Privado · En el dispositivo · Apple Neural Engine
Vídeos, llamadas, pódcasts: transcritos mientras suenan y dibujados como un overlay siempre visible. No se sube nada, no se graba nada, no se escribe nada en el disco.
Semana de lanzamiento: 5 $ en vez de 9 $ hasta el 22 de agosto · reembolso de 14 días
Reembolso de 14 días, sin preguntas
Pago único de 9 $, con todas las actualizaciones futuras incluidas ·
macOS 14.2 o posterior · Apple Silicon
Subtítulos ilimitados, durante todo el tiempo que quieras. Sin minutos que
comprar, sin cuenta, sin suscripción.
Cambia de aplicación y los subtítulos siguen ahí: el overlay está por encima de todas las ventanas y deja pasar los clics.
Haz clic en una ventana para traerla al frente. Mantén ⇧ y arrastra los subtítulos para moverlos, igual que en la app.
Apunta a los subtítulos y se disuelven bajo el puntero. Mantén ⌥ para volver a apilar los últimos. Las dos cosas funcionan aquí exactamente igual que en la app.
Subtitles subtitula cualquier audio que tu Mac pueda reproducir, porque interviene la propia aplicación en lugar de integrarse con un servicio concreto. Tanto si eres una persona sorda o con pérdida auditiva, como si escuchas en un segundo idioma o simplemente trabajas en un sitio ruidoso, hay tres situaciones que se repiten una y otra vez.
01
Zoom, Google Meet, Teams, un huddle de Slack, una llamada en una pestaña del navegador: todo es audio saliendo de una aplicación, así que todo se subtitula igual. Con segundo idioma o sin él, se gana su sitio en cuanto un acento resulta poco familiar, alguien tiene mal el micrófono o dos personas hablan a la vez: leer una palabra que solo has oído a medias es más rápido que pedir que la repitan, y no interrumpe a nadie.
02
El audio no espera. En cuanto cambias a tus notas, a tu editor o a una ventana del navegador, empiezas a perder la conversación. El overlay está siempre por encima de todas las ventanas y deja pasar los clics, así que se queda donde está mientras trabajas delante de él. Puedes tomar notas, consultar algo y seguir enterándote de lo que se dice. Un cuaderno como Granola redacta la reunión después; esto es la mitad que tiene que ocurrir mientras todavía está pasando.
03
Un vídeo sin subtítulos, o con unos automáticos que son peores que nada. Un pódcast en un idioma que todavía estás aprendiendo. Una clase grabada o en directo, una entrevista, una película con diálogos bajos. Los subtítulos aparecen sobre la ventana que lo esté reproduciendo, al tamaño de texto que elijas, en nueve idiomas y con el idioma detectado automáticamente.
Las tres tienen algo en común: una reunión, una llamada y una grabación privada no son asunto de ningún servidor. Nada de este audio se sube, porque no hace falta: el modelo se ejecuta en tu Mac.
El audio en directo no se puede pausar, no se puede repetir y no debería tener que salir de tu máquina. Todo lo que hay aquí se deriva de eso.
Funciona en local y sin conexión: ni llamadas de red, ni cuentas, ni telemetría. El audio pasa del process tap directamente al reconocedor y se descarta. Lo único que se descarga alguna vez es el propio modelo, una sola vez.
En torno a un factor de tiempo real de 0,15: seis segundos de habla transcritos por cada segundo de cómputo. El mismo modelo en la CPU resultó unas 100× demasiado lento para seguir el ritmo de una emisión en directo.
Elige una fuente en la barra de menús y captura esa aplicación y todos los procesos auxiliares que abra, que es lo que hace que funcione con navegadores y apps de Electron, donde el audio nunca sale del proceso principal.
Un detector de voz se ejecuta por delante del reconocedor para que las bases musicales nunca le lleguen. Sin él, la música llena el contexto del modelo y se pierden las primeras palabras que vienen después.
Opcionalmente, empieza un subtítulo nuevo cuando toma la palabra otra persona, igual que hace una pausa. Desactivado por defecto: ejecuta un segundo modelo junto al primero.
El modelo por defecto detecta el idioma él solo. El inglés añade además siete checkpoints dedicados, que cambian latencia por precisión a partir de 160 ms.
Algo que está por encima de todas las ventanas solo funciona si nunca se convierte en aquello que tienes que esquivar. No recibe clics, se disuelve donde apuntas y te devuelve la línea que se te escapó.
Acerca el puntero al recuadro y se desvanece por debajo, así que la frase que estás leyendo nunca tapa la frase que estás escribiendo. Cuánto desaparece y hasta dónde llega el agujero los decides tú. Mantén ⇧ para que siga opaco.
El recuadro pasa página como los subtítulos de televisión: se llena, se vacía y vuelve a empezar, así que una línea que has dejado de mirar ya no está. Mantén ⌥ y los últimos recuadros terminados se apilan por encima del que está en curso, hasta treinta, con desplazamiento para los más antiguos. Suelta y vuelven a irse. No se escribe nada en ninguna parte.
⌘, desde el menú abre los ajustes: cuántas líneas llena un recuadro antes de vaciarse, cuánto cuerpo tiene, hasta dónde llega el desvanecido bajo el puntero, hasta dónde alcanza ⌥. Cada control se aplica al overlay mientras lo arrastras, así que estas cosas las ajustas mirándolas y no eligiendo un número.
Un hilo de audio en tiempo real que solo copia, un núcleo portable que nunca transcribe y un modelo ejecutándose donde le corresponde.
48 kHz estéreo, un callback cada 10,7 ms. El hilo de tiempo real copia en un ring buffer lock-free y no hace nada más.
Baja a 16 kHz mono en un hilo de trabajo, se salta el silencio y repite alrededor de un segundo por delante del habla para que ninguna palabra empiece en frío.
Un modelo de streaming, no uno de ventana de 30 segundos: la diferencia entre unos subtítulos que siguen al audio y unos que llegan segundos tarde.
Páginas de tres líneas que se limpian y vuelven a empezar como los subtítulos de televisión, y que se desvanecen cuatro segundos después del último texto nuevo en lugar de cuando se acaba el audio.
Todo lo que va del ring buffer al límite del modelo es Rust portable que deliberadamente no transcribe: entrega frames. El process tap y el overlay son las únicas partes específicas del Mac.
Reembolso de 14 días, sin preguntas.
Si puedes apuntar esto a una llamada de trabajo es porque no es un servicio. No hay servidor, ni cuenta, ni transcripción, así que no hay nada que enviar ni nadie más en medio. El código está publicado, así que nada de esto hay que creérselo sin más.
El idioma es lo primero que descarta o admite un modelo, así que es el primer nivel del menú. Cambiar dentro de un paquete es instantáneo; pasar de un paquete a otro descarga el otro y conserva lo que ya tengas.
Si cambias de idea a mitad de la descarga, la cancela y empieza la nueva de inmediato. Si vuelves más tarde, la reanuda en lugar de empezar de cero.
Sin icono en el Dock, sin ventanas que gestionar. El icono te dice qué está haciendo: índigo mientras escucha, azul mientras se descarga un modelo, amarillo si el pipeline empieza a quedarse atrás, y nunca rojo, porque el rojo significa grabar, y aquí no se escribe nada en ninguna parte. Los interruptores viven en el menú, y ⌘, desde ahí abre una ventana de ajustes con los diales que hay detrás.
macOS trae subtítulos incorporados, gratis, en todos los Mac con chip de Apple, en Ajustes del Sistema, Accesibilidad, Subtítulos en tiempo real. Si eso cubre lo que necesitas, úsalo. Estos son los puntos en los que dejó de cubrir lo mío, y hay una comparación punto por punto si quieres la versión larga.
Semana de lanzamiento: 5 $ en vez de 9 $ hasta el 22 de agosto · reembolso de 14 días
Reembolso de 14 días, sin preguntas
Pago único de 9 $, con todas las actualizaciones futuras incluidas ·
macOS 14.2 o posterior · Apple Silicon
Subtítulos en directo ilimitados, mientras tengas el Mac. Sin minutos que
comprar, sin cuenta, sin suscripción.