Casi todos los consejos sobre la mala precisión del dictado en Mac son el mismo consejo: habla claro, no murmures, cómprate un micrófono mejor. No es que sea falso, es que no sirve: trata un síntoma como si fuera un solo problema cuando en realidad son varios, y cada uno tiene su arreglo. La persona a la que unos auriculares Bluetooth le están degradando el audio en silencio y la persona cuyo reconocedor jamás ha oído el apellido de su colega dicen lo mismo — "la voz a texto se sigue equivocando de palabras" — y a ninguna de las dos le ayuda vocalizar más fuerte.

Lo útil es diagnosticar por la forma del error. Lo que sale mal te dice qué capa falló.

Lo que estás viendo Suele significar
Frases enteras destrozadas o perdidas, peor en llamadas El micro pasó a perfil de llamada Bluetooth
Bien en tu escritorio, mal en una sala de reuniones Distancia y reverberación
Un nombre o acrónimo concreto mal siempre Falta vocabulario personalizado
Términos técnicos mal, inglés llano bien El motor es el techo
Palabras plausibles en el idioma equivocado El idioma configurado no es el que hablaste
Palabras bien, frases ilegibles Puntuación y formato, no reconocimiento
El dictado se detiene solo Un tiempo de espera por silencio, no precisión

Cuando el dictado del Mac no funciona bien, recorre la lista en orden. Los dos primeros explican la mayoría de los casos, y los dos son gratis.

1. Tu micrófono marca el techo

Nada aguas abajo puede arreglar un audio que ya llegó degradado, y en un Mac la causa más común son unos auriculares inalámbricos.

El Bluetooth clásico tiene que cambiar de su perfil de reproducción de alta calidad al perfil de llamada manos libres en cuanto una app abre el micrófono. En ese perfil la ruta del micro es mono y muy comprimida — banda estrecha a 8 kHz, banda ancha a 16 kHz — y el cambio se oye, porque tu música se vuelve barro en ese mismo instante. Los modelos de voz trabajan con audio a 16 kHz, así que una señal comprimida de banda estrecha es realmente menos material. No es el fallo de una marca concreta: es cómo funciona el perfil, y afecta a la mayoría de auriculares Bluetooth.

Hay una excepción real que conviene conocer, porque muchos consejos sobre esto no se han actualizado. La grabación con calidad de estudio de Apple cubre AirPods 4, AirPods 4 con ANC y AirPods Pro 2 en macOS Tahoe 26, y funciona en el Mac, no solo en el iPhone. Es una mejora sustancial frente al viejo comportamiento del perfil de llamada. No se aplica a todo automáticamente — Apple enumera apps y categorías concretas que lo soportan, así que si tu app de dictado recibe esa calidad depende de la app.

El arreglo fiable es el mismo. Abre los ajustes del micrófono del Mac en Ajustes del Sistema → Sonido → Entrada y elige tu micrófono integrado en la lista de dispositivos — macOS lo nombra según tu modelo, como "Micrófono del MacBook Pro". Conectar unos auriculares cambia tu entrada a ellos, y nada te avisa de que ha pasado. En portátiles e iMac, la opción integrada es un array de tres micrófonos con formación de haz direccional, y a efectos de reconocimiento gana a la mayoría de auriculares inalámbricos. Quédate con los auriculares para la salida si quieres; simplemente que no sean la entrada.

Si quieres un micrófono de dictado mejor que el integrado del Mac, la mejora es un micrófono USB con cable, no uno inalámbrico más caro. Y si no sabes si tu problema es el audio, graba treinta segundos en Notas de Voz con tu configuración actual y escúchalo. Si a tu oído suena apagado o metido en una caja, al modelo le suena peor.

2. Distancia y reverberación, no volumen

Lo segundo que destroza la precisión es la sala. Cada superficie dura devuelve al micro una copia retardada de tu voz, y eso emborrona las fronteras acústicas entre palabras — justo la información que el reconocedor usa para separarlas.

En la práctica: siéntate a 20–30 cm del micro en vez de a un brazo de distancia, y elimina las fuentes de ruido obvias — el ventilador de la mesa, la ventana abierta al tráfico, el teclado mecánico que aporreas mientras hablas.

Donde más muerde esto es en reuniones, y ahí hay un segundo efecto encima de la reverberación. Si estás en altavoz en lugar de auriculares, el audio remoto vuelve a entrar por tu micrófono. Cualquier cosa que esté transcribiendo la reunión en local oye sus palabras también en tu canal de micro y te las atribuye a ti. Los auriculares lo resuelven de raíz. El software también puede limpiarlo después — Vext compara el flujo del micro con el del sistema contra un reloj de reunión compartido y descarta las líneas de micro que repiten lo que el flujo del sistema ya capturó dentro de una ventana de dos segundos — pero el arreglo físico sigue siendo el mejor.

3. El motor es el mayor salto individual

Si el audio está limpio y la precisión del reconocimiento de voz sigue siendo mediocre, has tocado el techo del motor.

El dictado integrado de Apple está diseñado para ser instantáneo, gratuito y estar siempre disponible en una máquina que hace otras cien cosas. Ha mejorado mucho, y para una respuesta rápida va bien — ya cubrimos dónde basta y dónde se queda corto en detalle. Pero es otra clase de modelo frente a lo que corre una app dedicada. Los motores locales más pesados en Apple Silicon — Parakeet de NVIDIA, la familia Whisper — gastan más cómputo por segundo de audio y compran precisión con ello.

Las APIs de transcripción en la nube son la otra palanca, y son una opción real, pero implican que tu audio sale de la máquina. Para llamadas con clientes, notas de pacientes, entrevistas o cualquier cosa bajo NDA, eso solo ya las descarta — y la precisión que compran suele ser pequeña en audio limpio, y mayor solo en grabaciones genuinamente difíciles. En un Mac con chip M, empezar por lo local es el punto de partida que vale.

Dos cosas antes de salir a perseguir tamaño de modelo:

  • En habla limpia, la diferencia entre buenos motores es pequeña. Audio limpio más vocabulario corriente significa que un modelo mayor puede no cambiar casi nada.
  • La diferencia se abre justo donde probablemente estás sufriendo: ruido, acentos, jerga, hablantes solapados.

Así que prueba con tu propio audio difícil en vez de fiarte de un benchmark. Dicta un párrafo con los términos que de verdad usas — nombres de producto, de librerías, el acrónimo que tu equipo dice cuarenta veces al día — y compara motores con eso. Si quieres una referencia antes de cambiar nada, nuestro test de precisión de dictado puntúa palabra por palabra un pasaje leído en el navegador — los pasajes de términos técnicos y nombres propios enseñan enseguida qué categoría te está fallando.

4. Los nombres propios no son un problema de precisión. Son de configuración

Este es el que más se tarda en arreglar, y es el más barato.

Ningún motor produce de forma fiable una palabra que no sabe que existe. El apellido de tu colega, el nombre de tu empresa, un nombre en clave interno, kubectl — salen mal no porque el reconocimiento sea malo, sino porque el modelo elige la palabra conocida más probable que encaja con el sonido. Y va a seguir haciéndolo siempre. Hablar más claro no ayuda, porque la grafía correcta nunca fue candidata.

Apple te da poco aquí. El dictado en sí no tiene vocabulario personalizado. Control por Voz sí — la propia página de Apple dice que "puedes añadir palabras y frases, de una en una o importando una lista" — pero eso es una función de accesibilidad aparte para manejar el Mac con la voz, disponible en algunos idiomas, no un vocabulario para dictar dentro de un documento.

Las apps dedicadas lo resuelven con una lista de vocabulario o de reemplazos. En Vext 1.3.0 las reglas son pares — lo que produce el reconocedor y lo que debería haber producido — que se aplican sobre la transcripción en bruto y luego se pasan al prompt de limpieza como instrucción de preservación, para que la pasada de IA no pueda parafrasear tu grafía corregida y devolverla mal. En los motores que aceptan una pista por adelantado (el reconocedor de Apple, endpoints compatibles con Whisper) los términos también se envían antes de transcribir. Ese paso de preservación importa más de lo que parece: una función de vocabulario que arregla la transcripción y luego deja que un modelo de lenguaje la reescriba no ha arreglado nada.

Durante una semana, anota cada palabra que corriges a mano. Saldrán diez o quince entradas, casi todas nombres, y esa lista elimina la mayor parte de la edición que te queda.

5. Idioma configurado y habla mezclada

Si obtienes palabras plausibles en el idioma equivocado, o tu segunda lengua se degrada a media frase, esto es configuración más que fallo del modelo.

El reconocimiento monolingüe asume un idioma y decodifica en consecuencia, así que un nombre de producto en inglés dentro de una frase en español acaba mapeado a lo más parecido que suene a español. Para cambiar el idioma del dictado en un Mac, abre los ajustes de Teclado, donde viven los idiomas de dictado: pulsa Editar junto a Idiomas para añadirlos o quitarlos, y con más de uno activo puedes cambiar a mitad del dictado desde el idioma que aparece junto al cursor. Las apps construidas sobre modelos multilingües suelen detectar el idioma en vez de preguntarlo.

Cambiar de idioma dentro de una misma frase es el caso más difícil para cualquier motor, y el consejo honesto es meter los nombres propios en tu lista de vocabulario para que al menos esos sobrevivan.

6. Puntuación y formato no son reconocimiento

Una transcripción donde todas las palabras están bien y el conjunto es un ladrillo sin puntuar no es un fallo de precisión. El reconocimiento funcionó. Lo que falta es la pasada posterior.

Puedes dictar la puntuación con la voz ("coma", "punto y aparte"), y la puntuación automática infiere algo de la cadencia, con más acierto en frases cortas que largas. La mejor respuesta es dejar de hacerlo con la voz: habla con naturalidad y deja que una pasada de limpieza se ocupe después de puntuación, mayúsculas y muletillas. En Apple Silicon esa pasada puede correr enteramente en el dispositivo con un modelo local, así que no te cuesta nada en privacidad. Es también lo que permite que el mismo párrafo hablado salga como email, como mensaje de chat o como viñetas: el remodelado ocurre después del reconocimiento, no durante.

7. El "límite de 30 segundos" que no es lo que has leído

Merece corrección, porque se repite en todas partes como un tope duro de cuánto puedes dictar. La propia documentación de Apple dice lo contrario: "Puedes dictar texto de cualquier longitud sin límite de tiempo" y, por separado, "el dictado se detiene automáticamente cuando no se detecta voz durante 30 segundos".

Eso es un tiempo de espera por silencio, no un límite de longitud. Cierra la sesión cuando llevas medio minuto sin hablar — generoso si dictas de corrido, e irritante si compones hablando, pensando un rato y volviendo a hablar. Si ese eres tú, lo que quieres es pulsar-para-hablar (mantener una tecla mientras hablas) o un atajo de conmutación (pulsar para empezar, pulsar para parar), de modo que la sesión termine cuando tú lo digas y no por un temporizador. Los dos patrones están cubiertos en la guía de configuración de transcripción de voz en Mac.

La lista de 60 segundos

En orden, de mayor impacto a menor:

  1. Ajustes del Sistema → Sonido → Entrada — selecciona explícitamente tu micrófono integrado, no unos auriculares Bluetooth conectados.
  2. Ponte a 20–30 cm del micro. Apaga el ventilador.
  3. Usa auriculares en las llamadas para que el audio remoto no vuelva a entrar por tu micro.
  4. Graba 30 segundos en Notas de Voz y escúchalo. Si te suena mal a ti, arregla eso antes de culpar al software.
  5. Apunta las diez palabras que más corriges y mételas en un vocabulario personalizado.
  6. Revisa tu idioma de dictado, y añade un segundo si cambias de idioma.
  7. Deja de dictar la puntuación; usa una pasada de limpieza.
  8. ¿Sigues corto en vocabulario técnico? Prueba otro motor con tu propio audio difícil — uno local primero, porque un endpoint en la nube implica subir todo lo que dices.

Seis de esos ocho son gratis y llevan menos de un minuto.

Cuando el problema sí es la herramienta

Si has recorrido la lista y sigue sin ser suficiente, la restricción es la herramienta — normalmente porque no tiene control de vocabulario, ni elección de motor, ni pasada de limpieza, y te has quedado sin cosas que ajustar.

Para ese caso está hecho Vext, y parte del lado de la privacidad en vez de añadirla después: el reconocimiento de voz, la limpieza con IA y la transcripción de reuniones corren en tu Mac, así que ni el audio ni la transcripción salen de él. Encima de eso, elección de motor (Parakeet o el reconocedor de Apple en local, con un endpoint compatible con OpenAI disponible si lo quieres explícitamente), un vocabulario personalizado que sobrevive a la pasada de IA, modos de dictado que dan forma al texto según su destino, y transcripción de reuniones que se ocupa del problema del eco.

Sin nube por defecto, sin cuenta, sin suscripción y sin nivel bloqueado — $49 pago único, todas las funciones incluidas.

brew install muvon/tap/vext

Empieza por el micrófono, eso sí. Es gratis, lleva diez segundos, y hay más gente que necesita ese arreglo que otra app.