Gemini para Mac ya entiende tu voz y ve lo que haces en pantalla

El miércoles 29 de julio de 2026, Google anunció dos nuevas capacidades de voz para la aplicación Gemini en macOS: un modo de dictado inteligente disponible para todos los usuarios, y un modo opcional Screen Awareness (conciencia de pantalla) que le da a Gemini visión contextual de lo que hay en tu escritorio . Aquí tienes todos los detalles.

¿Qué se anunció?

Google implementó una capa de interacción por voz mediante presión prolongada para la app Gemini en macOS. Los usuarios pueden hablar con Gemini desde cualquier ventana de su escritorio manteniendo presionada la tecla Fn . La actualización ofrece dos modos distintos.

Los dos modos y cómo funcionan

1. Dictado inteligente (predeterminado, siempre activo)

• Mantén presionada la tecla Fn en cualquier aplicación y habla de forma natural .
• Gemini transcribe tus palabras en texto limpio y pulido que se formatea automáticamente: maneja puntuación, mayúsculas e incluso elimina muletillas ("eh", "mmm" y correcciones a mitad de frase) .
• El resultado aparece directamente en la aplicación o campo de texto que estés usando. Está diseñado como un reemplazo más inteligente del dictado integrado de macOS .

2. Screen Awareness (conciencia de pantalla, opcional)

• Debes activarlo manualmente (solo con tu consentimiento) .
• Una vez activado, Gemini puede "ver" lo que hay en tu pantalla gracias a un permiso de compartir pantalla .
• Puedes dar órdenes de voz que hagan referencia al contenido en pantalla, por ejemplo: "resume este documento" o "edita ese párrafo", y Gemini actuará sobre el contenido visible .
• The Verge describe esta función como la capacidad de Gemini para "realizar tareas dentro de tus ventanas abiertas" .

El dilema de la privacidad

• Dictado inteligente: procesa el audio en la nube de Google; se aplican las políticas de privacidad estándar de Gemini (los chats se guardan por defecto durante 18 meses, con opciones de 3 o 36 meses o autoeliminación, y es posible la revisión humana en los chats que hayas aceptado) .
• Screen Awareness: supone una consideración de privacidad mayor. Requiere que concedas a Gemini permisos de grabación de pantalla. Al ser una activación voluntaria, no se comparte nada a menos que tú lo actives explícitamente . Una vez activado, Google puede ver el contenido de tus ventanas activas, lo que plantea el mismo tipo de preocupaciones que cualquier herramienta de IA que lea la pantalla (posible filtración accidental de información sensible, visibilidad de credenciales, etc.). Google afirma que te consulta antes de realizar acciones importantes, pero los datos de la pantalla se procesan en los servidores de Google .

Comparativa: Gemini vs. ChatGPT Desktop vs. Apple Intelligence

Característica	Gemini macOS (29 julio)	ChatGPT Desktop (23 julio)	Apple Intelligence (Siri)
Activación	Mantener presionada tecla Fn	Botón de voz en la app / atajo de teclado	"Oye Siri" o botón
Alcance	En todo el sistema, cualquier ventana	Dentro de la app ChatGPT (agentes Work/Codex)	En todo el sistema vía Siri
Visión de pantalla	Sí, opcional	Sí (vía agentes Work/Codex, Appshots en macOS)	Limitada (contexto de pantalla en algunas apps)
Modelo de voz	Transcripción + razonamiento de Gemini	GPT-Live-1 (bidireccional, interrumpible)	Modelos Siri en el dispositivo
Conversación bidireccional	Centrado en dictado; no es dúplex completo	Dúplex completo (habla y escucha simultáneamente)	Consultas de una sola vez
Automatización del escritorio	Mediante comandos de Screen Awareness	Control directo de agentes (Codex, Work)	Atajos + intenciones de apps
Plataforma	Solo macOS (esta semana)	macOS + Windows	macOS, iOS, iPadOS (ecosistema Apple)

Diferencias clave: El modo de voz de ChatGPT Desktop con GPT-Live-1 es una verdadera conversación: puede escuchar y hablar al mismo tiempo, gestionar interrupciones y dirigir agentes de IA en tiempo real . El enfoque de Gemini es más orientado a tareas: dictado más comandos que dependen de la pantalla, en lugar de un diálogo fluido. Apple Intelligence funciona completamente en el dispositivo y está integrado en el sistema, pero carece de la profundidad generativa y la autonomía entre aplicaciones de Gemini o ChatGPT.

Detalles de disponibilidad

Nuevo control por voz (29 de julio de 2026)

• Idioma: solo inglés por ahora; no se ha publicado una lista oficial de idiomas adicionales .
• Versión de la app: última versión de Gemini para macOS (actualización progresiva, sin número de versión específico) .
• Despliegue global: comienza el 29 de julio, pero puede tardar días en llegar a todas las regiones .
• Restricción de edad: mayores de 18 años (política estándar de Gemini).
• Suscripción: gratuito para el dictado inteligente; Screen Awareness también es gratuito en su lanzamiento. No se requiere el plan Google AI Ultra ni ningún nivel de pago para estas funciones de voz .

Gemini Spark (llegó el 30 de junio de 2026)

• ¿Qué es? Un agente de IA persistente 24/7 que se ejecuta en Google Cloud, incluso cuando tus dispositivos están apagados. Automatiza tareas en Gmail, Docs, Calendar, archivos y servicios de terceros mediante programas y habilidades (Schedules y Skills) .
• Idioma: solo inglés en su lanzamiento .
• Versión de la app: requiere la última versión de Gemini para macOS (beta); Spark también funciona en Android, iOS y web .
• Despliegue global: beta limitada. Solo en EE. UU. a partir del 30 de junio . El 29 de julio se informó por separado de un lanzamiento en India .
• Restricción de edad: mayores de 18 años.
• Suscripción: exclusivo para suscriptores de Google AI Ultra (plan de pago). No está disponible en la versión gratuita de Gemini .
• Diferencia clave con el control por voz: Spark es un agente de fondo (proactivo, automatización 24/7), mientras que el control por voz es un método de entrada en tiempo real (reactivo, bajo demanda). Spark funciona de forma autónoma en la nube; el control por voz requiere que estés frente a tu Mac y hables activamente. Spark cuesta dinero; el control por voz es gratuito.