Precisión del dictado IA en 2026: qué influye y cómo medirla

Por qué es tan difícil comparar las cifras de precisión#

Todas las apps de dictado dicen ser precisas. Pocas explican cómo lo han medido, y las que publican cifras rara vez miden lo mismo.

Una tasa de error solo tiene sentido junto a las grabaciones con las que se midió. Un audiolibro bien narrado da cifras bajas. El micrófono de un portátil en la cocina, un acento marcado o una frase llena de nombres de productos dan cifras mucho más altas. Dos apps probadas con grabaciones distintas no se pueden ordenar entre sí, aunque las dos cifras sean honestas.

Por eso esta guía no publica una clasificación. Explica qué determina de verdad la precisión del dictado, qué dice la investigación publicada y cómo hacer una comparación justa con tu propia voz, que es la única prueba que predice cómo te funcionará una app.

Aviso: este blog lo publica LumeVoice, que es una de las apps de las que se habla. La comparación de más abajo se limita a lo que documenta cada empresa, con enlaces para que puedas comprobarlo.

Cómo se mide la precisión#

La tasa de error de palabras#

En reconocimiento de voz, la precisión se mide con la tasa de error de palabras: se compara la transcripción con lo que realmente se dijo, se cuentan los errores y se divide entre el número de palabras pronunciadas.

Tasa de error de palabras = (palabras sustituidas + palabras omitidas + palabras añadidas) ÷ palabras realmente pronunciadas

Por ejemplo, si dijiste 100 palabras y la transcripción tiene dos palabras equivocadas, una omitida y una añadida, la tasa de error es de 4 de cada 100, es decir, del 4 %.

La mayoría de los benchmarks ignoran mayúsculas y signos de puntuación, y muchos unifican la ortografía antes de contar, de modo que variantes como «vídeo» y «video» cuentan como iguales. Solo esas decisiones pueden mover un resultado. Por eso el artículo de OpenAI sobre Whisper describe un normalizador de texto propio, y es otra razón por la que las cifras de fuentes distintas no cuadran.

Qué miden los benchmarks y qué no#

Muchas cifras publicadas proceden de conjuntos de prueba públicos. LibriSpeech, uno de los más conocidos, está formado por grabaciones de audiolibros: voces claras, ritmo pausado, salas silenciosas. El dictado real es más desordenado. Piensas mientras hablas, empiezas frases de nuevo, dices «eh» y usas palabras que no salen en ningún audiolibro.

Para las apps de dictado hay una segunda diferencia. La tasa de error premia que la transcripción reproduzca exactamente lo que dijiste, muletillas y arranques en falso incluidos. Pero muchas apps de dictado eliminan a propósito los «eh», descartan la parte de la frase que corregiste y arreglan la gramática. Frente a una referencia palabra por palabra, esa limpieza cuenta como error, aunque sea justo lo que querías. En el dictado, la pregunta útil es otra: ¿cuánto tienes que editar el texto antes de poder enviarlo?

Qué influye en la precisión del dictado#

El modelo de reconocimiento de voz#

El modelo que convierte el audio en texto marca el techo. Los modelos Whisper de OpenAI, publicados como código abierto en 2022, están detrás de muchas apps actuales; otras añaden modelos como Parakeet, de NVIDIA, o Voxtral, de Mistral. Dentro de una misma familia, los modelos más grandes suelen ser más precisos, y también más lentos y exigentes con la memoria si se ejecutan en tu propio ordenador.

Tu micrófono#

El micrófono integrado de un portátil está junto al teclado y al ventilador, y algo lejos de tu boca, así que oye la sala casi tanto como a ti. Unos auriculares con micrófono o un micrófono USB a un palmo de la boca pueden mejorar más el resultado que cambiar de app.

La sala#

El ruido de fondo, la música, otras voces y el eco de las superficies duras obligan al modelo a adivinar. Una habitación amueblada es más fácil que una vacía, y una puerta cerrada siempre gana a una oficina diáfana.

Acentos e idiomas#

La precisión no es igual para todos. Según el artículo de OpenAI sobre Whisper, el rendimiento del modelo en un idioma depende de cuánto audio de entrenamiento tuvo en ese idioma. El estudio mide idiomas, no acentos, pero la lección se aplica igual: no des por hecho que una app que le funciona bien a un compañero te funcionará igual de bien a ti. Si dictas en un idioma que no es el tuyo, o en uno menos extendido, pruébala con tu propia voz antes de fiarte de cualquier afirmación general.

Palabras que el modelo casi nunca oye#

Los nombres, productos, siglas y la jerga suelen hacer tropezar a los modelos generalistas. Un modelo que apenas ha oído «kubectl» o el nombre de tu compañera Siobhán escribirá algo que suene parecido. Un vocabulario personalizado (algunas apps lo llaman diccionario) le indica a la app qué grafías debe esperar. El Dictado de Apple no tiene vocabulario personalizado; muchas apps de dictado especializadas, sí.

Cómo hablas#

Los modelos modernos deducen una palabra dudosa a partir de las que la rodean, así que hablar con frases completas y a ritmo normal suele funcionar mejor que dictar despacio y exagerando la pronunciación. Mantén el micrófono a la misma distancia y haz las pausas entre ideas, no a mitad de frase.

La limpieza posterior a la transcripción#

Las apps más nuevas añaden un segundo paso: un modelo de lenguaje lee la transcripción, quita las muletillas, aplica las correcciones que hiciste a mitad de frase, da estructura al texto y corrige la gramática. No cambia lo que oyó el modelo de voz, pero sí cuánto te queda por editar. También añade un pequeño riesgo: un modelo de limpieza puede cambiar alguna vez algo que querías decir tal cual, así que lee los textos importantes antes de enviarlos.

Qué dice la investigación publicada#

Las comparaciones independientes y en igualdad de condiciones entre apps comerciales de dictado son escasas, y los benchmarks de los propios fabricantes no se pueden verificar. La evidencia pública más útil trata sobre los modelos de base.

Whisper es robusto, pero no uniforme. El artículo de OpenAI de 2022, Robust Speech Recognition via Large-Scale Weak Supervision, entrenó modelos con 680.000 horas de audio recogido de internet. Su conclusión principal es que un modelo entrenado con una mezcla grande y variada de audio aguanta mejor las grabaciones desconocidas que los modelos ajustados a un único benchmark limpio. También muestra que los modelos más grandes rinden mejor y que la precisión cambia mucho de un idioma a otro.

Los errores no siempre son pequeños. En su apartado de limitaciones, el artículo describe fallos que van más allá de una palabra mal oída: el modelo se queda atascado repitiendo texto, se salta las primeras o últimas palabras de un fragmento y, a veces, produce texto que no está en el audio. Es un buen motivo para repasar cualquier texto importante antes de enviarlo.

Compara los errores del dictado con los del teclado. Un estudio de 2016 de la Universidad de Stanford, la Universidad de Washington y Baidu concluyó que la entrada por voz era unas tres veces más rápida que teclear en el teclado de un smartphone, y con menos errores. Comparaba el tecleo con el pulgar con el reconocimiento de voz de entonces, no con las apps de escritorio actuales, pero recuerda que la alternativa al dictado no es un texto perfecto, sino tu propio tecleo, erratas incluidas.

Las clasificaciones públicas comparan modelos, no apps. El Open ASR Leaderboard de Hugging Face ordena modelos abiertos de reconocimiento de voz, Whisper entre ellos, por tasa de error y velocidad en conjuntos de prueba públicos, con apartados para inglés, para varios idiomas y para grabaciones largas. Es una buena forma de ver cómo se comparan las familias de modelos. No prueba apps comerciales de dictado, sus pasos de limpieza ni tu micrófono.

Los benchmarks son un punto de partida. Los resultados en conjuntos de prueba públicos te dicen qué modelos son capaces. No te dicen cómo se las arreglará una app con tu micrófono, tu sala y tu vocabulario. Para eso necesitas tu propia prueba.

Cómo probar tú mismo las apps de dictado#

Para una comparación justa no hace falta equipo especial. Basta con un guion, media hora tranquila y algo de disciplina para que las condiciones no cambien.

1. Escribe tres textos cortos, de unas 100–150 palabras cada uno:

• Cotidiano: un correo o mensaje que enviarías de verdad.
• Tu vocabulario: la jerga, los productos y las siglas que usas a diario.
• Nombres y cifras: personas, lugares, fechas, precios y teléfonos.

2. Mantén las mismas condiciones. El mismo micrófono, la misma distancia, la misma sala y la misma hora del día. Lee a tu ritmo normal, como cuando escribes de verdad.

3. Lee cada texto en cada app, dos veces. Pega los resultados en un documento junto a tu guion.

4. Cuenta dos cosas en cada resultado:

• Errores: palabras sustituidas, omitidas y añadidas respecto al guion. Divide entre el número de palabras del guion y tendrás tu propia tasa de error.
• Correcciones para enviar: los cambios que harías antes de enviarlo. Esta es la cifra que decide si dictar te ahorra tiempo.

5. Repite el texto que peor salió después de añadir tus palabras problemáticas al vocabulario personalizado de la app, si lo tiene.

6. Añade una condición real: una sala más ruidosa, un texto más largo (un minuto o más hablando) o un segundo idioma, si lo usas.

Una hoja de puntuación sencilla:

Con las apps que transcriben archivos grabados, como MacWhisper, puedes afinar todavía más: graba cada texto una vez y dale el mismo archivo de audio a todas las apps, para que lo único que cambie sea el software.

Si te manejas con Python, la biblioteca de código abierto jiwer calcula la tasa de error de palabras a partir de tu guion y una transcripción, así no tienes que contar a mano.

En qué se diferencian las apps#

Sin cifras comparativas fiables, lo útil es comparar lo que documenta cada app sobre los factores que determinan la precisión.

Dragon, durante años la referencia del dictado jurídico y médico, ya no es una opción en Mac: Dragon para Mac se dejó de vender en 2018, y Dragon Professional v16 solo funciona en Windows.

Lo que significa la tabla en la práctica:

• Dictado en directo en cualquier app, con limpieza: LumeVoice y Wispr Flow funcionan en la nube, con diccionario y limpieza automática. Los dos necesitan conexión a internet.
• Audio que no debe salir de tu Mac: Superwhisper con un modelo local, o MacWhisper, procesan sin conexión. Los modelos más grandes piden un Mac potente; la propia página de MacWhisper indica que los modelos Whisper Medium y Large necesitan más de 8 GB de RAM para funcionar bien.
• Mensajes cortos sin coste: el Dictado de Apple viene integrado y puede procesar la voz en tu Mac (los ajustes de Teclado indican qué idiomas gestiona en el propio dispositivo), pero los nombres, la jerga y las muletillas los corriges tú.
• Vocabulario jurídico y médico: aquí es donde más debes probar. Añade tus términos al vocabulario personalizado y revisa todo resultado importante; ninguna app elimina la necesidad de revisar en estos campos.

Los límites de cualquier comparación de precisión#

1. Los modelos cambian. Las apps actualizan sus modelos de voz y sus pasos de limpieza, a menudo sin mucho aviso, así que cualquier comparación es una foto fija. Vuelve a probar tras las actualizaciones importantes.
2. Tu voz no es el conjunto de prueba. Los resultados de una persona, un acento o un micrófono no se trasladan con fiabilidad a otros.
3. Literal y limpio son objetivos distintos. Una herramienta para transcripciones palabra por palabra (entrevistas, subtítulos) y otra para textos listos para enviar deben juzgarse de forma diferente.
4. El dictado en directo es difícil de probar con justicia. Nadie dice algo exactamente igual dos veces. Leer un guion fijo dos veces por app, o dar la misma grabación a las herramientas de archivos, reduce el ruido, pero no lo elimina.

Fuentes#

• Radford et al., Robust Speech Recognition via Large-Scale Weak Supervision, OpenAI, 2022.
• Hugging Face, Open ASR Leaderboard.
• Ruan et al., 2016, Universidad de Stanford, Universidad de Washington y Baidu: nota de Stanford sobre la voz frente al tecleo en smartphones (en inglés).
• Funciones según la web de cada empresa, consultadas en octubre de 2026: Wispr Flow, Superwhisper, MacWhisper.

Lecturas recomendadas#

• La app de dictado más precisa para Mac
• Cómo mejorar la precisión del dictado en Mac
• Dictado por voz vs. teclear: ¿cuánto más rápido es hablar?
• Las mejores apps de dictado con IA para Mac
• Las mejores alternativas a Wispr Flow
• Análisis de MacWhisper
• LumeVoice vs. Superwhisper
• ¿La escritura por voz de Android no funciona? 9 soluciones para Gboard y más
• Mejores apps de dictado para Android en 2026 (Gboard y más allá)
• Mejores alternativas al dictado por voz de Gboard en 2026
• ¿La escritura por voz de Windows no funciona? 10 soluciones en el orden correcto