🎙️Mensajes de voz

Habla en lugar de escribir: en el navegador con el botón del micrófono, y desde el móvil con notas de voz de Telegram. Claude no puede escuchar audio, así que tu grabación se convierte primero en texto en tu servidor; la transcripción es lo que lee Claude.

Elige un motor (Settings -> Voz)

Las claves API se guardan en la bóveda de Claves (puedes pegarlas directamente en Settings -> Voz).

Motor local: modelos y velocidad

Elige el modelo en Settings -> Voz y pulsa Instalar / Descargar (se ejecuta en segundo plano, con progreso; puedes salir de la página). Si no lo descargas antes, el primer mensaje de voz descargará el modelo.

Orden de magnitud con 2 vCPU: un mensaje de 1 minuto tarda ~15 s con base, ~30-60 s con small (más rápido con más núcleos). El modelo permanece en memoria 10 minutos después del último mensaje y luego se descarga. Se transcribe un mensaje a la vez; los demás esperan su turno.

Idioma: la detección automática funciona bien con el habla normal. Fija el idioma (Settings -> Voz -> Idioma) si siempre hablas el mismo, o para notas muy cortas o con ruido.

En el navegador

• El botón del micrófono está junto a Enviar en cada sesión.
• Toca para empezar, toca ✓ para parar; o mantén pulsado para hablar y suelta para parar (pulsar para hablar). Desliza hacia la izquierda mientras mantienes pulsado, pulsa Esc o ✕ para cancelar.
• Al parar, el mensaje de voz se envía de inmediato, como en Telegram: aparece en la conversación como una sola burbuja: un botón redondo de micrófono (tócalo para escuchar la grabación, y otra vez para pausar) y, a su lado, la transcripción cuando el servidor la haya hecho; después la transcripción pasa a Claude. Mientras tanto puedes seguir hablando o escribiendo: los siguientes mensajes esperan su turno. La grabación se guarda en el tema (attachments/YYYY-MM/voice-….webm).
• ¿Prefieres leer el texto antes de enviarlo? Desactiva Settings -> Voz -> Enviar los mensajes de voz de inmediato: la transcripción se inserta entonces en el cursor para que puedas corregirla, o se envía como texto con Enviar automáticamente.
• Si la transcripción falla (o no se oyó nada), la grabación permanece en la conversación y no se envía nada a Claude; vuelve a enviarla o escribe tu mensaje.
• Los navegadores solo dan acceso al micrófono en páginas HTTPS (o localhost). Con un dominio (Caddy) funciona sin más; con un simple http://<tailscale-ip> no: usa un modo de acceso HTTPS o un túnel SSH hacia localhost.
• Funciona en iPhone (Safari) y Android (Chrome). Permite el micrófono cuando el navegador te lo pida; si lo rechazaste una vez, vuelve a permitirlo en los ajustes del sitio (el icono del candado en la barra de direcciones).
• Las grabaciones están limitadas a 15 minutos.
• Grabar una prueba en Settings -> Voz muestra la transcripción, el idioma detectado y el tiempo que tardó.

En Telegram

Envía una nota de voz, un archivo de audio o una nota de vídeo redonda en un hilo de sesión: 1. el bot responde con 🎤 <transcript>, 2. la transcripción se envía a la sesión del tema como si fuera tu mensaje (el archivo de audio se adjunta y se guarda en <topic>/attachments/voice/YYYY-MM/), 3. Claude responde como de costumbre.

Si los mensajes de voz están desactivados, el bot responde con una breve pista.

Desde el terminal

maxxing voice status                 # engine, model, readiness
maxxing voice set --engine local --model small --language auto
maxxing voice download [model]       # pre-download a local model
maxxing voice transcribe note.ogg    # test a file

maxxing doctor informa del estado de la voz. Para instalar el motor local a mano: cd /opt/claude-maxxing/server && uv sync --extra voice (después maxxing update lo mantiene).

Solución de problemas

• Botón del micrófono en gris - la voz está desactivada o no está lista: abre Settings -> Voz.
• "Browsers only allow the microphone on HTTPS pages" - mira más arriba.
• "ffmpeg is missing" - apt-get install -y ffmpeg.
• Idioma incorrecto / texto sin sentido - fija el idioma o usa un modelo más grande.
• Lento - usa base o cambia a Groq.