OpenCode Hex: entrada de voz local y anotaciones gráficas para acelerar el trabajo con agentes de IANota · digest del 9 de noviembre
Vista cenital estricta de un escritorio con el micrófono vintage OpenCode Hex y una libreta de comandos de voz.
Nota3 secciones≈ 5 min

OpenCode Hex: entrada de voz local y anotaciones gráficas para acelerar el trabajo con agentes de IA

Cuando necesitas explicarle en detalle a un agente de IA un fallo complejo de maquetación o la lógica de una refactorización, normalmente toca elegir entre dos caminos incómodos. O bien tecleas durante largo rato un bloque interminable en el teclado, gastando energía en erratas, o activas el dictado por voz en la nube y chocas al instante con las normas de seguridad corporativa que prohíben enviar detalles de arquitectura privada a servidores ajenos.

Estuve buscando cómo esquivar ese dilema hasta que di con OpenCode Hex, una utilidad gratuita y abierta escrita en Rust (licencia MIT, lanzamiento estable del 31 de octubre) del equipo Anomaly. ¿Cómo dejar de perder tiempo tecleando prompts largos a mano y pasar el contexto de la tarea a los agentes de IA con voz y gráficos directamente desde tu ordenador sin depender de la nube?

Fricción del teclado: por qué la velocidad al escribir frena el trabajo con agentes

El cuello de botella está en la brecha entre lo rápido que procesan las redes neuronales y lo lento que les transmitimos nuestras ideas con las teclas. Al trabajar con agentes de terminal y editor como Claude Code, Cursor u OpenCode hay que detallar en qué módulo saltó el error y qué archivos no se deben tocar. Una persona normal teclea a 40–50 palabras por minuto, mientras que al hablar vamos a un ritmo de 130–150 palabras por minuto. Si cada encargo consume minutos escribiendo a mano, al final del día el teclado se come hasta la mitad del tiempo de trabajo con la IA; y si por cansancio empiezas a escribir más corto, el agente pierde contexto y entrega código a medio hacer.

Al final, el asistente de IA más rápido trabaja exactamente a la velocidad de tus dedos.

Voz y marcador valen más que mil palabras: cómo funcionan el dictado y el modo Annotate

Para quitar ese freno, los creadores del proyecto (ya analizamos antes su agente de consola OpenCode para programación y automatización) diseñaron la entrada manteniendo pulsada una tecla (Option en macOS, Ctrl + Space o Alt en Windows y Linux). Si mantienes el botón, dictas la tarea y sueltas, el modelo local de reconocimiento de voz (Whisper o Parakeet) convierte el audio en texto y lo pega donde parpadea el cursor: en la terminal, el navegador o la ventana del chat. Seguro que te preguntas: «¿Y qué pasa con los nombres de librerías, que los dictados normales siempre destrozan?» En Hex existe para eso un diccionario personalizado (Custom Vocabulary): basta añadir a la configuración términos como k8s, fastapi o useCallback para que la precisión de transcripción suba al 99%, y a través de un servidor del protocolo de contexto de modelos (Model Context Protocol, MCP) los propios agentes leen las notas recientes.

Pero el mayor salto llega donde explicar con palabras cuesta demasiado y es más fácil señalar en pantalla.

Para esos casos la utilidad incluye el modo Annotate. Imagina que un ingeniero necesita arreglar rápido un panel descuadrado y ajustar el backend sin enumerar clases de estilos. El desarrollador abre el informe en el navegador junto a la ventana del agente, pulsa Option + Shift + S en Mac (o F9 en Linux), rodea con el cursor el gráfico torcido sin hacer clic, dibuja una flecha hacia el filtro de fechas y explica en voz alta el detalle del código: por qué al cambiar la zona horaria se desajusta la agrupación. El trazo del marcador se desvanece al segundo, pero queda en la grabación: al detenerse, Hex une los fotogramas con el dibujo y la transcripción de voz en un único paquete y lo envía directo al diálogo con el agente (o mediante el comando hex annotate).

El efecto se nota al momento: en vez de cinco minutos describiendo penosamente «el segundo gráfico empezando por la izquierda», plantear la tarea lleva quince segundos de voz y un gesto de la mano. El ingeniero acelera la formulación de instrucciones entre 3 y 4 veces, y el agente ve a la primera tanto el fallo visual como la tarea exacta en el código.

Privacidad sin nube y configuración en Mac, Windows y Linux

Al trabajar con micrófono y pantalla, la protección del perímetro privado pasa al primer plano. Mientras los servicios en la nube mandan el audio a servidores externos, en OpenCode Hex el reconocimiento corre al 100% en local sobre tu dispositivo: el audio no sale de la memoria RAM ni se guarda en disco, y el historial de texto dictado se conserva localmente 7 días con el botón de borrado Clear All. Gracias a Rust, el proceso en segundo plano ocupa menos de 80 MB de memoria. La versión estable para macOS 15+ (Apple Silicon e Intel) se instala mediante instalador o Homebrew, y para Windows 10/11 (x64 con AVX2 y ARM64; el modo Annotate llegará más adelante) y Linux (Debian, Ubuntu, Fedora y openSUSE bajo X11/i3 y Wayland/wlroots) hay compilaciones beta disponibles.

Cada detalle así devuelve a las herramientas su sentido original. Al fin y al cabo, no domamos agentes de IA para pasarnos hasta medianoche aporreando teclas frente al monitor, sino para ganar tiempo libre, llegar con la cabeza despejada al final del día y disfrutar con calma de los nuestros.

Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 2