Deja de tipear tus prompts. Dilo.

Dictado por voz para los que programan con IA.
Offline, gratis, open source y en español.

⬇️ Descargar · Cómo funciona · Modelos y RAM · Compilar · English

---

Qué es Dilo

Aprietas un atajo, hablas, sueltas. Tu dictado aparece escrito donde tengas el cursor: Cursor, Claude Code, el terminal, Slack, donde sea. Todo se procesa en tu compu — ni un byte de tu voz sale de tu máquina.

Si dictas tus prompts en vez de tipearlos, esto es para ti.

• 🎙️ Un atajo y listo — mantén apretado para hablar (o modo toggle si prefieres)
• 🇪🇸 Español primero — modelos recomendados que entienden español de verdad, interfaz en español
• 🔌 100% offline — sin cuenta, sin nube, sin telemetría
• 🪶 Liviano — el modelo se descarga solo de la RAM cuando no dictas (~60–80 MB en reposo)
• 🧠 Transformar con IA, si quieres — pulir gramática, formato de prompt, lo que se te ocurra
• 🖥️ macOS, Windows y Linux

Descarga

macOS y Linux — un comando y listo (baja el último release, instala y resuelve los permisos solo; correrlo de nuevo actualiza):

curl -fsSL https://raw.githubusercontent.com/aacontn/dilo/main/install.sh | sh

O baja el instalador para tu sistema desde Releases.

Los binarios v0.1.x van sin firma de código (la firma de Apple cuesta US$99/año; está en el roadmap). Tu sistema te va a advertir la primera vez — así se abre igual:

Cómo funciona

1. Aprieta el atajo (por defecto ⌥ Option+Espacio en macOS, Ctrl+Espacio en Windows/Linux)
2. Habla — verás una pastilla discreta mientras grabas
3. Suelta — el texto aparece donde estaba tu cursor. Ya está escrito.

La primera vez, Dilo te guía: dos permisos (micrófono y accesibilidad, explicados sin letra chica), un modelo recomendado según la RAM de tu compu, y a dictar.

Modelos y cuánta RAM usan

Trece modelos, todos entienden español. Regla simple: más preciso suele ser más lento y más pesado. Dilo te recomienda según tu máquina, y libera la RAM solo a los 2 minutos sin dictar (configurable).

Precisión y velocidad son las del catálogo, en escala de 0 a 100 — sirven para comparar entre ellos, no como nota absoluta.

De regla, la RAM mientras dictas es 1,5 a 2 veces la descarga. En reposo (modelo liberado, ventana cerrada): ~60–80 MB. Puedes elegir cuantizaciones más chicas (Q4) de cualquier modelo si tu RAM anda justa.

Hecho para vibe coders

• Dicta el prompt largo en Cursor o Claude Code en vez de tipearlo — hablar es 3× más rápido que escribir
• dilo --toggle-transcription desde el terminal, scripts o tu window manager
• Envío automático opcional: dicta y que se mande solo con Enter
• Transforma tu dictado con cualquier API compatible con OpenAI (o Apple Intelligence en macOS 26+): "mejora la gramática", "formatea como conventional commit", tu prompt manda
• Historial local de todo lo que dictaste, re-transcribible al cambiar de modelo

Requisitos

• macOS: Apple Silicon o Intel (Metal para modelos Whisper)
• Windows: CPU moderna; GPU (Vulkan) opcional para Whisper
• Linux: Ubuntu 22.04/24.04 probado; Wayland con limitaciones (ver abajo)
• Los modelos recomendados (Parakeet/Nemotron/Qwen3) corren bien en CPU pura — no necesitas GPU

Compilar desde el código

# Requisitos: Rust estable + Bun
git clone https://github.com/aacontn/dilo
cd dilo
bun install
mkdir -p src-tauri/resources/models
curl -o src-tauri/resources/models/silero_vad_v4.onnx https://blob.handy.computer/silero_vad_v4.onnx
bun run tauri dev     # desarrollo
bun run tauri build   # producción

Detalle por plataforma en BUILD.md.

Dilo se desarrolla con asistentes de IA — Claude Code y Codex, con las mismas instrucciones (CLAUDE.md = AGENTS.md). Guía de Codex: Desarrollar con Codex.

Solución de problemas

• macOS: el permiso de Accesibilidad queda en "Esperando…" aunque ya lo activaste → en Ajustes del Sistema → Privacidad y seguridad → Accesibilidad, quita Dilo con − y agrégalo de nuevo. Pasa porque los binarios van sin firma de Apple: tras cada actualización macOS trata la app como si fuera otra y el permiso viejo deja de calzar. Vía rápida por terminal: tccutil reset Accessibility cl.espaciodigital.dilo y vuelve a abrir Dilo. (Se resuelve de raíz al firmar los binarios — está en el roadmap.)
• macOS: el atajo no escribe nada → mismo remedio de arriba: el permiso de Accesibilidad quedó apuntando a una versión anterior.
• No se pega el texto en algunas apps → prueba otro Método de pegado en Ajustes → Avanzado.
• Linux Wayland: atajos globales no funcionan → configura el atajo en tu DE/WM apuntando a dilo --toggle-transcription. Overlay: se recomienda "Ninguno" (o DILO_NO_GTK_LAYER_SHELL=1).
• La primera transcripción tarda → es la carga del modelo a RAM (1–2 s). Si te molesta, sube el tiempo de "Liberar RAM" en Ajustes → Avanzado.

Roadmap

Las apuestas grandes de producto:

• Notetaker de reuniones — graba la reunión, separa quién habla, y te deja el transcript con resumen y acciones. Empezando por las reuniones online, donde el audio de los demás llega limpio por el sistema; las presenciales vienen después, porque con el micrófono de un laptop al centro de la mesa no se puede hacer bien.
  • Grabar, transcribir y separar voces en presencial
  • Registro de reuniones pasadas, en su propia ventana
  • Capturar el audio del sistema (lo que dicen los demás en Meet, Zoom o Teams)
  • Detectar solo que empezó una videollamada y ofrecerte grabarla
  • Resumen, acciones y preguntarle cosas al transcript
  • Notas propias junto al transcript, y sincronizarlas con Obsidian o Apple Notes
• Control de agentes por voz — Dilo como intermediario: le hablas, un agente hace el trabajo (Claude Code y otros) y Dilo te lee la respuesta en voz alta, con palabra de activación. La voz de salida ya llega en v0.1.12; falta conectar el otro extremo.
• Panel en la barra de menú — el ícono de Dilo abre lo que usas seguido sin abrir la app: copiar lo último dictado, cambiar de modelo, grabar una reunión.
• Modo según la app en la que estás — Dilo detecta dónde escribes y aplica el modo que corresponde (en el correo escribe como correo, en el editor como código), sin que tengas que acordarte de ningún atajo. Foco en macOS y Windows; en Linux el comportamiento actual se mantiene.
• Diccionario que aprende solo — Dilo aprende de las correcciones que ya hace la IA y las incorpora al arreglo local, así deja de necesitar la IA para las palabras que usas siempre. Todo en tu equipo.
• Conectores por MCP — enchufar Dilo a tus herramientas con permisos explícitos, sin acoplar el núcleo a ningún servicio.

Empaquetado y sistema:

• Firma y notarización de binarios (Apple Developer)
• Overlay nativo sin webview (menos RAM aún)
• Homebrew cask y winget
• Actualizador integrado propio
• Reactivar el empaquetado Nix del upstream (flake aún apunta al crate viejo)

Créditos

Dilo existe gracias a:

• Handy de CJ Pais — el proyecto original (MIT). Este fork mantiene su núcleo Rust y absorbe sus fixes.
• ggml / whisper.cpp de Georgi Gerganov — inferencia local rápida.
• Los equipos de NVIDIA (Parakeet/Canary/Nemotron), OpenAI (Whisper), Cohere, Qwen y Mistral por liberar sus modelos de voz.

Licencia MIT.

---

English

Dilo ("say it" in Spanish) is a Spanish-first fork of Handy: free, open-source, fully offline push-to-talk dictation for macOS, Windows and Linux, aimed at Latin American developers who dictate their AI prompts instead of typing them. UI and docs are in Spanish; the app itself supports 22 UI languages and dozens of transcription languages. Lightweight by default: the model auto-unloads from RAM after 2 idle minutes (~60–80 MB at rest). Download from Releases — binaries are unsigned for now (see the table above for how to open them).