En la beta de Telegram para macOS, se ha añadido la corrección de texto dictado con el editor de IA a la función de dictado (escribir un mensaje con la voz directamente en el campo de entrada). La build 13.1.0.283431 del 1 de noviembre incluye un botón «Enhance» con las opciones «Fix Grammar», «Enhance Style» y «AI Editor…», un interruptor para la puntuación automática y una configuración para lo que hace ⌘R en el campo de entrada: dictar texto o grabar un mensaje de voz. La función de dictado en sí está en el código abierto del cliente, pero solo está habilitada en las builds de depuración; las correcciones de IA no están presentes en el código abierto. Esto afecta a quienes escriben desde un Mac. En el código abierto, el reconocimiento de voz lo realiza el reconocedor integrado de Apple, mientras que en la beta ha aparecido una ruta de respaldo a través de los servidores de Telegram, con un límite gratuito, más allá del cual se requiere Premium.
Novedades en la beta
El dictado en el cliente para macOS funciona como una continuación de la grabación de voz: al pulsar el botón de grabación, no suelte el ratón y arrastre hacia la izquierda; la sugerencia en la parte inferior dice «← Swipe to dictate». El desplazamiento hacia la izquierda debe ser mayor que hacia arriba, de lo contrario, la grabación simplemente se fijará. En lugar de un mensaje de voz, el habla se convierte en texto y la grabación en sí se elimina. Durante el reconocimiento, en la parte inferior aparece «Transcribing. Click anywhere to stop.»; el texto resultante en el código abierto se muestra en un panel separado, desde donde se puede enviar directamente o añadir al final del campo de entrada y editar. El idioma se puede seleccionar manualmente o dejar en «Automatic». Sobre el dictado en la beta 283318 se escribió ya el 15 de octubre; en Android, una transcripción similar antes de enviar se mostró y luego se eliminó.
La novedad en las betas desde el 24 de octubre (build 283377) es la corrección del texto dictado. Strings de la 283431:
| String | Descripción |
|---|---|
| «Enhance» | botón junto al texto dictado; su sugerencia es «Fix punctuation and grammar in the dictated text» |
| «Fix Grammar» | corregir puntuación y gramática |
| «Enhance Style» | reescribir el texto en uno de los estilos |
| «AI Editor…» | abrir el editor de IA completo |
| «Enhancing…» | texto en proceso |
| «Automatic Punctuation» | interruptor de puntuación automática |
| «What ⌘R does in the message field. Automatic dictates when the field has text and records a message when it is empty.» | configuración de ⌘R: en modo «Automatic», la combinación dicta si el campo ya tiene texto y graba un mensaje de voz si el campo está vacío |
| «The language you speak while dictating. Automatic uses this chat's language and your system languages.» | idioma de dictado: «Automatic» toma el idioma del chat y los idiomas del sistema |
El cliente memoriza el estilo seleccionado (kChatDictationEnhanceStyle). A juzgar por la opción «AI Editor…», se trata de los mismos estilos que los del editor de IA en el campo de entrada, que Telegram lanzó en abril: corregir gramática, traducir, reescribir en estilo «Formal», «Short», «Zen», «Corp» y otros. La descripción en la publicación oficial indica que las funciones de IA funcionan en la red Cocoon.
No se puede saber por la build si el botón ya es visible. En el código abierto, el dictado está deshabilitado en las builds beta y de lanzamiento por una condición de compilación y solo funciona en las de depuración; si está habilitado en la 283431, no se deduce del binario, aunque los strings y las clases están en su lugar.
Qué hacer
- Dónde buscar. La beta llega como una actualización automática de la versión beta de Telegram para macOS; la lista de builds está en el feed de actualizaciones. En la versión estable 13.1.0 (283357) del 20 de octubre, el motor de dictado ya existe, pero los strings «Enhance», «Automatic Punctuation» y la configuración de ⌘R no están, y la sugerencia al grabar es «← Swipe to transcribe».
- Dar acceso. El dictado necesita dos permisos de macOS: Ajustes del Sistema → Privacidad y seguridad → Micrófono y, en la misma sección, Reconocimiento de voz. Sin el segundo, el cliente muestra «Telegram needs Speech Recognition access to turn your voice into text».
- Comprobar el idioma. Si ninguno de los idiomas del sistema es compatible con el reconocedor de Apple, el dictado responde «Dictation is not available for your current input language.». El idioma se puede seleccionar manualmente en lugar de «Automatic».
- Recordar ⌘R. Actualmente, ⌘R en Telegram para macOS inicia la grabación de un mensaje de voz o video; en la beta, la combinación tendrá una opción, y en modo «Automatic» con el campo no vacío, iniciará el dictado, no la grabación.
Cómo se reconoce el habla
El reconocimiento en el código abierto depende completamente de Apple. En macOS 26, el cliente utiliza el nuevo motor SpeechAnalyzer si el modelo de idioma ya está instalado; si no, comienza su descarga en segundo plano y este dictado se entrega al SFSpeechRecognizer anterior. En sistemas más antiguos, solo funciona SFSpeechRecognizer. La solicitud se marca como dictado, y si hay un modelo de idioma en el dispositivo, el cliente requiere el reconocimiento solo en el Mac; en macOS 13 y posteriores, el propio reconocedor se encarga de la puntuación.
En el modo «Automatic», el idioma no se adivina de antemano: de los idiomas del sistema, el cliente elige hasta dos que el reconocedor de Apple conoce y los ejecuta ambos simultáneamente con el mismo audio; el segundo, solo si su modelo funciona sin conexión. A cada candidato se le asigna una puntuación: la mitad de la estabilidad del texto entre actualizaciones, la mitad de la confianza del reconocedor, más una pequeña ventaja para el primer idioma. Después de 1.5 segundos de las primeras palabras reconocidas, gana el candidato que supera al segundo en 0.12, y después de 3 segundos, el líder gana en cualquier caso; el perdedor se detiene, y el audio restante va a uno solo. En la beta, el idioma del propio chat se añade a esta lista.
En los chats secretos, el código abierto solo ejecuta los reconocedores que funcionan en el dispositivo. Si no hay un modelo de este tipo para el idioma, el dictado en un chat secreto no se iniciará. En un chat normal, el primer idioma puede reconocerse incluso sin un modelo local; en ese caso, la grabación se envía a los servidores de Apple, como ocurre con el dictado del sistema de macOS.
Ruta de respaldo a través de los servidores de Telegram
En la beta, se ha añadido la transcripción de servidor de Telegram. El registro del cliente contiene los strings «server fallback selected» y «nativeAvailable», y en el binario, el método messages.transcribeAudioFile: este acepta un archivo de audio cargado, no un mensaje, y devuelve el texto como una respuesta de transcripción normal o más tarde, mediante una actualización updateTranscribedAudioFile. El método anterior messages.transcribeAudio solo transcribe mensajes de voz que ya están en el chat; una grabación no enviada no tiene número de mensaje. El nuevo método y la actualización están en el esquema de la API, extraído de las betas de macOS, pero no en la documentación publicada.
Las limitaciones son visibles en los mensajes de error de la beta: una grabación de más de 30 minutos o más de 1 MB no se transcribe, y después de las transcripciones gratuitas aparece «Your free transcriptions have been used. Telegram Premium is required to transcribe more audio.». En la versión estable 13.1.0, no hay ni el método ni estos strings. No se puede determinar por la build cómo la beta elige entre Apple y el servidor de Telegram, ni qué hace en los chats secretos.
Cómo se verificó
- Código abierto del cliente: motor de dictado (selección de idiomas, evaluación, umbrales de 1.5 y 3 segundos,
requiresOnDeviceRecognition) y controlador, donde la verificaciónisSupporteddevuelve «sí» solo en la build de depuración y requiere reconocimiento en el dispositivo en chats secretos. Ambos archivos llegaron al código abierto mediante la fusión de la rama de lanzamiento 13.1 el 23 de octubre. - Binarios de los feeds de actualizaciones: beta 283431 y estable 283357. Las clases
ChatDictationEnhancer,ChatDictationEnhanceView, las claveskChatDictationAutomaticPunctuationykChatDictationShortcuty los strings de la tabla solo están en la beta; en la estable hay un motor (ChatDictationSession,ChatDictationAnalyzerRecognizer) y ocho strings de dictado, pero no hay correcciones. En el archivo de strings del código abierto tampoco hay opciones «Enhance». - Parte del servidor: strings del binario 283431:
AudioFileTranscription, «upload complete, calling transcribeAudioFile»,updateTranscribedAudioFiley los mensajes de error; en la 283357 no están. - Primera aparición de
ChatDictationEnhancer: diff del binario de la beta 283377, 24 de octubre.
