SKI

Las dos mitades de la conversación se ejecutan en tu computadora: el reconocimiento de voz escucha y una voz neuronal habla. Nada se sube porque no hay nube a la que enviarlo. El efecto práctico es que tu audio y tus transcripciones se quedan en tu disco, y el reconocimiento de voz local mantiene el bucle funcionando sin conexión. Para quien maneja código privado o datos de clientes, eso elimina toda una categoría de preocupaciones.

Las herramientas de dictado se detienen en el texto de entrada. SKI cierra el bucle al pronunciar en voz alta la respuesta del agente. La cancelación de eco en dúplex completo te deja interrumpirlo a mitad de frase con altavoces abiertos y aun así te oye, así que no necesitas pulsar para hablar ni auriculares. Detecta cuándo has terminado y envía la idea completa, lo que hace que el ida y vuelta se sienta natural. No hay gramática que aprender. Solo habla.

Un punto verde te dice que el agente de verdad está escuchando, en tiempo real y no en un sondeo. Puedes vincular varios repositorios a la vez, incluso entre distintos agentes, y hacer clic en el nombre del proyecto para cambiar. Cada proyecto responde con su propia voz. En una sesión que hace malabares con tres tareas, distingues de un vistazo cuál acaba de responder.

Actívalo y cada transcripción aterriza primero en una burbuja editable. Nada llega a tu agente hasta que pulsas la marca de verificación, lo que te da la oportunidad de corregir una palabra mal oída o matar una mala petición antes de que se ejecute. Es la clase de barrera de protección que importa cuando un agente puede escribir y borrar archivos por su cuenta. Vale la pena activarlo pronto.

Una tecla de acceso rápido captura tu pantalla, y la imagen viaja junto con tu siguiente petición hablada. Tu agente también puede tomar una captura por sí mismo cuando necesita ver lo que tú ves, algo que importa porque describir en voz alta un error de maquetación o un fallo visual es mucho más lento que simplemente mostrarlo. ¿Por qué importa eso? Porque una imagen supera a un párrafo siempre.

SKI captura tu micrófono más el audio de la sala y transcribe en el dispositivo, con pistas etiquetadas por hablante y una transcripción en vivo mientras la llamada avanza. El tiempo de grabación y la retención son ilimitados, y puedes exportar a Markdown o texto plano. Como no hay ningún bot que se una a la llamada, los demás participantes simplemente te ven a ti en la reunión, no a una grabadora.

Pega la URL de una reunión en el widget y tu agente de programación se une como participante en vivo: habla, escucha, presenta o toma notas en silencio. Ve la pantalla, puede compartirla y lee y envía mensajes de chat. Google Meet, Teams y Zoom son compatibles, y puedes iniciar una reunión desde el propio widget.

Una sola skill cubre los agentes que los desarrolladores ya usan: Claude Code, Cursor, Codex, Gemini CLI, OpenClaw y más. Conectar es un clic por agente, así que si cambias de herramienta entre proyectos no pierdes el bucle de voz. Esa amplitud es lo que lo convierte en un hábito y no en un truco de una sola herramienta.