Si alguna vez has usado NotebookLM de Google (renombrado hace poco como Gemini Notebook), seguro que apreciaste su diferencia fundamental frente al resto de chatbots. Hablo del concepto de Source Grounding: el anclaje estricto a las fuentes. Las redes neuronales convencionales responden desde las profundidades de sus pesos y les encanta inventar datos verosímiles. Notebook funciona de otra manera radical: cargas artículos científicos, informes en PDF, documentos de Google Docs o enlaces de YouTube, y el modelo construye sus conclusiones únicamente sobre ese material, acompañando cada idea con una cita clicable.
Sin embargo, hasta ahora este cuaderno mágico arrastraba un defecto de nacimiento: vivía encerrado en la pantalla del ordenador de escritorio. Para meterle información, tenías que sentarte frente al teclado, descargar con cuidado los archivos y subirlos desde el navegador.
Y eso que las ideas más valiosas no nacen detrás de un escritorio. Surgen en reuniones rápidas llenas de ruido, en entrevistas en vivo, en clases magistrales o durante debates intensos frente a una pizarra. El lanzamiento de la aplicación móvil renovada de Gemini Notebook para Android e iOS cierra esa brecha, convirtiendo el teléfono en un investigador-taquígrafo de bolsillo. Veamos qué funciones añadieron los desarrolladores y cómo cambian el trabajo diario con la información.
Grabación de audio de hasta 60 minutos: segundo plano y desglose inteligente
La primera gran novedad del cliente móvil es una grabadora de audio integrada en toda regla. Puedes dejar el móvil sobre la mesa durante una reunión de dos horas o una conferencia y activar la grabación. El límite de sesión continua alcanza unos sólidos 60 minutos.
Además, los ingenieros de Google hicieron algo que los creadores de startups ligeras suelen olvidar: funcionamiento real en segundo plano. Puedes bloquear la pantalla del teléfono, guardarlo en el bolsillo o cambiar a una app de mensajería para contestar un aviso urgente; la grabación no se corta ni se cuelga si entra una llamada.
En cuanto se detiene el temporizador, el modelo multimodal en el lado de Google transcribe la pista de audio. Pero no entrega un muro de texto plano y monótono como las grabadoras clásicas:
- El discurso se divide automáticamente por bloques temáticos y marcas de tiempo;
- Se extraen las tesis clave y las decisiones tomadas;
- La transcripción pasa al instante a ser una fuente de texto completa dentro de tu cuaderno.
Ya no hace falta pagar suscripciones en Otter o Descript para sacar la transcripción de una reunión y copiarla después a mano en ChatGPT. Todo el flujo se ha compactado en una sola aplicación.
Fotografiar la pizarra: sincronización entre óptica y sonido
La segunda función es mi favorita, porque resuelve el problema eterno de cualquier lluvia de ideas. Imagina la escena: el ponente frente a la pizarra dibuja con entusiasmo el diagrama de arquitectura de un nuevo servicio y explica rápido por qué la base de datos debe ir justo detrás de esa pasarela. En la vida normal sacas una foto con la cámara del móvil y, una semana después, miras la imagen sin recordar ni a qué venían esas flechas ni esos garabatos.
En Gemini Notebook móvil integraron la cámara directamente dentro de la interfaz de grabación de sonido. Escuchas la conversación y pulsas el botón de disparo sin interrumpir el flujo de audio. La app enlaza de forma fija la foto de la diapositiva o la pizarra con el segundo exacto de la pista sonora.
Por debajo, el núcleo multimodal de Gemini 1.5/2.0 cruza las imágenes visuales con el texto del habla. Si en el minuto 23 el ponente dijo «Y este bloque verde de aquí lo moveremos a la nube», el sistema entiende exactamente a qué figura de la pizarra estaba señalando. Un mes más tarde solo tienes que escribir en el buscador: «¿Por qué decidimos mover ese bloque?» y recibes la explicación exacta vinculada a la fotografía.
Diálogo por voz sobre fuentes: puedes interrumpir a mitad de frase
La tercera novedad es el modo interactivo por voz. En la versión web estamos acostumbrados a teclear consultas a mano, pero en movimiento eso resulta incómodo. Ahora puedes hablar con toda tu base de conocimiento mediante auriculares, como si conversaras con un asistente real.
El sistema soporta conversación natural en más de 100 idiomas, pero la gran joya de ingeniería aquí es el soporte de interrupción (barge-in). Si alguna vez has tratado con robots de voz torpes, conoces bien esa tortura: el bot empieza a soltar una parrafada larga, te das cuenta de que se fue por las ramas, pero no puedes callarlo hasta que termina su frase hasta el punto final.
En Gemini Notebook la latencia de respuesta se ha reducido a fracciones de segundo. Puedes cortar al modelo a mitad de frase: «Para, espera. ¿Qué dijo exactamente el ponente sobre el presupuesto de marketing?». El asistente se calla al instante, reajusta el contexto y te lee con precisión la cifra exacta sacada del documento cargado.
Dónde tener cuidado: circuito en la nube y salas ruidosas
Por atractivo que resulte el invento, conviene tener presentes sus limitaciones. A diferencia de la grabadora nativa de los teléfonos Pixel, donde el reconocimiento básico corre en local sobre el chip Tensor, Gemini Notebook necesita conexión continua a los servidores de Google para su análisis multimodal complejo. Si te toca una conferencia en un sótano sin Wi-Fi estable ni cobertura móvil, no podrás arrancar el diálogo interactivo.
El segundo punto es la acústica. Si en el aula hay mucho eco o alrededor suenan tazas de café sin parar, la transcripción de apellidos complejos y términos técnicos poco comunes puede pedir retoques manuales. Y por último, no olvides la higiene básica de seguridad corporativa: subir audios de reuniones confidenciales bajo estricto acuerdo de confidencialidad a un servicio en la nube sin el visto bueno del equipo de seguridad de tu empresa es el camino más corto hacia un problema serio.
Pero para estudiantes, analistas, periodistas y product managers, esta actualización convierte notas sueltas en un archivo personal vivo que siempre llevas en el bolsillo.

