Claude Code con tu voz: construir en carriles paralelos

Algo cambió calladamente en el último año del desarrollo asistido por IA: la parte más lenta del bucle ya no es la máquina. Claude Code se pasará cuatro minutos encantado triturando un refactor. Cursor redactará una suite de tests mientras no miras. El cuello de botella eres tú — en concreto, tus manos, que solo pueden estar en una ventana a la vez.

En cuanto ejecutas más de un carril de agentes, esto deja de ser una molestia y pasa a ser la forma de tu día. El carril uno está refactorizando la autenticación. El carril dos espera tu revisión. El carril tres es un hilo de Slack donde un cliente describe mal un bug. Cada uno de esos carriles avanza con lenguaje natural — y tú estás produciendo ese lenguaje natural con diez dedos y una sola ventana con foco.

Ese es el hueco que llena la voz. No la voz de «dicta tu novela» — voz como canal de control. Es la parte del vibe coding que nadie enseña en las demos: rara vez estás generando el código en sí hablando, estás dirigiendo a los agentes que lo hacen.

Los prompts son prosa, y la prosa es más rápida hablada

Esto es lo que pasa con dirigir un agente de programación: la entrada no es código. Son instrucciones. «Saca la lógica de reintento del handler del WebSocket, muévela a su propio módulo y haz configurable el tope del backoff.» Puedes teclear eso en veinte segundos si ya estás en la ventana, calentito y sin pensar en nada más.

Pero ya nunca estás en ese estado. Estás a media revisión en otro carril. Estás leyendo el último diff del agente. Estás sujetando un café. El coste de un prompt no es el tiempo de teclearlo — es el cambio de contexto para poner las manos y los ojos en posición de teclearlo.

Decir el prompt colapsa ese coste. Enfoca la terminal, mantén pulsada una tecla, di la frase que ya estabas diciendo en tu cabeza, suelta. Las palabras aterrizan en el cursor y el carril vuelve a moverse mientras tu atención regresa a donde de verdad hacía falta.

El flujo de trabajo, en concreto

Yo uso Keebye para esto — es la herramienta que construí cuando este problema se comió mi vida laboral, y lo que hay debajo es su comportamiento real, no una aspiración. La lista de configuración condensada — hotkey, modo de inserción, diccionario — vive en dictado por voz para Claude Code.

Una hotkey, mantenida pulsada. ⌘ derecha es la predeterminada. Mantenla, habla, suelta; el texto transcrito aterriza en el campo editable con foco. Para instrucciones más largas, un solo toque activa la grabación hasta que vuelves a tocar. Esc aborta. No hay ninguna ventana que abrir, que es justamente el sentido de todo esto — la herramienta no tiene un carril propio.

Modo de tecleo para terminales. Claude Code vive en una terminal, y las terminales son hostiles a la inserción por pegado desde el portapapeles — especialmente sobre SSH o dentro de tmux. Keebye puede teclear el texto sintéticamente en vez de pegarlo, con un ritmo consciente de la terminal, para que el prompt llegue como llegarían las pulsaciones. Este único ajuste es la diferencia entre «demo mona» y «herramienta diaria» para trabajar con agentes — la historia completa de por qué las terminales rompen el pegado está en dictado que sobrevive a la terminal.

Un diccionario para tu jerga. Los modelos de voz no conocen el vocabulario de tu proyecto. Un diccionario personalizado mapea lo que el modelo oye a lo que querías decir — nombres de módulos, nombres de compañeros, «pnpm», lo que sea que tu código te haga repetir.

Limpieza local con una heurística acotada. El habla en bruto está llena de «eh» y arranques en falso. Keebye elimina las muletillas y corrige la puntuación con reglas rápidas; su pulido opcional con LLM local retrocede a las reglas ante una pérdida grave de tokens, expansión o repetición. Esa salvaguarda no puede demostrar significado ni proteger cada negación, así que revisa las instrucciones críticas a los agentes antes de enviarlas.

Y como toda la voz a texto se ejecuta on-device, los propios prompts — que describen tu producto sin lanzar con todo detalle, carril a carril — nunca salen de la máquina.

En qué es realmente buena la voz al dirigir

Después de convivir con esto a diario, aquí va un inventario honesto:

Redirecciones. El agente ha terminado y está al 80 % bien. «Mantén la extracción, pero revierte el renombrado en los archivos de test y vuelve a ejecutar la suite.» Hablado, eso son tres segundos. Este es el dictado de mayor valor de mi día.

Encolar el siguiente carril. Mientras el carril uno construye, describe la siguiente tarea en el carril dos. Manos en serie, trabajo en paralelo.

La prosa que rodea al código. Descripciones de PR, mensajes de commit, respuestas de Slack al reporte del bug, el correo que debes. Enfoca la ventana, dilo, listo — tus manos nunca salieron del carril en el que estaban.

Pensar en voz alta, con utilidad. Algunas instrucciones salen mejor habladas porque el habla fuerza la linealidad. No puedes anidar paréntesis con la boca.

Lo que no es

Sección de honestidad. La transcripción en Keebye es por lotes, no en streaming — el texto aparece cuando sueltas la tecla, no palabra a palabra. Eso está bien para prompts (hablas y luego aterriza en un solo bloque), pero significa que esto no es una experiencia de subtitulado en vivo. El modelo por defecto está afinado para inglés; el dictado multilingüe es un motor on-device aparte que cubre 25 idiomas — más sobre por qué eso importa en el dictado no debería ser solo en inglés. Y ninguna herramienta de dictado convierte un mal prompt en uno bueno; la voz elimina fricción, no la necesidad de pensar.

También hay otras buenas herramientas en este espacio — Superwhisper y Wispr Flow son las dos por las que nos preguntan, y escribimos comparaciones honestas de ambas: Keebye vs Superwhisper y Keebye vs Wispr Flow.

Por qué esto se acumula

Un solo prompt dictado ahorra segundos. Esa no es la historia. La historia es qué bloqueaban esos segundos: cada carril que ejecutas avanza solo cuando lo alimentas, así que el impuesto de alimentar un carril es un impuesto sobre todos ellos. Redúcelo y dejarás de racionar tu propia atención — añades el tercer carril que no estabas ejecutando porque parecía demasiada sobrecarga.

El origen de todo esto fue menos elegante que un ensayo sobre flujos de trabajo: dos hijos, varios frentes de trabajo de alto riesgo y no suficientes manos. Esa historia está aquí — Dos hijos, tres startups, una voz.

Keebye está en acceso anticipado para macOS. Empieza tu prueba gratuita abajo, apúntalo a tu carril más cargado y prueba una secuencia concreta: revisa el carril uno, dicta una redirección en el carril dos y luego responde al humano que espera en el carril tres. La voz no los controla simultáneamente; mantiene cada carril paralelo abastecido con menos coste de traspaso.