El dictado por voz en China aprende a escribir por usted: de la transcripción al texto terminado

Una herramienta que «ya satisfacía a todos» se ha convertido en un año en una de las arenas más concurridas de la IA china. Entre noviembre de 2025 y mayo de 2026 han llegado al mercado al menos tres nuevos teclados con IA de grandes empresas, y WeChat ha añadido a su teclado la función «隔空傳送» («transmisión por el aire»). El frente principal de la batalla es ahora la entrada de voz, y la apuesta pasa por cambiar la tarea: el sistema no escucha palabras, sino la intención del usuario, y devuelve de inmediato un texto terminado.

Cronología: cuatro lanzamientos en siete meses

Todo empieza en el otoño de 2025. Esto es lo que se sabe de la secuencia de hechos:

• Doubao Input: lanzado en noviembre de 2025. Doubao es el asistente de IA de ByteDance, y el teclado se convierte para él en una nueva puerta de entrada al teléfono.
• Entrada con IA para escritorio de Zhipu: diciembre de 2025. Zhipu es conocida como desarrolladora de sus propios grandes modelos y optó por el segmento de escritorio, no por el móvil.
• Entrada de voz de Qianwen: mayo de 2026. Qianwen es la marca de IA de consumo del ecosistema de Alibaba, y esta vez el acento está precisamente en la voz.
• Teclado de WeChat con la función «隔空傳送»: una herramienta para pasar con rapidez lo escrito de un dispositivo a otro. Se apoya en la enorme audiencia de la aplicación de mensajería.

Los lanzamientos se suceden casi sin pausa, uno cada uno o dos meses. Para un mercado que antes cambiaba a lo largo de años, es un ritmo muy rápido.

Por qué el teclado se ha vuelto una plaza estratégica

El teclado está al principio de casi cualquier escenario de uso: un mensaje, un correo, una consulta de búsqueda, una nota, un prompt para un chatbot. Quien controla esa capa ve la intención del usuario antes que cualquier aplicación y puede integrar el modelo justo en el momento en que se crea el texto. Para una empresa con LLM propio, es el camino más corto del modelo al hábito diario: no hace falta pedir a la persona que abra un chat aparte.

La voz refuerza ese efecto. El dictado convencional lleva tiempo siendo habitual, pero exige correcciones: la gente habla con pausas, repeticiones y lapsus, y salta de una idea a otra. La nueva generación de teclados con IA se encarga de ese trabajo. El usuario dice lo esencial, por ejemplo «escribe a mi compañero que la reunión se pospone al jueves y pídele disculpas», y recibe un mensaje pulido con el tono adecuado. La transcripción se convierte en generación, de modo que la calidad ya no depende solo del reconocimiento de voz, sino también del modelo de lenguaje que entiende el contexto y el estilo.

Qué cambia esto para el mercado

Este esquema también tiene puntos débiles. Generar en lugar de transcribir significa que el sistema puede reformular lo dicho de una manera distinta a la que quería el autor. Surge una cuestión de confianza: hasta qué punto el texto final refleja con exactitud la idea y dónde está el límite entre la ayuda y la sustitución. El segundo problema tiene que ver con los datos. El teclado ve todo lo que la persona escribe y dice, por lo que el procesamiento en el dispositivo o en la nube pasa a ser para los teclados tan importante como la precisión del reconocimiento.

Además, la competencia no se juega en un solo eje. Doubao y Qianwen están ligados a los ecosistemas de sus asistentes de IA, Zhipu ha elegido el escritorio, y WeChat aprovecha la conexión entre dispositivos y su audiencia integrada. Probablemente gane quien logre la mejor combinación de calidad del modelo, velocidad de respuesta y comodidad en las aplicaciones cotidianas.

En qué fijarse al elegir

Si prueba estos teclados, compruebe tres cosas. Primera: cómo se comporta el sistema con un discurso que mezcla idiomas y términos profesionales. Segunda: si se puede ver con rapidez la transcripción original junto al texto terminado, para detectar distorsiones. Tercera: dónde se procesa la voz y qué se guarda. Para los equipos y empresas que crean productos basados en LLM, la conclusión es más sencilla: el espacio donde el modelo se encuentra con el usuario en el momento de crear el texto ha resultado ser tan valioso como la ventana de chat, y la competencia allí no ha hecho más que empezar.