Preguntas frecuentes de las herramientas de escritorio

Todas son gratis y de código abierto. Para instalarlas, mira Instalar una herramienta de escritorio.

WhisperKey

¿Cómo se usa?

Presiona Ctrl+Espacio desde donde estés y empieza a grabar; habla y vuelve a presionarla para detener. El texto se escribe donde tenías el cursor: un editor, una terminal, un formulario, un chat.

¿Se sube mi audio a algún lado?

No. La grabación se guarda en un archivo local y la transcribe un proceso local, así que no hay servidor al cual subirla. Una vez terminada la instalación, la app no hace ninguna conexión saliente; lo único que usa internet es la descarga del modelo la primera vez, que tarda unos cuarenta segundos.

¿Entiende español?

Como viene configurada, no: trae el modelo Whisper small.en y solo entiende inglés. El modelo y el idioma son ajustes, así que se pueden cambiar.

¿Puedo cambiar la tecla?

Sí, en Ajustes. Si la combinación que eliges ya la usa otra aplicación, la que tenías sigue funcionando y la app te dice por qué, en vez de dejarte sin tecla.

¿Y si la transcripción falla?

Cada grabación se guarda en el disco antes de transcribirse. Si el transcriptor se traba o el texto cae en la ventana equivocada, el audio sigue ahí y el Historial lo reintenta con un clic.

¿Necesita una tarjeta gráfica?

No. Corre en el procesador, más rápido que el tiempo real en una laptop normal: un clip de treinta segundos tarda unos segundos.

Lookout

¿Qué es y qué cámara necesito?

Lookout deja que tu asistente de IA vea lo que hay en tu escritorio —una tarjeta de circuitos, una hoja impresa, un aparato sin API— con una cámara conectada a tu computadora. Sirve cualquier cámara web UVC, que es casi cualquiera. No necesita drivers ni ffmpeg.

¿Cómo se lo pido a mi asistente?

El instalador deja un skill en la carpeta de skills de tu agente. Después le puedes pedir, por ejemplo, «mira mi escritorio y revisa el cable rojo». No hay que configurar un servidor MCP ni una clave de API. Desde la línea de comandos, lookout look --out /tmp/vista.jpg toma una foto y lookout focus enfoca el lente.

¿Graba sin que yo sepa?

No. Un fotograma existe solo porque algo lo pidió: no hay captura en segundo plano ni memoria de fotogramas anteriores. La API escucha solo en 127.0.0.1 y la app no hace conexiones salientes. Y desconectar la cámara sigue siendo la garantía más fuerte.

¿Qué ve bien y qué no?

• Confiable: si hay un cable conectado y dónde, si un LED está encendido y de qué color, si falta un componente, más o menos qué hay en qué parte de una placa, texto impreso grande, el estado general de un espacio de trabajo.
• No confiable: las bandas de color de una resistencia, marcas diminutas de componentes SMD, letra chica, lo que está detrás de otra cosa, lo que está en un ángulo muy cerrado y lo que está en sombra.

¿Cerrar la ventana la detiene?

Vive en la bandeja del sistema y se cierra hacia ella. La ventana es opcional: sirve como visor para apuntar la cámara.

Audio Engine

¿Qué hace?

Es un motor de audio con IA que corre en tu equipo: voz a texto, texto a voz y clonación de voz a partir de un clip corto de referencia, con audio.cpp. Una vez instalado expone una API compatible con OpenAI en 127.0.0.1 —en el puerto 8080 en los ejemplos de su página— para tus propias apps, y un servidor MCP para tus modelos de lenguaje.

¿Qué pasa la primera vez que lo abro?

El motor viene dentro de la app, pero los modelos, unos 390 MB, se descargan solos la primera vez. Después funciona sin conexión.

¿Puedo usarlo sin escribir código?

Sí. La app tiene un panel por tarea: Hablar (escribes o pegas texto, eliges voz y velocidad, y obtienes una locución que puedes escuchar y guardar), Transcribir (grabas con tu micrófono o sueltas un archivo de audio y recibes el texto) y Podcast (pegas notas, se dividen en una conversación, asignas dos voces y se genera un programa completo).

¿Y en Windows?

Hay un instalador. Está compilado desde Linux, así que SmartScreen va a avisarte (Más información → Ejecutar de todas formas). Si prefieres compilarlo tú en Windows, hay un script para eso en la página de Audio Engine.

Vibe Builder

¿Necesita internet?

Sí. La app de escritorio es una ventana nativa delgada alrededor del builder alojado en builder.vibedout.app; el motor que escribe y publica el código corre en la nube. Necesita internet porque lo que construye termina con una dirección pública, y una dirección pública no puede vivir en tu computadora.

¿Necesito una cuenta?

Sí: inicias sesión una vez con tu cuenta de vibedout y la app te recuerda.

¿Dónde queda lo que construyo?

Describes la app en lenguaje simple, la ves generarse con una vista previa y, cuando funciona, la publicas con un clic: queda en su propia dirección <nombre>.vibedout.app, una URL real que puedes mandarle a cualquiera.

¿Es distinto de builder.vibedout.app?

Es el mismo builder, en su propia ventana, sin la barra del navegador ni el riesgo de perder la sesión entre cuarenta pestañas.

DIY Platform

¿Qué es?

Un taller de escritorio para construir software: terminales, git, scripts y un grafo de conocimiento de tu propio código, con agentes de IA que trabajan en los mismos paneles en vez de en un chat aparte. Le puedes pasar una terminal a un agente a mitad de una tarea y recuperarla.

¿Qué corre en mi equipo y qué en la nube?

Casi todo corre en tu equipo: el editor, git, las sesiones de terminal y los archivos de tu proyecto. Las llamadas a los agentes de IA, y lo que decidas publicar, hablan con un servidor.

¿Necesito una clave de IA?

No. Workers AI viene incluido por defecto, sin clave, sin cuenta y sin costo para probar. Si quieres otro modelo, puedes usar tu propia clave de Claude, GPT o Gemini desde los ajustes de IA de un proyecto.

¿Y en Windows?

El instalador se compila en una máquina Windows de verdad, no desde Linux. Aun así no está firmado, así que SmartScreen va a avisarte la primera vez.