La respuesta corta
Sí, VoiceKeyboard reconoce la voz sin internet. Pon RECOGNITION en LOCAL, elige un modelo y el texto se escribe en cualquier ventana desde tu micrófono, aunque desenchufes el cable de red. La pantalla FILES, que convierte grabaciones en texto, funciona siempre así. Internet hace falta una sola vez, para descargar el modelo.
Qué modelo para tu idioma
Hay cinco modelos sin conexión. Cada uno destaca en algo distinto:
| Modelo | Descarga | El texto aparece | Idiomas |
|---|---|---|---|
| Whisper | de 75 MB a 1.031 MB (cinco tamaños) | tras cada frase | 58 para elegir; unos 99 en AUTO, que detecta el idioma |
| Parakeet v3 | unos 670 MB | tras cada frase | 24 idiomas europeos, detecta cuál |
| Vosk | unos 40–50 MB por idioma | mientras hablas | 15, un modelo pequeño por idioma |
| GigaAM v3 | unos 232 MB | tras cada frase | ruso, con puntuación |
| T-one | unos 144 MB | mientras hablas | ruso, sin puntuación |
- Inglés y español: Whisper, Parakeet v3 y Vosk.
- Ruso: los cinco; GigaAM v3 y T-one están hechos para él.
- Japonés e hindi: Whisper y Vosk.
- Alemán, francés, italiano, polaco, ucraniano y otros: Whisper para todos, Parakeet v3 para casi todos los europeos, Vosk para algunos.
¿No estás seguro? Deja LOCAL en «Automático — por idioma», la primera entrada de la lista de modelos. Para el idioma en que dictas, usa el mejor modelo que hayas descargado, y si aún no tienes ninguno, te ofrece el que encaja con tus idiomas.
Tu hardware importa para un solo modelo
Whisper es el más capaz y el más exigente. Con una tarjeta gráfica NVIDIA va varias veces más rápido gracias a CUDA; en un procesador corriente es lento, y en el dictado en vivo puede quedarse por detrás de tu voz. En un portátil sin tarjeta NVIDIA, elige Parakeet v3, GigaAM v3, T-one o Vosk para dictar. Corren en el procesador sin problemas.
Vosk y T-one muestran las palabras mientras aún hablas. Whisper, Parakeet y GigaAM esperan una pausa y escriben la frase entera, normalmente con mejor puntuación.
Archivos y grabaciones sin conexión
FILES transcribe siempre con Whisper en tu PC. Una grabación del disco no necesita internet cuando ya están el modelo y FFmpeg (un conversor gratuito que la aplicación ofrece descargar). Un enlace de vídeo es distinto: primero hay que descargar el sonido, y después el reconocimiento corre sin conexión. Los detalles están en transcribir archivos de audio sin internet.
Qué sigue necesitando internet
- Descargar un modelo, una sola vez. Vienen de sus fuentes oficiales, con un espejo en voice-keyboard.com como respaldo.
- Google y Soniox, los dos motores en línea. Si pasas a LOCAL, no se usan.
- Los enlaces de vídeo en FILES, para la descarga.
Pro también funciona sin conexión, hasta el final del periodo que hayas pagado.
Por qué sin conexión
Con un modelo local, el audio nunca sale del ordenador: el modelo escucha, escribe y olvida. Eso importa en llamadas con clientes, notas de pacientes, borradores legales y código bajo acuerdo de confidencialidad, y para quien trabaja en una empresa que no permite servicios de voz en la nube. También significa que no hay retraso por una conexión lenta ni dictado caído en un avión.
Conviene decir el inconveniente tal cual: los motores en línea suelen rendir más con audio difícil, y Soniox detecta el idioma mientras hablas, incluso a mitad de frase. Mucha gente usa los dos, LOCAL por defecto y ONLINE cuando ayuda. La página motores en línea o local los compara.
Sin conexión frente al dictado de Windows
Windows 10 y 11 traen dictado por voz integrado (Win+H), pero la página de ayuda de Microsoft dice que "uses online speech recognition, which is powered by Azure Speech services". Sin conexión, no funciona. La comparación completa está en el dictado por voz de Windows frente a VoiceKeyboard.
Pruébalo
Instala VoiceKeyboard, pon RECOGNITION en LOCAL y descarga un modelo para tu idioma. Después apaga la wifi, pon el cursor en cualquier ventana y pulsa Ctrl+1.
