Programar por voz con IA significa decirle tus instrucciones a un agente de código y dejar que el agente escriba el código, en lugar de teclear cada prompt. Funciona porque los buenos prompts son largos: el contexto, la restricción, el caso límite que acabas de recordar. Decirlo en voz alta lleva segundos. En AgentVera el compositor de cada agente tiene un botón de micrófono que transcribe tu voz en local con Whisper, deja el texto en el cuadro para que lo corrijas y lo envía cuando estés listo.
Este artículo explica por qué la voz encaja con el trabajo con agentes, cómo funciona el dictado en AgentVera y qué hábitos hacen que los prompts hablados den en el blanco.
Por qué la voz encaja con los agentes de código
La programación por voz clásica significaba dictar sintaxis: «abre paréntesis, const, x, igual». Eso nunca cuajó para la mayoría. Los agentes de código cambian el trabajo. Ya no escribes el código; describes el cambio, y describir es lo que el habla hace bien.
| Escribir un prompt | Decir un prompt | |
|---|---|---|
| Contexto largo | Tentador recortarlo | Fácil de incluir |
| Velocidad | Tu velocidad de tecleo | Normalmente más rápido que escribir |
| Manos | En el teclado | Libres para desplazarte, señalar, esbozar |
| Precisión | Nombres y rutas exactos | Los nombres pueden necesitar un arreglo rápido |
| Ideal para | Comandos cortos y exactos | Explicar la intención, revisar en voz alta |
El punto débil es la precisión. El reconocimiento de voz puede entender mal el nombre de una función o una ruta de archivo. Por eso el dictado de AgentVera pone primero el texto en el cuadro en lugar de enviarlo directamente.
Cómo funciona el dictado en AgentVera
AgentVera es una app de escritorio para macOS, Windows y Linux que ejecuta CLI de agentes de código lado a lado. Cada agente tiene un compositor, el cuadro de entrada bajo su terminal, y el compositor tiene un botón de micrófono con la descripción Dictate (local Whisper).
Pasos
- Pulsa el botón de micrófono en el compositor de un agente.
- Di tu prompt.
- Vuelve a pulsar (Stop recording and transcribe). El botón muestra Transcribing… mientras trabaja.
- El texto aparece en el cursor, dentro del compositor.
- Corrige cualquier nombre o ruta mal entendido y envía.
Si no dijiste nada, aparece «No speech detected.» y no se inserta nada. Como el texto cae donde está tu cursor, puedes escribir la parte exacta (por ejemplo, una ruta de archivo) y decir el resto alrededor.
Whisper local, nada se envía a un servidor
La transcripción se ejecuta en tu propio ordenador con whisper.cpp. Tu grabación no se sube a ningún sitio, y el archivo de audio temporal se borra tras transcribirlo. Solo el texto que envías llega al agente.
| Pregunta | Respuesta |
|---|---|
| Motor | whisper.cpp (whisper-cli) en tu máquina |
| Configuración | La app empaquetada incluye whisper-cli y el modelo small |
| No se encuentra modelo | AgentVera se ofrece a descargar el modelo base, unos 142 MB, una sola vez |
| Idioma | El idioma de la interfaz de la app, inglés o turco |
| Hardware | Usa Metal en macOS; en equipos x64 la compilación incluida necesita una CPU con AVX2 |
| Precio | Forma parte del plan gratuito |
Si ya tienes whisper.cpp instalado y está en tu PATH, AgentVera puede usarlo. Cuando hay un modelo small y uno base, prefiere el small, que es más preciso.
Funciona con todos los agentes
El botón de micrófono está en el compositor, no dentro de un CLI concreto, así que el mismo dictado sirve para Claude Code, Codex, Gemini CLI y cualquier otro agente que ejecutes. Las demás herramientas del compositor siguen funcionando: las teclas de flecha recuperan prompts anteriores, se conservan los borradores y puedes poner un prompt en cola mientras el agente está ocupado.
Primera configuración y solución de problemas
La primera vez que pulsas el micrófono, tu sistema operativo pregunta si AgentVera puede usarlo. Permítelo. Si no se encuentra ningún modelo de voz, AgentVera pregunta Download the speech model? y explica que el modelo base de whisper.cpp (unos 142 MB) va a la carpeta de datos de AgentVera. Elige Download model y el compositor muestra el progreso como porcentaje. Después, el dictado funciona sin conexión.
| Lo que ves | Qué hacer |
|---|---|
| Could not open the microphone | Concede a AgentVera acceso al micrófono en los ajustes del sistema y vuelve a intentarlo |
| No speech detected. | Revisa el dispositivo de entrada y habla un poco más cerca, luego graba de nuevo |
| whisper.cpp not found | Fuera de la app empaquetada, instala whisper.cpp: brew install whisper-cpp en macOS, un paquete de release en Windows, tu gestor de paquetes en Linux, con whisper-cli en tu PATH |
| The recording is invalid or too long | Divide un prompt muy largo en dos grabaciones |
| Idioma equivocado en el texto | Cambia el idioma de la interfaz de la app al que hablas |
Programar por voz desde el móvil
La app móvil de AgentVera para iOS y Android se conecta a tu ordenador, y su vista Chat también tiene dictado: puedes hablar hasta 60 segundos. El audio se transcribe en tu ordenador, en memoria, sin escribirse en disco. Es útil cuando un agente te hace una pregunta mientras estás lejos de la mesa; consulta la app móvil de Claude Code para ver la configuración remota completa. Si diriges agentes desde Telegram, ten en cuenta que los mensajes de voz no están soportados allí; escribe tu respuesta. Más en controlar Claude Code desde Telegram.
Cómo escribir prompts por voz
Decir un prompt es distinto de escribirlo. Estos hábitos ayudan:
- Di primero el objetivo. «Quiero que el formulario de registro muestre una pista de la fortaleza de la contraseña.» Luego los detalles.
- Nombra el lugar. «En el componente de la página de registro, bajo el campo de contraseña.» Si el nombre exacto del archivo importa, escríbelo en el texto después de dictar.
- Añade la restricción que olvidarías escribir. «No añadas una dependencia nueva y mantén la validación existente.»
- Di cómo comprobarlo. «Ejecuta los tests del formulario cuando termines.»
- Lee antes de enviar. Una mirada atrapa la palabra mal entendida.
Un prompt hablado suele quedar más largo y completo que uno escrito, y ese es el punto: los agentes rinden mejor con contexto. Cómo hacer vibe coding tiene más sobre prompts que mantienen a un agente en el camino.
Buenos momentos para la voz
- Revisar un diff. Recorre los cambios y di qué arreglar sobre la marcha.
- Explicar un bug. Describe lo que viste, lo que esperabas y lo que ya probaste.
- Planificar. Habla de una función y pide al agente que la convierta en pasos antes de escribir código.
- Sesiones largas. Da un descanso a tus manos del teclado.
Cuándo escribir en su lugar
- Identificadores, comandos y rutas exactos.
- Comandos cortos como
/compacto una respuesta de una palabra. - Espacios compartidos donde hablar en voz alta resulta incómodo.
Lista rápida
- AgentVera tiene concedido el permiso de micrófono.
- El idioma de la interfaz coincide con el idioma que hablas.
- El modelo de voz está descargado, o el incluido está en su sitio.
- Lees el texto antes de enviarlo.
Descarga AgentVera para hablar con tus agentes, o lee más en la página de dictado por voz.