El teclado de voz en China aprende a escribir por ti: de la dictadura al texto terminado

Una herramienta que "ya le servía a todo el mundo" se ha convertido, en apenas un año, en una de las arenas más disputadas de la IA china. Entre noviembre de 2025 y mayo de 2026, al menos tres grandes compañías lanzaron nuevos teclados con IA, y WeChat añadió a su entrada de texto la función "隔空傳送" ("transmisión por aire"). El principal frente de batalla ahora es la entrada de voz, y la apuesta pasa por cambiar la tarea de fondo: el sistema ya no escucha palabras, sino la intención del usuario, y entrega directamente un texto terminado.

Cronología: cuatro movimientos en siete meses

La cuenta regresiva arranca en el otoño de 2025. Esto es lo que se sabe sobre la secuencia de eventos:

• Doubao Input: lanzado en noviembre de 2025. Doubao es el asistente de IA de ByteDance, y el teclado se convirtió en un nuevo punto de entrada para él en el teléfono.
• Teclado de IA de escritorio de Zhipu: diciembre de 2025. Zhipu es conocida como desarrolladora de sus propios grandes modelos y, en lugar de ir al móvil, apostó por el segmento de escritorio.
• Entrada de voz de Qianwen: mayo de 2026. Qianwen es la marca de IA orientada al consumidor dentro del ecosistema de Alibaba, y esta vez el énfasis está puesto precisamente en la voz.
• Entrada de texto de WeChat con la función "隔空傳送": una herramienta para transferir rápidamente lo escrito entre dispositivos. Se apoya en la enorme audiencia de la mensajería.

Los lanzamientos se suceden casi sin pausa, con uno o dos meses de diferencia. Para un mercado que antes cambiaba a ritmo de años, se trata de un ritmo muy acelerado.

Por qué el teclado se convirtió en una cabeza de playa estratégica

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

La voz potencia ese efecto. El dictado convencional lleva tiempo siendo la norma, pero exige corrección: la gente habla con pausas, repeticiones, titubeos y salta de una idea a otra. La nueva generación de teclados de voz con IA asume ese trabajo. El usuario pronuncia la esencia, por ejemplo "escríbele a mi colega que la reunión se pospone al jueves, y discúlpate", y recibe un mensaje pulido con el tono adecuado. La transcripción se transforma en generación, lo que significa que la calidad ya no depende solo del reconocimiento de voz, sino también del modelo de lenguaje que comprende el contexto y el estilo.

Qué cambia esto para el mercado

Este esquema también tiene puntos débiles. Generar en lugar de transcribir implica que el sistema puede reformular lo dicho de un modo distinto al que quería el autor. Surge entonces una cuestión de confianza: hasta qué punto el texto final refleja fielmente el pensamiento original, y dónde está el límite entre ayudar y sustituir. El segundo problema tiene que ver con los datos. La entrada de texto ve todo lo que una persona escribe y pronuncia, por lo que las cuestiones de procesamiento en el dispositivo frente a la nube se vuelven tan importantes para estos teclados como la precisión del reconocimiento.

Al mismo tiempo, la competencia no avanza en un único eje. Doubao y Qianwen están ligados a los ecosistemas de sus respectivos asistentes de IA, Zhipu eligió 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 dentro de las aplicaciones de uso cotidiano.

Qué tener en cuenta al elegir

Si pruebas estos teclados de voz, conviene revisar tres cosas. Primero: cómo se comporta el sistema con un habla que mezcla idiomas y terminología especializada. Segundo: si es posible ver rápidamente la transcripción original junto al texto final, para detectar distorsiones. Tercero: dónde se procesa la voz y qué datos se conservan. Para los equipos y empresas que desarrollan productos basados en LLM, la conclusión es sencilla: el espacio donde el modelo se encuentra con el usuario en el momento mismo de crear el texto resulta tan valioso como la ventana de chat, y la competencia por él apenas empieza.