Dictado gratuito sin conexión para Windows. Mantén dos teclas, habla, suelta.
HoldToType es un programa de dictado gratuito y de código abierto para Windows, de pulsar para hablar. Mantén Ctrl+Win, habla, suelta: las palabras aparecen en el cursor en cualquier programa, y nada ha salido del equipo.
Hice este programa para mí, y decidí compartirlo.
HoldToType empezó como un programa para mi propio equipo. Quería dictar sin suscripción, sin cuenta y sin que mi voz saliera de la máquina. Cuando funcionó, lo puse en GitHub para que cualquiera pudiera usarlo. Es gratis y seguirá siéndolo: no hay versión de pago, ni créditos, ni límites de palabras.
Puedes comprobarlo tú mismo.
El código fuente está en GitHub bajo licencia MIT. Cualquiera puede leerlo y compilar el programa en su propio equipo a partir de las mismas fuentes, para asegurarse de que hace solo lo que dice esta página.
$ git clone https://github.com/Vitalii-Yemets/holdtotype $ cd holdtotype $ .\build.ps1
La ventana de ajustes, tal como es. Haz clic por ahí.
Esta es la ventana real del programa, no una imagen. Cambia el diseño y el idioma, abre cada sección. Nada aquí graba ni guarda nada.
La ventana en vivo se abre en una pantalla de escritorio; en el teléfono esto es una imagen.
Mantén, habla, suelta. El programa se queda en la bandeja.
Funciona en cualquier programa con un campo de texto: correo, chat, código, formularios, la barra de direcciones.
Mantén
Mantén las dos teclas pulsadas. Aparece una pequeña placa en pantalla y el micrófono está activo.
Habla
Di una frase como se la dirías a una persona. Los nombres y las palabras raras se pueden enseñar.
Suelta
Las palabras se pegan donde ya estaba el cursor. La grabación se descarta al instante.
Nada sale de tu equipo.
Tu voz va del micrófono a un modelo de voz en tu propio disco, y vuelve como texto en el cursor. No hay servidor en medio, así que no hay adónde subir nada ni de dónde filtrarse. A diferencia del dictado integrado Win+H, que por defecto envía tu voz a Microsoft, aquí no hay servidor alguno.
19:02:41 ready: hotkey=ctrl+win engine=sherpa model=models/nemotron-3.519:04:12 dictation: 6.8 s captured, 0 network requests19:04:13 replacements: 62 -> 64 characters19:04:13 pasted 64 characters into chrome.exe19:04:13 recording dropped19:09:30 dictation: 11.4 s captured, 0 network requests19:09:31 pasted 131 characters into Code.exe19:09:31 recording dropped
Estas son las líneas del propio registro del programa. Abre el registro desde la pestaña System: cada dictado las escribe, y el recuento de red está ahí cada vez.
- ¿Mi voz sale del equipo?
- No, nunca. Va del micrófono a la memoria, se convierte en texto y se descarta.
- ¿El texto sale del equipo?
- No. Se pega donde estaba tu cursor, y se guarda solo si activas el historial.
- ¿Se recopila algo sobre mí?
- Nada. Sin cuenta, sin analíticas, sin informes de fallos.
- ¿Cuándo se conecta, entonces?
- Por sí mismo, dos veces, y solo por tu mano: cuando descargas un modelo y cuando pulsas Buscar actualizaciones.
Tras una instalación normal, no se envía nada a ningún sitio.
Dos ajustes opcionales pueden cambiar eso, y ambos están desactivados hasta que tú los actives.
Si introduces la dirección y la clave de un modelo en línea para el posprocesado, tu texto va a ese servicio para limpiarse. Tu voz sigue sin salir.
Si apuntas el programa a un servidor de reconocimiento en otra máquina, por ejemplo una más potente en tu casa, tu voz va a esa máquina.
Qué hace.
Un modelo para cada tarea, no uno para todo
Nueve modelos de voz para elegir: Nemotron 3.5 para velocidad y texto en vivo, Whisper para 99 idiomas y traducción, Parakeet para 25 idiomas europeos. El programa guarda uno por idioma y cambia por sí solo.
Qué modelo para qué idioma →Texto en vivo
Con Nemotron 3.5 las palabras aparecen en la placa mientras aún hablas. Los demás modelos muestran el texto cuando sueltas.
Traducción
Habla en tu idioma y recibe el texto en otro: inglés, alemán, español, francés, italiano, polaco o ucraniano. Whisper hace la traducción; si tu idioma va en un modelo más rápido que no traduce, la placa ofrece pasar la frase a Whisper.
Un editor en tu disco
Un pequeño modelo de lenguaje, ejecutado en tu equipo, quita muletillas, corrige la puntuación y cambia el tono. Los prompts son tuyos para editarlos.
Tu vocabulario
Sustituciones, un diccionario de palabras raras y nombres, comandos de voz como «nueva línea».
Una carpeta, no una instalación
Cópiala a una memoria USB. Bórrala y desaparece.
Junto a las alternativas.
Los programas con los que más nos comparan. Con honestidad, incluso donde perdemos.
| HoldToType | Handy | Wispr Flow | Dragon | Whisper Flow | DictaFlow | Typeless | |
|---|---|---|---|---|---|---|---|
| Compilaciones firmadas | Aún no | Sí | Sí | Sí | Sí | Sí | Sí |
| Precio | Gratis | Gratis | 12 $ / mes | 699 $ una vez | Desde 9 $ / mes | 7 $ / mes | 12 $ / mes |
| Suscripción o créditos | Ninguno | Ninguno | Suscripción | Licencia única | Créditos | Suscripción | Suscripción |
| Cuenta | Ninguna | Ninguna | Obligatoria | Obligatoria | Obligatoria | Obligatoria | Obligatoria |
| El audio sale de tu equipo | No | No | Sí | No | Sí | Sí | Sí |
| Funciona sin conexión | Sí | Sí | No | Sí | No | Opción de pago | No |
| Código abierto | MIT | MIT | No | No | No | No | No |
| Idiomas | 99 | 99 | 100+ | 7 | 100+ | 90+ | 100+ |
| Texto en vivo mientras hablas | Sí | No | No | Sí | No | No | Sí |
| Traducción | 7 idiomas | No | No | No | No | No | Sí |
| Edición por un modelo local | Sí | No | Nube | No | Nube | Nube | Nube |
| Vocabulario propio | Sí | No | Sí | Sí | Sí | Sí | Sí |
| Carpeta portable | Sí | No | No | No | No | No | No |
Precios y funciones tal como los publicó cada fabricante en septiembre de 2026.
Comparación completa →Preguntas.
¿Cuánto cuesta, de verdad?
Nada, y no hay trampa. Escribí HoldToType para mí, para dictar en mi propio equipo con Windows sin suscripción y sin que mi voz fuera a ningún sitio. Luego mis compañeros empezaron a usarlo. Ahora lo he puesto a disposición de todos, así que es completamente gratis: sin versión de pago, sin créditos, sin límites de palabras, sin cuenta. Los modelos son descargas gratuitas y se ejecutan en el equipo que ya tienes. El código está en GitHub bajo licencia MIT.
¿Algo de lo que digo va a un servidor?
Por defecto no. La grabación va del micrófono a un modelo en tu disco y se descarta en el momento en que se convierte en texto. Dos funciones opcionales pueden salir fuera del programa, y ambas están desactivadas hasta que tú las configures:
- Posprocesado por un modelo más grande. El editor integrado es un modelo pequeño en tu disco. Si quieres uno grande, puedes apuntar el programa a un modelo grande que se ejecute en otro sitio: otro programa en este equipo, un servidor en tu casa o un servicio en línea con tu propia clave. Entonces tu texto va allí. Tu voz sigue sin salir.
- Un servidor de reconocimiento que no está junto al programa. Normalmente el reconocedor se ejecuta desde la propia carpeta del programa. Puedes apuntarlo a uno que corra por separado: en este mismo equipo, en Docker o en otra máquina. Tu voz va a donde esté ese servidor.
La única otra actividad de red son las descargas de modelos y la comprobación de actualizaciones, y esos son botones que pulsas tú.
¿Qué tal entiende mi idioma?
Bien, y puedes ajustarlo. El programa viene con un catálogo de nueve modelos de voz, cada uno bueno en algo distinto, y eliges uno por idioma:
- Nemotron 3.5 es el predeterminado: rápido, cuarenta idiomas, y muestra las palabras mientras aún hablas. No traduce.
- Whisper cubre 99 idiomas y es el que traduce, pero es más lento.
- Parakeet es rápido y preciso para 25 idiomas europeos.
- Canary maneja inglés, alemán, español y francés y traduce entre ellos.
El programa guarda un modelo por idioma y cambia por sí solo, así que puedes tener Nemotron para el dictado diario y Whisper listo para traducir. La documentación indica qué modelo tomar para qué idioma.
¿Por qué Windows me avisa al ejecutarlo?
El programa aún no está firmado, así que SmartScreen muestra su aviso una vez. Se está trabajando en publicar HoldToType en la Microsoft Store: una compilación de la Store va firmada, y el aviso desaparece con ella. Hasta entonces, cada versión viene con un SHA-256 que puedes comprobar, y puedes compilar el exe tú mismo desde las fuentes.
¿Qué necesita de mi equipo?
Windows 10 u 11, x64, un micrófono y alrededor de un gigabyte de disco para un modelo. No hace falta tarjeta gráfica.
¿Quién hace esto, y por qué?
Yo: Vitalii Yemets, un desarrollador. No hay empresa, ni equipo, ni inversores: una persona lo escribe, responde los issues y publica las versiones, todo a la vista en GitHub. Empezó como una herramienta para mi propio escritorio y para unos compañeros, y sigue siendo gratis porque lo habría escrito de todas formas. Si algo va mal, escríbeme: un issue en GitHub o holdtotype@outlook.com.
Di lo próximo que ibas a escribir.
Instalador
holdtotype-setup.exe · 0.76.4 · 35.9 MBElige la carpeta y el primer modelo, crea un acceso directo, puede desinstalarse solo.
Descargar el instaladorPortable
holdtotype-portable.zip · 0.76.4 · 28.7 MBDescomprime en cualquier sitio y ejecuta. No escribe nada fuera de su carpeta.
Descargar el archivoWindows 10 / 11, x64. Aún sin firmar, así que SmartScreen avisa una vez. SHA-256 de cada archivo en la página de versiones.
