Proveedores de reconocimiento de voz en Hedy
¿Qué son los proveedores de reconocimiento de voz?
Hedy admite múltiples opciones de reconocimiento de voz, dándole flexibilidad para elegir entre privacidad completa con procesamiento local o alternativas basadas en la nube. Puede cambiar de proveedor en cualquier momento según sus necesidades actuales: use el local para sesiones sin conexión y servicios en la nube cuando prefiera sus funcionalidades específicas.
Primeros pasos
-
Abra la aplicación Hedy
-
Abra Configuración y vaya a la pestaña Voz e IA
-
Busque la lista de modelos de voz. Cada modelo ocupa una fila. La fila del modelo que usa ahora indica En uso. Los servicios en la nube están en una sección separada, Servicios en la nube · usa tu propia clave de API
-
Toque la fila que quiera usar. Si el modelo todavía no está en su dispositivo, elija primero Descargar en su fila. Para un servicio en la nube, elija Configurar para añadir su clave API
-
Su selección entrará en vigor en la siguiente sesión
La etiqueta Recomendado, acompañada del texto Mejor coincidencia para el idioma de tu reunión, marca la fila más adecuada para el idioma de su reunión en su dispositivo. Cada fila muestra el nombre del modelo y, debajo, su fabricante (NVIDIA u OpenAI), además de datos como el tamaño de la descarga (por ejemplo, 2,4 GB de descarga), los idiomas compatibles y si ofrece subtítulos instantáneos. A la derecha aparece el estado En uso, Descargado, Incluido con Hedy o Listo. Durante la descarga, la fila muestra el progreso y un botón Cancelar. Si la descarga falla, elija Reintentar. Si hay una actualización del modelo, la única opción de su fila es Actualización disponible.
Las filas llevan el nombre del modelo que usan:
| Fila | Fabricante | Motor |
|---|---|---|
| Nemotron English | NVIDIA | Nemotron English Only (local) |
| Nemotron Multilingual | NVIDIA | Nemotron Multilingual (local) |
| Whisper Base (Mac, Windows, iPhone, iPad y Android) | OpenAI | Whisper (local), modelo Base |
| Whisper Small (Mac, Windows, iPhone, iPad y Android) | OpenAI | Whisper (local), modelo Small |
| Whisper Large v3 Turbo (Mac y Windows) | OpenAI | Whisper (local), modelo Large v3 Turbo |
| Deepgram, OpenAI, xAI | Servicios en la nube con su propia clave API |
Whisper Large v3 Turbo requiere una sola descarga (unos 900 MB en Mac y unos 550 MB en Windows). Hedy sigue usando el modelo actual hasta que termina y verifica la descarga. Solo entonces cambia de modelo. Si cancela la descarga, Hedy sigue usando el modelo actual.
Transcripción mejorada en Mac y Windows
Si nunca ha elegido un motor de voz en un Mac con Apple Silicon o en un PC con Windows, Hedy le ofrece Transcripción mejorada. Descarga en segundo plano el motor en el dispositivo adecuado para el idioma de su reunión, muestra el progreso y cambia a él una vez que termina la descarga. Si cancela la descarga o esta no puede completarse, puede volver a iniciarla desde la fila del modelo en Configuración → Voz e IA.
- Al iniciar una sesión, la descarga se pausa y continúa después de la sesión.
- Si la descarga no termina, Hedy sigue funcionando como antes.
- Si usted eligió un motor, Hedy nunca lo cambia.
Proveedores disponibles
Hedy ofrece cinco opciones de reconocimiento de voz, cada una con características únicas:
-
Whisper (local): Opción predeterminada - 100% privada, funciona sin conexión, sin costos de uso. Su audio nunca sale de su dispositivo para la transcripción. Puede añadir etiquetas de hablante después de terminar la sesión en las aplicaciones nativas, excepto en Android de 32 bits. Whisper no está disponible en la aplicación web.
-
Nemotron (local): Un motor de streaming más reciente en el dispositivo, con transcripciones en vivo y etiquetas de hablante en el dispositivo. Usted elige entre un modo solo en inglés (la opción más rápida) y un modo multilingüe que cubre un conjunto amplio de idiomas principales. Disponible en todas las plataformas para las que Hedy ofrece una app nativa: Mac con Apple Silicon y macOS 15 o posterior, iPhone XS (o más reciente), iPad con Neural Engine (iPad Pro de 2018, iPad Air (3.ª generación), iPad mini (5.ª generación), iPad (8.ª generación) o modelos posteriores), Windows y Android. En hardware Apple se ejecuta en el Neural Engine y etiqueta a los hablantes en vivo; en Windows y Android, las etiquetas se añaden al final de la sesión. Requiere una descarga única del modelo (aproximadamente 0,6 GB para solo inglés y 0,7 GB para multilingüe).
-
Deepgram: Servicio basado en la nube con transmisión en tiempo real y funcionalidades de formato inteligente. Usa Nova-3, que admite docenas de idiomas. Hedy expone todos los idiomas que Nova-3 ofrece, para que pueda transcribir reuniones en cualquier idioma compatible sin cambiar de proveedor. Requiere su propia clave API.
-
OpenAI: Transcripción en la nube con Voice Activity Detection y detección automática de idioma. Hedy continúa automáticamente las sesiones largas superado el límite de 60 minutos por conexión de OpenAI, rotando conexiones en segundo plano para que las reuniones de más de una hora continúen sin interrupciones. Requiere su propia clave API.
-
xAI: Transcripción en la nube con grok-voice-transcribe de xAI, con transmisión en vivo para las sesiones y transcripción por lotes para los archivos importados. Admite 25 idiomas y su vocabulario personalizado se envía como sugerencia, de modo que los nombres y los términos de producto se escriben como usted quiere. Requiere su propia clave API.
Configurar Whisper (local)
Whisper aparece en varias filas para que pueda elegir el tamaño que mejor se adapte a su dispositivo:
En un Mac o un PC con Windows:
-
Whisper Base: El más ligero y rápido. Hedy lo recomienda en Mac con Intel
-
Whisper Small: Equilibra velocidad y precisión. Hedy lo recomienda en Mac con Apple Silicon y macOS 14
-
Whisper Large v3 Turbo: La opción más precisa para muchos idiomas distintos del inglés (una descarga única de unos 900 MB en Mac y unos 550 MB en Windows)
En iPhone, iPad y Android:
-
Whisper Base: La opción estándar
-
Whisper Small: Más preciso, sobre todo en idiomas distintos del inglés (recomendado solo para iPhone 12 o posterior y teléfonos Android de 2024 o posteriores)
Voice Activity Detection (VAD):
VAD filtra automáticamente el silencio y el ruido de fondo para mejorar la calidad de la transcripción. Esta funcionalidad está habilitada de forma predeterminada para Whisper.
-
Activar/Desactivar: Active o desactive VAD según su entorno de grabación
-
Sensibilidad: Ajuste desde “High Sensitivity” (captura más habla, incluyendo sonidos más suaves) hasta “Maximum Filtering” (solo captura habla clara, filtra más ruido de fondo)
Frecuencia de la transcripción:
-
Más lento: Actualiza la transcripción unas dos veces por minuto (ahorra batería)
-
Normal: Actualiza la transcripción cada 5 segundos (recomendado para la mayoría de los usuarios)
-
Más rápido: Actualiza la transcripción cada segundo (consume más energía)
Configurar Nemotron (local)
Transcribe totalmente en el dispositivo y muestra transcripciones en vivo mientras usted habla. Está disponible en todas las plataformas para las que Hedy ofrece una app nativa: iOS, iPadOS, macOS, Windows y Android. En hardware Apple se ejecuta en el Neural Engine.
Requisitos del dispositivo:
-
Mac con Apple Silicon (M1 o más reciente) con macOS 15 o posterior, o
-
iPhone XS o más reciente, o un iPad con Neural Engine (iPad Pro de 2018, iPad Air (3.ª generación), iPad mini (5.ª generación), iPad (8.ª generación) o modelos posteriores), o
-
Windows, o
-
Un teléfono Android de 64 bits
Solo inglés o multilingüe:
Nemotron aparece en dos filas para que pueda elegir la que mejor se adapte a sus reuniones:
-
Nemotron English (Nemotron English Only): transcripción en streaming en inglés, la opción más rápida.
-
Nemotron Multilingual (Nemotron Multilingual): streaming en el dispositivo en muchos de los idiomas más hablados, para cuando necesite transcribir en otros idiomas además del inglés.
Ambos funcionan completamente en el dispositivo. English Only siempre transcribe en inglés e ignora la configuración de idioma de la reunión. Multilingual usa su Idioma de la reunión/clase, salvo que active Auto-detect language (Configuración > Voz e IA); en ese caso identifica el idioma a partir del audio.
Configuración inicial:
-
En Configuración → Voz e IA, busque la fila Nemotron English o Nemotron Multilingual
-
Elija Descargar en la fila (unos 0,6 GB para el modelo solo en inglés y 0,7 GB para el multilingüe). Recomendamos usar Wi-Fi
-
Cuando termine la descarga, toque la fila para cambiar de modelo. Nemotron se usará a partir de su próxima sesión
Si inicia una sesión mientras hay una descarga de Nemotron pendiente, la fila indica que la descarga está en pausa durante la sesión. La descarga se reanuda al finalizar la sesión. Si los archivos del modelo de Nemotron que eligió dejan de estar disponibles en un iPhone, iPad, Mac o PC con Windows, Hedy vuelve a descargarlos automáticamente cuando no está en una sesión y tiene conexión Wi-Fi. Mientras tanto, usa Whisper.
Etiquetas de hablante y la caché temporal de audio:
Ambos motores del dispositivo etiquetan quién habla. Con Nemotron en hardware Apple las etiquetas aparecen en directo mientras usted habla; con Nemotron en Windows y Android, y con Whisper en dispositivos compatibles, se añaden al final de la sesión. Para identificar a los hablantes, Hedy conserva el audio en una caché temporal en el dispositivo mientras lo procesa y luego lo elimina. Este audio permanece en su dispositivo. La opción Caché temporal de audio está activada de forma predeterminada; puede desactivarla en la configuración de Hedy, aunque mantenerla activada ofrece la mejor atribución de hablantes. Whisper necesita esta caché o Guardar audio de la sesión, además de Detección de actividad de voz, para añadir etiquetas de hablante. Las etiquetas de hablante de Whisper no están disponibles en la aplicación web ni en Android de 32 bits.
Configurar proveedores en la nube
Configuración de Deepgram:
-
Cree una cuenta en console.deepgram.com
-
Genere una clave API desde su panel de control
-
En Configuración → Voz e IA, elija Configurar en la fila de Deepgram
-
Pegue su clave API y toque “Test” para verificar
-
Elija sus preferencias de modelo e idioma
-
Establezca la duración máxima de sesión para controlar costos
Configuración de OpenAI:
-
Obtenga su clave API en platform.openai.com/api-keys
-
En Configuración → Voz e IA, elija Configurar en la fila de OpenAI
-
Ingrese su clave API y pruebe la conexión
-
Elija su modelo preferido
-
Opcionalmente active Voice Activity Detection con sensibilidad ajustable
-
Establezca la duración máxima de sesión para controlar costos
Configuración de xAI:
-
Obtenga su clave API en console.x.ai
-
En Configuración → Voz e IA, elija Configurar en la fila de xAI
-
Pegue su clave API
-
Establezca la duración máxima de sesión para controlar costos
Elegir el proveedor adecuado
Seleccione según sus prioridades y caso de uso:
-
Privacidad primero: Use un motor local (Whisper o Nemotron) - el audio nunca sale de su dispositivo para la transcripción
-
Uso sin conexión: Todos los motores locales funcionan sin internet
-
Funcionalidades en la nube: Deepgram, OpenAI y xAI ofrecen procesamiento basado en la nube
-
Detección de voz: Whisper y OpenAI incluyen funcionalidades de Voice Activity Detection
-
Formato inteligente: Deepgram ofrece opciones de formato automático
-
Sin costos de uso: Los motores locales (Whisper, Nemotron) no tienen cargos por minuto
-
Transcripción más rápida en el dispositivo: Nemotron suele ofrecer una transcripción con menor latencia que Whisper
-
Streaming multilingüe en el dispositivo: Nemotron Multilingual le da transcripción en el dispositivo para un conjunto amplio de idiomas
-
El mejor motor en el dispositivo para su idioma: Consulte la tabla más abajo
-
Análisis completamente privado: En Mac con Apple Silicon, PC con Windows, iPhone 15 Pro o posterior, iPad con chip M o A17 Pro y teléfonos Android compatibles, puede combinar el reconocimiento de voz local con el Procesamiento de IA local para mantener tanto la transcripción como el análisis de IA completamente en el dispositivo.
Qué motor en el dispositivo usar para su idioma
Whisper y Nemotron no tienen la misma precisión en todos los idiomas. Busque abajo su Idioma de la reunión/clase para ver cuál elegir. Cuando ambos motores funcionan bien en un idioma, recomendamos Nemotron, porque es más ligero y más rápido.
Notas que aplican a toda la tabla:
-
Nemotron significa Nemotron Multilingual (local). Para inglés, elija Nemotron English Only (local) (la fila Nemotron English).
-
Whisper Large v3 Turbo se refiere a la fila Whisper Large v3 Turbo en un Mac o PC con Windows. Es la opción en el dispositivo más precisa para varios idiomas, pero usa más memoria y es más lento que Nemotron. Si es demasiado lento en su equipo, Nemotron es la siguiente mejor opción para esos idiomas.
-
Whisper Large v3 Turbo no está disponible en teléfonos ni tabletas. Donde la tabla indica Whisper, elija Whisper Small si su dispositivo lo admite.
-
Si su dispositivo no puede ejecutar Nemotron (por ejemplo, un Mac con Intel o un iPhone antiguo), use Whisper.
-
La etiqueta Recomendado en Configuración sigue estas mismas recomendaciones cuando Hedy puede determinar qué modelo se ajusta a su dispositivo. En Android, y en teléfonos para árabe, hindi y tailandés, no se marca ninguna fila como recomendada. En esos casos, consulte la tabla.
-
Los acentos, los dialectos, las personas que hablan a la vez y los micrófonos alejados reducen la precisión en cualquier idioma.
| Idioma de la reunión | Mac o PC con Windows | iPhone, iPad o Android |
|---|---|---|
| Inglés | Nemotron English Only | Nemotron English Only |
| Árabe | Nemotron | No disponible en dispositivos móviles |
| Neerlandés | Nemotron | Nemotron |
| Francés | Nemotron | Nemotron |
| Alemán | Nemotron | Nemotron |
| Hindi | Nemotron | No disponible en dispositivos móviles |
| Italiano | Nemotron | Nemotron |
| Japonés | Nemotron | Nemotron |
| Coreano | Nemotron | Nemotron |
| Portugués | Nemotron | Nemotron |
| Ruso | Nemotron | Nemotron |
| Español | Nemotron | Nemotron |
| Turco | Nemotron | Nemotron |
| Ucraniano | Nemotron | Nemotron |
| Vietnamita | Nemotron | Nemotron |
| Chino (mandarín) | Whisper Large v3 Turbo | Nemotron |
| Croata | Whisper Large v3 Turbo | Nemotron |
| Checo | Whisper Large v3 Turbo | Nemotron |
| Danés | Whisper Large v3 Turbo | Nemotron |
| Finés | Whisper Large v3 Turbo | Nemotron |
| Húngaro | Whisper Large v3 Turbo | Nemotron |
| Noruego | Whisper Large v3 Turbo | Nemotron |
| Polaco | Whisper Large v3 Turbo | Nemotron |
| Rumano | Whisper Large v3 Turbo | Nemotron |
| Eslovaco | Whisper Large v3 Turbo | Nemotron |
| Sueco | Whisper Large v3 Turbo | Nemotron |
| Afrikáans | Whisper Large v3 Turbo | Whisper |
| Cantonés | Whisper Large v3 Turbo | Whisper |
| Catalán | Whisper Large v3 Turbo | Whisper |
| Griego | Whisper Large v3 Turbo | Whisper |
| Hebreo | Whisper Large v3 Turbo | Whisper |
| Indonesio | Whisper Large v3 Turbo | Whisper |
| Malayo | Whisper Large v3 Turbo | Whisper |
| Serbio | Whisper Large v3 Turbo | Whisper |
| Esloveno | Whisper Large v3 Turbo | Whisper |
| Tagalo | Whisper Large v3 Turbo | Whisper |
| Tailandés | Whisper Large v3 Turbo | No disponible en dispositivos móviles |
En afrikáans, cantonés, hebreo y serbio, la precisión es notablemente menor que en los demás idiomas, sea cual sea el motor.
Consideraciones de costo
Entienda las implicaciones de costo de cada proveedor:
-
Whisper (local): Gratuito - sin cargos de uso
-
Nemotron (local): Gratuito - sin cargos de uso (descarga única del modelo, aproximadamente 0,6-0,7 GB)
-
Deepgram: Precio por minuto (consulte las tarifas actuales en su panel de control)
-
OpenAI: Precio basado en uso (consulte las tarifas actuales en su plataforma)
-
xAI: Precio por hora, cobrado por separado para las sesiones en vivo y los archivos importados (consulte las tarifas actuales en su plataforma)
La configuración de duración máxima de sesión ayuda a prevenir grabaciones nocturnas accidentales y gestionar los costos de API. Cuando una sesión en curso alcanza el límite, Hedy la mantiene activa y transcribe el resto en su dispositivo.
Mejores prácticas
-
Comience con Whisper (local) para familiarizarse con la funcionalidad y después pruebe Nemotron si su dispositivo es compatible
-
Pruebe los proveedores en la nube con grabaciones cortas antes de sesiones importantes
-
Monitoree su uso de API en los paneles de control de los proveedores para rastrear costos
-
Use diferentes proveedores para diferentes escenarios según sus necesidades
-
Cambie a local cuando viaje o en áreas con internet limitado
-
Establezca una duración máxima de sesión algo mayor que sus reuniones más largas (el valor predeterminado es 120 minutos), para que una reunión larga se transcriba en la nube de principio a fin
Solución de problemas
La clave API no funciona
-
Asegúrese de haber copiado la clave completa sin espacios
-
Verifique que su cuenta tenga créditos disponibles
-
Compruebe que la clave API tenga los permisos necesarios
-
Intente regenerar la clave desde el panel de control del proveedor
La prueba de conexión falló
-
Verifique la estabilidad de su conexión a internet
-
Confirme que el firewall no esté bloqueando conexiones WebSocket
-
Asegúrese de que la clave API esté activa con cuota suficiente
-
Espere un momento e intente de nuevo (problemas temporales del servicio)
Problemas de transcripción
-
Para Whisper: Pruebe otra fila (Whisper Base, Whisper Small o Whisper Large v3 Turbo)
-
Para Whisper en Windows: Si la transcripción queda muy por detrás de la conversación, revise la configuración de GPU para transcripción lenta
-
Para términos especializados, nombres y acrónimos: Agréguelos mediante la función de vocabulario personalizado
-
Para Nemotron: Use el modo English Only para reuniones en inglés; para otros idiomas, use el modo Multilingual o cambie a Whisper con el idioma configurado explícitamente
-
Para Cloud: Verifique la estabilidad de la conexión a internet
-
Asegúrese de que el micrófono esté correctamente configurado
-
Minimice el ruido de fondo durante la grabación
Los ajustes no se guardan
-
Espere a que aparezca el indicador “Saved”
-
No cambie de pantalla mientras se guarda
-
Reinicie la aplicación si los problemas persisten
-
Asegúrese de tener una conexión a internet estable
Sus claves API se almacenan de forma segura en el llavero cifrado de su dispositivo y nunca se transmiten a los servidores de Hedy. Para máxima privacidad en conversaciones confidenciales, utilice siempre un motor local (Whisper o Nemotron).