Dictado de voz en tiempo real para tu flujo de trabajo en Linux, en cualquier aplicación

Transforma tu voz en texto al instante en cualquier aplicación. Creado con Python y Vosk, completamente de código abierto y respetuoso con la privacidad: nada de lo que dices sale nunca de tu dispositivo.

Empezar Más información →

v0.5.4-beta · en / fr / de / es · 100% sin conexión · RTF < 1

vosk-cli-dictation no es un motor de reconocimiento de voz, sino una capa de dictado por línea de comandos construida sobre Vosk, un conjunto de herramientas de reconocimiento de voz sin conexión y de código abierto. Vosk se encarga de la escucha; este proyecto gestiona los atajos de teclado globales, los comandos de voz, la puntuación, la tipografía propia de cada idioma y la escritura del resultado en la aplicación que tiene el foco.

Funciona en hardware modesto

La transcripción de vosk-cli-dictation se midió sin conexión, sin acelerador, en una Raspberry Pi 4, una Raspberry Pi 5, una laptop AMD A4-6210 de 2014 y en ordenadores de escritorio x86. En todos ellos, la transcripción sigue el ritmo del habla; el factor de tiempo real se mantiene por debajo de 1, incluso en el dispositivo más lento, por lo que la transcripción en vivo nunca se queda atrás.

Aproximadamente 300 MB de RAM en uso, dependiendo del modelo de lenguaje: aproximadamente 210 MB para español, y 335-360 MB para francés.
Cuando está inactivo, la escucha en segundo plano se reduce al 0% de la CPU: el dispositivo de audio se libera y nada se ejecuta.
Con la gramática de palabra de activación restringida, la escucha en segundo plano en un Raspberry Pi 4 utiliza una fracción de un núcleo de CPU, y la palabra de activación se detecta en poco menos de un segundo.

Máquina	RAM al dictar	Factor de tiempo real
Raspberry Pi 4 (8 GB)	209 MB	0,20
Raspberry Pi 5	213 MB	0,07
Portátil AMD A4-6210 (2014)	232 MB	0,23
Equipo de escritorio reciente (Ryzen 9 3950X)	231 MB	0,05

Medido en frío, máquinas en reposo, con el modelo español (vosk-model-small-es-0.42) — el modelo que usa esta página de principio a fin, desde las cifras de memoria de arriba hasta la tabla. Cada página de idioma muestra las cifras de su propio modelo: una diferencia entre dos idiomas es una diferencia entre modelos, no una incoherencia. El factor de tiempo real es la duración del procesamiento dividida por la duración del audio: por debajo de 1, la transcripción va más rápido que el habla. El desglose por máquina y por idioma está en los manuales PDF.

Velo en acción

El mismo texto dictado en una terminal, KWrite, LibreOffice y luego un traductor en línea — la introducción está en inglés y el resto en francés.

Características principales

Transcripción en tiempo real

Tu voz se convierte en texto al instante en cualquier aplicación activa de tu sistema.

Soporte multilingüe

Inglés, francés, alemán y español, cada uno con su propio modelo Vosk. Órdenes de voz, mensajes y tipografía propios de cada idioma.

Control total

Atajos globales, comandos de voz y comandos manuales para una experiencia personalizada.

Configuración avanzada

Personaliza todo a través de config.yaml: tema, atajos, alias de reconocimiento y más.

Puntuación completa

Dicta cada signo de puntuación con comandos de voz naturales, en cada idioma.

100% sin conexión

Ningún dato sale de tu dispositivo. Construido sobre Vosk, un motor de reconocimiento de código abierto.

Interfaz adaptable

La misma herramienta, en tu idioma

vosk-cli-dictation --help · ES

------------------------------------------------------------------
  - Diga «iniciar dictado» o pulse [Alt+H] para iniciar/detener.
  - Diga «terminar dictado», pulse [Alt+S], o ejecute «vosk-cli-dictation
    --finalize» para detener y copiar.
  - Los atajos alcanzan la ventana enfocada y no llegan a las ventanas
    Wayland nativas; use --finalize.

  Comandos manuales:
  - '/cancel', '/delete-word', '/nl'

  Comandos de puntuación:
  abrir comillas (")        abrir corchete ([)
  abrir exclamación (¡)    abrir interrogación (¿)
  abrir paréntesis (()      cerrar comillas (")
  cerrar corchete (])       cerrar paréntesis ())
  coma (,)                  dos puntos (:)
  exclamación (!)           interrogación (?)
  nueva línea (\n)          nuevo párrafo (\n\n)
  punto (.)                 punto y coma (;)
  puntos suspensivos (…)   raya (–)
------------------------------------------------------------------
Pulse Ctrl+C para salir del programa.

vosk-cli-dictation --help · EN

------------------------------------------------------------------
  - Say 'start dictation' or press [Alt+H] to start/stop.
  - Say 'stop dictation', press [Alt+S], or run 'vosk-cli-dictation
    --finalize' to stop and copy.
  - Hotkeys reach the focused window and miss native-Wayland windows; use
    --finalize.

  Manual commands:
  - '/cancel', '/delete-word', '/nl'

  Punctuation commands:
  close bracket (])      close parenthesis ())
  close quote (")        colon (:)
  comma (,)              dash (–)
  ellipsis (…)          exclamation mark (!)
  new line (\n)          new paragraph (\n\n)
  open bracket ([)       open parenthesis (()
  open quote (")         period (.)
  question mark (?)      semicolon (;)
------------------------------------------------------------------
Press Ctrl+C to exit the program.

Selección de idioma al inicio

Mensajes de ayuda y estado traducidos, mediante gettext

Comandos de voz nativos por idioma

Todo está configurado

Atajos de teclado, tema, comandos de voz, correcciones de homófonos: todo en un archivo YAML legible

config.yaml

hotkeys:
  toggle_recording:
    pynput_keys: ["alt_l", "h"]
    display_name: "[Alt+H]"
  finalize_session:
    pynput_keys: ["alt_l", "s"]
    display_name: "[Alt+S]"

theme:
  ready_message: "GREEN"
  info: "BLUE"
  warning: "YELLOW"
  error: "RED"

Tema y accesos directos

Establezca los colores de la interfaz y defina sus propios atajos de teclado globales para cada acción.

Color personalizable por tipo de mensaje.
Atajos de teclado globales configurables.
Tus propios comandos de voz para iniciar/detener, por idioma.

config.yaml

language_settings:
  fr:
    recognition_aliases:
      "de points": "deux points"
      "tirer": "tiret"
      "tirait": "tiret"
    custom_vocabulary:
      "vosk": "Vosk"
      "gemini": "Gemini"
      "ia": "IA"

Configuración avanzada

Corregir una palabra mal interpretada con recognition_aliases, o forzar la capitalización de un nombre que Vosk reconoció correctamente pero que está en minúsculas con custom_vocabulary — dos tablas separadas para dos problemas distintos.

Tabla de alias para corregir errores de reconocimiento frecuentes.
Personalización de comandos de voz por idioma.
Diccionario de puntuación extensible.

Instálalo

En Debian, Fedora, openSUSE o Arch Linux: un comando y un modelo. La guía completa cubre además la instalación desde el código fuente, los modelos de lenguaje y los accesos directos del escritorio.

Guía de instalación completa →

Instalar el paquete

Obtén el paquete de tu distribución desde la página de descargas, luego:

# Debian 12+, Ubuntu 24.04+, Mint 22+...
sudo apt install ./vosk-cli-dictation_0.5.4~beta_all.deb
# Fedora
sudo dnf install ./vosk-cli-dictation-0.5.4~beta-1.fc42.noarch.rpm
# openSUSE Leap
sudo zypper install ./vosk-cli-dictation-0.5.4~beta-1.leap156.noarch.rpm
# Arch Linux
sudo pacman -U ./vosk-cli-dictation-0.5.4_beta-1-any.pkg.tar.zst

En la primera configuración, el paquete crea un entorno virtual privado e instala en él el motor Vosk (necesita acceso a la red en ese momento).

Descargar un modelo

Descarga el modelo pequeño de un idioma (verificado por SHA256):

vosk-cli-dictation --download-model es # también: en, fr, de

Si no hay ningún modelo, la herramienta ofrece la descarga en el primer arranque.

Dictar

Inicia una sesión en el idioma que quieras:

vosk-cli-dictation -l es

Desde el código fuente (para desarrollar)

Para trabajar en el código, ejecútalo desde un clon de git:

git clone https://github.com/RonanDavalan/vosk-cli-dictation.git
cd vosk-cli-dictation
python3 -m venv venv && source venv/bin/activate
pip install -r requirements.txt
python3 src/main.py -l es