Ir al contenido principal
Español— Elegir un idioma
Menú

Modo de voz

Lección 10 de 14 Actualizado el 2 de noviembre de 2026 Intermedio
En esta página
  1. Habla con naturalidad a tu asistente
  2. Qué hace Voxtral
  3. Situaciones en las que la voz marca la diferencia
  4. Habla con claridad para que te entiendan
  5. Dónde muestra sus límites la voz
  6. Puntos clave

Actualizado el 2 de noviembre de 2026 — Le Chat es ahora Vibe. Desde el 28 de mayo de 2026, Le Chat es ahora Vibe (todavía en chat.mistral.ai): un único agente para el trabajo y la programación que conserva tus conversaciones, configuraciones y suscripciones. La experiencia heredada de Le Chat sigue accesible en el modo Chat; en el modo Trabajo, los agentes son ahora habilidades (que se invocan con @), las memorias son la base de conocimientos y la búsqueda profunda es la habilidad Deep Research. Los planes se llaman ahora Mistral Free, Pro, Team y Enterprise. Esta lección utiliza el nombre Vibe; es posible que algunos menús descritos aquí hayan cambiado de nombre o de ubicación.

Habla con naturalidad a tu asistente

El Modo de voz convierte tu intercambio escrito con Vibe en una conversación oral continua. Se basa en Voxtral, el modelo de reconocimiento de voz de Mistral AI: tu habla se convierte en texto, se procesa y la respuesta se lee en voz alta. La ventaja no es solo la comodidad: abre momentos de uso que de otro modo perderías, como conducir, cocinar o caminar entre reuniones.

La activación no requiere ninguna configuración. En un teléfono inteligente, solo hay que seguir tres pasos:

  1. Abre la aplicación Vibe en tu teléfono
  2. Toca el icono del micrófono en la barra de entrada
  3. Habla con naturalidad: Vibe escucha y responde verbalmente

En un ordenador, el principio es idéntico: el mismo icono del micrófono en la interfaz web inicia una sesión de voz.

Qué hace Voxtral

Voxtral es el modelo de conversión de voz a texto de Mistral AI. Transcribe tu habla con buena precisión, incluso cuando el entorno no es silencioso, y funciona en tiempo real: no hay latencia perceptible entre el final de tu frase y el inicio de la respuesta, algo esencial para que una conversación parezca realmente una conversación.

La cobertura lingüística es amplia: francés, inglés, español, alemán, italiano, portugués, neerlandés, ruso y chino; lo crucial es que no te limita. Puedes cambiar de idioma a mitad de la conversación: Voxtral detecta el idioma hablado y se adapta sin que tengas que activar ningún ajuste. Por su parte, la respuesta se emite mediante una voz sintética natural, y hay varias voces disponibles en la configuración si la predeterminada no te convence.

Situaciones en las que la voz marca la diferencia

La lluvia de ideas en movimiento es el caso de uso más revelador. Se te ocurre una idea mientras caminas: en lugar de anotarla a medias y olvidarla, la dices en voz alta y Vibe te ayuda a estructurarla, detectar puntos débiles y sugerir vías adicionales.

La preparación de entrevistas funciona bajo el mismo principio. Pide a Vibe que haga de reclutador, responde oralmente como lo harías el día real y luego escucha su evaluación y sus consejos: trabajas el fondo y la forma en condiciones reales, algo que un intercambio escrito no permite. El aprendizaje de idiomas se beneficia de la misma configuración: conversa en el idioma de destino, pide correcciones en tiempo real y ajusta el nivel a medida que avanzas.

De forma más práctica, el dictado sigue siendo un gran ahorro de tiempo. Notas de reuniones, un informe, ideas surgidas tras una junta: dictalas, Vibe las transcribe y puede reorganizarlas de inmediato en un documento estructurado. Por último, la voz tiene un aspecto de accesibilidad que no debes subestimar: hace que Vibe sea utilizable para personas con dificultades para usar el teclado, ya sea por discapacidad, problemas de movilidad temporales o por tener las manos ocupadas.

Habla con claridad para que te entiendan

Voxtral gestiona el ruido ambiental, pero obtendrás mejores transcripciones si articulas a un ritmo natural, sin farfullar ni correr. La calidad del prompt importa tanto como en el texto: decir «Primero, resume el artículo que acabo de compartir. Luego, identifica los tres argumentos principales. Por último, propone una crítica constructiva» genera una respuesta organizada, mientras que «¿qué opinas?» genera vaguedades.

Nada te obliga a mantenerte en voz de principio a fin. El modo híbrido suele ser el más productivo: dicta la solicitud inicial y luego vuelve al texto para refinar un detalle, pegar un enlace o corregir la redacción. Por último, acostúmbrate a revisar la transcripción tras un dictado largo: los nombres propios, los términos técnicos y las siglas son los puntos débiles de cualquier reconocimiento de voz, y unos segundos de corrección te evitan construir todo un documento sobre una palabra mal interpretada.

Pruébalo ahora, antes de seguir leyendo: activa el Modo de voz en tu teléfono y haz una pregunta abierta oralmente, como «¿Cuáles son las ventajas y los inconvenientes del teletrabajo para una pequeña empresa?». Escucha la respuesta, haz un seguimiento sobre un punto concreto para comprobar que el hilo se mantiene y luego formula una pregunta en inglés: el cambio de idioma se produce sin ninguna acción por tu parte.

Dónde muestra sus límites la voz

Volver al teclado es necesario en varios casos. En primer lugar, las consultas muy técnicas: dictar código, una fórmula matemática o una tabla de datos es laborioso y propenso a errores. Un entorno muy ruidoso degrada entonces la precisión del reconocimiento, a pesar de la robustez del modelo. Las conversaciones largas y con mucho contexto se gestionan mejor por texto, donde puedes revisar y hacer referencia a lo dicho. Luego está la confidencialidad, a menudo decisiva: en una oficina abierta o en el transporte público, hablar en voz alta sobre temas profesionales no es una opción.

Puntos clave

  • El Modo de voz utiliza Voxtral para el reconocimiento de voz en tiempo real
  • Admite varios idiomas con detección automática
  • Ideal para lluvias de ideas en movimiento, dictado y accesibilidad
  • Puedes alternar entre voz y texto en la misma conversación
  • El texto sigue siendo preferible para tareas muy técnicas o entornos ruidosos