Reconocimiento de voz en Linux: 14 programas que funcionan de verdad (2026)
Escrito por Futsy, fundador de Vibe Typer
Antes de nada, una aclaración que hace falta en español. Esta guía trata de voz a texto: hablas y el ordenador escribe. No es texto a voz, no es un lector de pantalla y no es un sintetizador. Las búsquedas de «reconocimiento de voz» devuelven las dos cosas mezcladas, así que si buscabas lo otro, esta no es tu página.
La mayoría de comparativas de programas de dictado se escriben para Windows y Mac, y luego alguien que nunca ha usado Linux se lo añade al final. Aquí es al revés: todas las herramientas de abajo tienen una versión real para Linux, y la columna que más importa es Wayland, porque ahí es donde la mayoría falla en silencio.
Una de estas herramientas es nuestra, así que sopesa las recomendaciones en consecuencia.
Lo esencial
- Que funcione sin configurar nada → Vibe Typer. Un AppImage, nativo en Wayland y X11, en la nube.
- En Wayland y con poca paciencia → Vibe Typer. Escribe de forma nativa en Wayland, sin montar nada con
ydotool. - Escribes en varios idiomas → Vibe Typer. 99 idiomas, detección automática, sin descargas.
- Dictas prompts a asistentes de código → Vibe Typer. Pega según la aplicación y es seguro en la terminal, también en Claude Code y Codex.
Por qué dictar en Linux es más difícil de lo que debería
Dictar tiene dos mitades: convertir el habla en texto, y meter ese texto en la aplicación que tienes delante. La primera está resuelta. Whisper hizo gratuita la buena transcripción. Es en la segunda donde fallan las herramientas de Linux.
En X11, cualquier proceso puede inyectar pulsaciones de teclado en cualquier ventana. Eso es lo que hace xdotool, y por eso casi todas las herramientas de dictado para Linux anteriores a 2022 daban X11 por hecho y funcionaban perfectamente.
Wayland eliminó eso a propósito. Un cliente de Wayland no puede inyectar eventos de entrada en otro cliente; ese era todo el sentido del modelo de seguridad. Así que las herramientas construidas sobre xdotool o XTestFakeKeyEvent no se degradan poco a poco. Simplemente no hacen nada, y normalmente sin mensaje de error. Las alternativas son ydotool (necesita un demonio uinput y a menudo un reinicio), dotool o wtype; este último no funciona en GNOME, porque GNOME no implementa el protocolo de teclado virtual que necesita.
Por eso la columna honesta de abajo se llama «Wayland» y no «Linux». Ubuntu usa Wayland por defecto desde la 22.04 y Fedora desde la 25. Si una herramienta anuncia «compatible con Linux» y quiere decir X11, una actualización de distribución puede romperte el dictado sin avisar.
La comparativa
| Herramienta | Wayland | X11 | Instalación | Licencia | Precio |
|---|---|---|---|---|---|
| Vibe Typer | Nativo | Nativo | AppImage | Propietario | Plan gratuito, 8 $/mes con facturación anual |
| Vocalinux | Sí | Sí | Script de una línea | AGPL-3.0 | Gratis |
| VOXD | Sí (con ydotool) | Sí | .deb / .rpm / .pkg | MIT | Gratis |
| Handy | Parcial | Sí | AppImage | MIT | Gratis |
| nerd-dictation | Parcial | Sí | pip + git + modelo | GPL-3.0 | Gratis |
| Talon | No | Sí | Instalador / zip | Propietario + Patreon | Gratis |
| OpenWhispr | Parcial | Sí | Aplicación Electron | Código abierto | Gratis |
| Whispering | Parcial | Sí | Aplicación de escritorio | Código abierto | Gratis |
| Speech Note | Parcial | Sí | Flatpak | Código abierto | Gratis |
| whisper.cpp | Solo CLI | Solo CLI | Compilar | MIT | Gratis |
| Blahst | Parcial | Sí | Script | Código abierto | Gratis |
| Numen | Sí | n/d | Código fuente | Código abierto | Gratis |
| VoiceKey | Parcial | Sí | .deb | Propietario | De pago |
| Dictado en el navegador | n/d | n/d | Ninguna | n/d | Gratis |
«Parcial» significa que funciona, pero necesita una herramienta auxiliar (ydotool, dotool, wtype) y puede comportarse mal en algunos compositores.
Las herramientas
Vibe Typer
La nuestra. Un AppImage portable: sin repositorios, sin dependencias, sin modelos que descargar:
chmod +x ~/Descargas/VibeTyper.AppImage
~/Descargas/VibeTyper.AppImage
Si está en lo alto de esa tabla, es por la columna de Wayland. Implementa Wayland y X11 de forma nativa en lugar de llamar a xdotool, elige la correcta para tu sesión y traslada tus ajustes si cambias de una a otra. Eso es poco habitual, y es el motivo más frecuente por el que la gente llega aquí después de que otra cosa dejara de funcionar.
Pulsas un atajo, hablas, y el texto aparece donde está tu cursor: terminales, editores, navegadores, chat, correo. El Magic Formatter elimina por el camino las muletillas, los arranques en falso y las autocorrecciones en vez de transcribirlo todo al pie de la letra. Selecciona cualquier texto y di «hazlo más corto» para reescribirlo ahí mismo. 99 idiomas con detección automática y sin descargas por idioma.
Funciona en la nube, y es una decisión, no una carencia. La transcripción corre en grandes modelos de reconocimiento de voz y en hardware pensado para la velocidad, no en tu CPU. Por eso es igual de rápido y preciso en un ThinkPad de hace cinco años que en una estación de trabajo, y por eso no hay ningún modelo que descargar. El audio se procesa en memoria y se descarta, el backend no guarda ninguna caché de transcripciones en el servidor, y no entrenamos nada con tu voz.
El plan gratuito son 2.000 palabras y 20 operaciones de IA al mes, sin tarjeta. Pro cuesta 8 $ al mes con facturación anual, 10 $ sin permanencia.
Ideal para: quien quiere dictar en todas sus aplicaciones desde el primer día y no quiere mantener nada.
Vocalinux
La opción sin conexión más pulida, concebida para Linux desde el principio. Un comando, y el instalador detecta tu hardware:
curl -fsSL https://raw.githubusercontent.com/jatinkrmalik/vocalinux/main/install.sh -o /tmp/vl.sh && bash /tmp/vl.sh --interactive
Probado en Ubuntu 22.04+, Debian 11+, Fedora 39+, Arch, openSUSE Tumbleweed, Manjaro y EndeavourOS. Funciona en X11 y Wayland, lo que lo mete en un grupo muy reducido. Por defecto usa whisper.cpp con Vulkan, lo que le da compatibilidad con GPU de varios fabricantes, y también admite Whisper, VOSK o una API remota que controles tú. Sin nube, sin telemetría, sin cuenta. AGPL-3.0, sin versión de pago.
VOXD
Dictado local que escribe directamente en la ventana activa y se instala con paquetes nativos de cada distribución en vez de con un script:
# Ubuntu / Debian
sudo dpkg -i voxd_*.deb
# Fedora
sudo rpm -i voxd-*.rpm
# Arch
sudo pacman -U voxd-*.pkg.tar.zst
whisper.cpp por debajo, con modelos GGML de 75 MB a 2,9 GB, más de 99 idiomas y sin GPU obligatoria. El autor dice haberlo probado en Arch/Hyprland, Omarchy 3.0, Ubuntu 24.04 y 25.04, Fedora 42, Pop!_OS 22, Mint 22 y openSUSE Leap 15.6. Posprocesado opcional con IA en local mediante llama.cpp u Ollama, o con un proveedor en la nube si lo prefieres. MIT.
Wayland funciona, pero necesita ydotool y un reinicio; el script de instalación se encarga de eso por ti.
Handy
La forma más amable de empezar con Whisper en local. AppImage para Linux, además de versiones para macOS y Windows, licencia MIT, desarrollo activo.
Dos familias de modelos: Whisper (de Small a Large, acelerado por GPU cuando la hay) y Parakeet V3, optimizado para CPU, que detecta el idioma automáticamente y funciona unas 5 veces más rápido que el tiempo real en hardware de gama media. Esa segunda opción es la interesante. Significa dictado sin conexión utilizable en un portátil sin GPU dedicada.
Wayland es el punto débil. Necesitarás wtype o dotool, tendrás que definir el atajo en tu entorno de escritorio y no en Handy, y la propia documentación del proyecto avisa de que algunos compositores tratan la ventana superpuesta de Handy como la ventana activa, con lo que el texto pegado puede acabar en el sitio equivocado.
nerd-dictation
La que todo el mundo nombra primero en los hilos sobre dictado en Linux, y sigue siendo la más personalizable. Basada en VOSK, completamente sin conexión, sin demonio, y programable hasta un punto que ninguna otra alcanza aquí. Puedes reescribir la salida en Python antes de que se escriba.
pip3 install vosk
git clone https://github.com/ideasman42/nerd-dictation.git
cd nerd-dictation
wget https://alphacephei.com/kaldi/models/vosk-model-small-en-us-0.15.zip
unzip vosk-model-small-en-us-0.15.zip && mv vosk-model-small-en-us-0.15 model
Necesita Python 3.6+, una utilidad de audio (parec, sox o pw-cat) y un simulador de entrada. En esa última elección está toda la cuestión de Wayland: xdotool es el valor por defecto y solo funciona en X11, mientras que ydotool, dotool y wtype cubren Wayland con las salvedades habituales.
Sé sincero contigo mismo sobre la contrapartida. Los modelos pequeños de VOSK están claramente por detrás de Whisper en acentos y ruido de fondo, y no hay limpieza con IA. Obtienes una transcripción fiel, muletillas incluidas. A cambio tienes control total y ninguna dependencia del servicio de nadie. GPL-3.0.
Talon Voice
La única herramienta aquí que hace lo que hace Dragon. No solo dictado: control por voz completo, control por ruidos (hacer clic con un siseo o un chasquido), seguimiento ocular para la posición del cursor y una gramática de comandos programable en Python. Los conjuntos de comandos de la comunidad para editores e IDE están maduros y muy completos.
Salvedad importante: en Linux, Talon solo funciona en X11. Si estás en Wayland, hoy por hoy no es tu herramienta, y es lo más pedido en su comunidad.
Gratis, con un Patreon opcional para acceso anticipado y soporte prioritario. Curva de aprendizaje pronunciada. Estás aprendiendo un lenguaje de comandos, no instalando una aplicación.
OpenWhispr
Una aplicación de escritorio en Electron que trata Linux como una plataforma de primer nivel, ejecutando Whisper y NVIDIA Parakeet enteramente en tu máquina, sin Internet. Código abierto, más de 99 idiomas, atajo global.
Whispering
Código abierto, Whisper en local, multiplataforma, con una de las interfaces más accesibles de la categoría.
Speech Note
flatpak install flathub net.mkiol.SpeechNote
Completamente sin conexión. Voz a texto, texto a voz y traducción automática, con buena cobertura multilingüe: alemán, catalán, checo, coreano, danés, español, francés, islandés, italiano, neerlandés, persa, polaco, portugués, tamil y ucraniano, entre otros. Complementos de GPU opcionales para AMD y NVIDIA.
Una cosa tiene que quedar clara: es ante todo una aplicación de notas. Con un atajo global puede escribir en la ventana activa, pero en Wayland necesita el servicio ydotool instalado y en marcha. Si el objetivo es hablar directamente en Slack, Vibe Typer lo hace con un solo atajo y sin instalar ninguna herramienta externa.
whisper.cpp
No es una aplicación de dictado, sino un motor de inferencia rápido en C++ para modelos Whisper, y la base de varias herramientas de arriba. Montar un dictado sobre él implica escribir tú el manejo del atajo, la captura de audio y la inserción de texto. MIT.
Blahst, Numen, VoiceKey
Tres proyectos más pequeños que conviene conocer. Blahst se apoya en whisper.cpp para darte entrada por voz en cualquier campo. Numen es control por voz más que dictado, diseñado para Wayland desde el principio, una respuesta más ligera al problema que Talon resuelve en X11. VoiceKey (antes VoiceHotKey) es un .deb de pago para Ubuntu, Debian y Mint.
Dictado en el navegador
Chrome y Google Docs llevan años con dictado por voz. Pero solo funciona dentro de una pestaña de Chrome. No en tu terminal, no en tu editor, no en Slack de escritorio, no en tu cliente de correo. No es un flujo de trabajo.
Quién debería elegir qué
«Quiero teclear menos y no quiero que sea un proyecto». Vibe Typer. Plan gratuito, un solo archivo, funciona desde el primer día en ambos protocolos gráficos.
«Estoy en Wayland y estoy harto de que las cosas fallen en silencio».
Vibe Typer. Escribe de forma nativa en Wayland y X11 y elige la vía correcta para tu sesión, así que no hay que montar antes una instalación de ydotool.
«Escribo en varios idiomas». Vibe Typer, con 99 idiomas, detección automática y sin descargas. La mayoría de herramientas basadas en VOSK necesitan un modelo distinto por idioma.
«Dicto sobre todo prompts a asistentes de código». Vibe Typer. Pega según la aplicación y es seguro en la terminal, así que tus prompts llegan tal cual a Claude Code o Codex.
Las herramientas que no funcionan en Linux
Vale la pena dejarlo por escrito, porque la mayoría de comparativas las mencionan sin decir que no existen para Linux. Comprobado con las plataformas que publica cada desarrollador:
| Herramienta | Plataformas que indica el desarrollador | Fuente |
|---|---|---|
| Wispr Flow | macOS, Windows, iPhone, Android | wisprflow.ai |
| Superwhisper | macOS, Windows, iOS, Android (Linux solo con versiones tempranas para Omarchy y sistemas basados en Arch) | superwhisper.com |
| Aqua Voice | macOS, Windows, iPhone, Android | aquavoice.com |
| Dragon Professional | Solo Windows; Wine y máquinas virtuales explícitamente no compatibles | dragon.nuance.com |
| TypeWhisper | macOS, Windows e iOS estables; Android en beta | typewhisper.com |
| Soniox Voice Typing | macOS, Windows, iOS, Android | soniox.com |
| SpeechPulse | Windows, macOS (Apple Silicon) | speechpulse.com |
| PulseScribe | macOS, Windows; Linux en la hoja de ruta | pulsescribe.me |
| Talkativ | Windows | talkativ.app |
| DictaType | Windows | dictatype.com |
| Spokenly | macOS, iOS | spokenly.app |
| BetterDictation | macOS | betterdictation.com |
| Whispur | macOS | whispur.app |
| EdgeWhisper | macOS (Apple Silicon) | edgewhisper.com |
| VoiceInk | macOS 14.4+ | VoiceInk |
Instalar Vibe Typer
- Descarga el AppImage desde la página de descargas.
chmod +x ~/Descargas/VibeTyper.AppImage- Ábrelo y concede acceso al micrófono.
- Define un atajo global.
- Haz clic en cualquier aplicación y habla.
Visión general completa en dictado por voz para Linux.
Preguntas frecuentes
¿Cuál es el mejor programa de dictado para Linux?
Vibe Typer, para la mayoría: sin configuración, funciona en Wayland y X11 desde el primer momento, y el Magic Formatter elimina las muletillas y las autocorrecciones, así que el texto llega limpio a cualquier aplicación, terminales incluidas.
¿Hay programas de dictado gratuitos para Linux?
Sí. Vibe Typer se puede empezar a usar gratis y sin tarjeta: el plan gratuito trae 2.000 palabras y 20 operaciones de IA al mes, y el Magic Formatter también está incluido. Vocalinux, VOXD, Handy, nerd-dictation, Whispering y Speech Note son gratuitos y de código abierto.
¿Qué programas de dictado para Linux funcionan en Wayland?
Vibe Typer funciona de forma nativa en Wayland, GNOME incluido, sin configuración adicional, y elige la vía correcta para tu sesión. Vocalinux y VOXD también funcionan sin montaje adicional. Handy, nerd-dictation, OpenWhispr y Whispering pueden funcionar con ydotool, dotool o wtype, con salvedades según tu compositor. Talon solo funciona en X11.
¿Qué pasa con mi audio en Vibe Typer?
Vibe Typer transcribe en la nube. El audio se procesa en memoria y no se almacena, el backend no guarda ninguna caché de transcripciones y no se entrena nada con tu voz.
¿Funciona el dictado en la terminal en Linux?
Con Vibe Typer, sí. El texto va donde esté tu cursor, incluidos terminales y editores, y en la terminal pega de forma segura, también en Claude Code o Codex. El dictado en el navegador no puede hacerlo.
¿Qué es más preciso, Whisper o VOSK?
Whisper, claramente, sobre todo con acentos y ruido de fondo. La ventaja de VOSK es que es ligero y funciona con soltura en hardware modesto. La mayoría de herramientas actuales han pasado a Whisper o whisper.cpp; nerd-dictation es el último reducto de VOSK.
¿Cuál es el mejor programa de dictado para Ubuntu?
Vibe Typer. Ubuntu usa Wayland por defecto desde la 22.04, y Vibe Typer funciona en él de forma nativa, GNOME incluido, con un solo AppImage desde Ubuntu 22.04. Es una de las tres herramientas de esta lista que funcionan en Ubuntu sin trabajo previo.