hayas probado un día entero con tu propia jerga.
Si lo que buscas son grabaciones de reuniones y no tu propia voz, es otra categoría de herramientas. Nuestra guía de notas de reuniones con IA y el artículo sobre las mejores herramientas de transcripción con IA lo cubren, y el ranking de ToolRank para herramientas de transcripción muestra dónde se sitúa cada una.
Preguntas frecuentes
¿Merece la pena pagar por Wispr Flow?
Si dictas durante horas a la semana y quitas muletillas a mano, probablemente sí. A 12 $ al mes con facturación anual, es un coste pequeño frente a ese tiempo. Si dictas unos pocos mensajes al día, quizá te basten las 2.000 palabras semanales del plan gratuito, y las herramientas integradas también.
¿Es Superwhisper mejor que Wispr Flow?
Sirven a personas distintas. Superwhisper ejecuta modelos locales y tiene un plan gratuito sin topes, además de licencia vitalicia. Wispr Flow funciona en la nube y es muy bueno limpiando el texto. La única comparación directa publicada que encontramos es la del propio Superwhisper, así que la tomaríamos con cautela.
¿Es privado el dictado de Apple o el dictado por voz de Windows?
El dictado por voz de Windows usa reconocimiento de voz en línea con tecnología de Azure Speech, según Microsoft, y necesita conexión a internet. Apple dice que parte del dictado se procesa en el dispositivo y te indica que revises los ajustes del teclado para saber si el tuyo lo hace.
¿Funcionan estas apps en cualquier aplicación?
Wispr Flow dice que funciona en cualquier app de Mac, Windows, iPhone y Android. Superwhisper menciona Slack, Gmail y cualquier otro sitio o app. Las herramientas integradas funcionan donde un campo de texto acepte entrada del sistema, aunque el comportamiento varía.
¿Puedo usar el dictado completamente sin conexión?
Sí. Los modelos Whisper locales de Superwhisper y MacWhisper lo permiten. El dictado por voz de Windows necesita internet. Prueba el modo sin conexión con el Wi-Fi apagado antes de fiarte de él.
Siguiente paso: elige una opción gratuita, dicta todo durante cinco días laborables y apunta cuántas palabras a la semana usas de verdad. Si superan las 2.000 de Wispr, ya has encontrado tu plan.