Es fácil hacer afirmaciones sobre privacidad. Una arquitectura es mucho más difícil de falsear. Este artículo describe exactamente cómo fluye el audio en Verity — del micrófono al texto en tu pantalla — con suficiente detalle para que puedas evaluar el diseño por tu cuenta. Sin promesas vagas ni lenguaje de marketing. Solo el pipeline.
La versión corta: tu audio nunca se escribe en disco ni se usa para entrenamiento — se transcribe en infraestructura que operamos nosotros mismos, nunca se entrega a un proveedor externo de API de IA y se descarta inmediatamente después de la transcripción. Si quieres entender por qué, sigue leyendo.
El pipeline de audio, de principio a fin
Este es el flujo completo antes de recorrerlo capa por capa:
Micrófono → captura local → detección de actividad de voz en el dispositivo → codificación de audio comprimido → transporte cifrado → STT de Verity → transcripción en bruto → pulido con IA → cifrado AES-256-GCM → almacenamiento cifrado
El audio existe como muestras sin comprimir solo en las tres primeras etapas, y todas se ejecutan localmente en tu equipo. Para cuando algo sale de tu dispositivo, ya es un flujo binario comprimido sobre una conexión cifrada. A partir de ahí se transcribe en infraestructura operada por Verity — nunca en un proveedor de IA externo — y se descarta de inmediato.
Etapa 1: captura local y detección de actividad de voz
La captura de audio negocia el formato de muestreo que ofrezca tu hardware y lo remuestrea a 16 kHz fijos antes de cualquier otro procesamiento, para que el pipeline se comporte igual con micrófonos muy distintos.
Antes de que el audio salga de tu equipo, pasa por la detección de actividad de voz. El detector evalúa cada fragmento corto — unas decenas de milisegundos a la vez — para saber si contiene voz, y todo lo que queda por debajo del umbral se descarta sin más. El silencio y el ruido de fondo nunca se envían a ninguna parte.
El detector de actividad de voz viene incluido en Verity y se ejecuta como un binario local. En esta etapa no hay llamadas a la nube, ni inferencia en modelos remotos, ni transmisión de datos: todo corre en tu CPU.
Los fragmentos con voz se comprimen luego con un códec elegido por su baja tasa de bits y buena calidad de voz — lo bastante ligero para que el transporte sea rápido y lo bastante fiel para no afectar la precisión del reconocimiento.
Etapa 2: transmisión al orquestador
El flujo binario comprimido se envía al orquestador de Verity mediante una conexión cifrada con TLS. El audio viaja como binario puro, no en base64 ni en otro formato de expansión, así que nada se infla durante el tránsito.
Antes de enviar el audio, el cliente manda un breve mensaje de configuración que indica el modo de transcripción, los idiomas activos y cualquier pista de vocabulario, para que el servidor pueda enrutar la solicitud correctamente.
El orquestador recibe el flujo binario y lo reensambla en el servidor. Este es el momento en que el audio existe por primera vez fuera de tu equipo. Se mantiene solo mientras dura el procesamiento — nunca se escribe en almacenamiento permanente, nunca se registra en logs y nunca se conserva después de terminar la transcripción.
Etapa 3: procesamiento STT
Verity ejecuta la conversión de voz a texto en su propia infraestructura — modelos que alojamos, en cómputo que aprovisionamos. La capa de STT usa varios perfiles de modelo con conmutación automática por error para mayor fiabilidad. El audio no se almacena de forma permanente, no se registra y no se usa para entrenar modelos.
Verity admite 20 idiomas. Los modelos subyacentes reconocen bastantes más, pero 20 es el conjunto que probamos y con el que nos comprometemos, así que eso es lo que anunciamos: si tu idioma está en la lista, ha sido evaluado, no simplemente aceptado por un modelo que intentará procesar lo que le des.
Las solicitudes se enrutan según el idioma detectado, y la capa de enrutamiento conmuta por sí sola: si una ruta empieza a dar errores o a agotar el tiempo de espera, el tráfico pasa a una ruta sana sin que tu sesión lo note. Ese estado de conmutación vive solo en memoria — nunca se almacena ni se retiene audio mientras un componente se recupera, porque guardar audio para reintentarlo rompería la garantía de retención cero que todo este diseño busca cumplir.
Cuando termina la transcripción, el audio se descarta. No se guarda para reintentos, no se conserva para depuración y no se archiva.
Etapa 4: pulido con LLM
El texto de la transcripción en bruto (no el audio) pasa por un paso de pulido con un LLM. Este corrige la puntuación, ajusta el registro al persona activo (condensar la prosa en el modo formal, quitar solo las muletillas en el modo mínimo, etc.) y limpia los artefactos del STT.
El paso del LLM es una operación de texto a texto: recibe únicamente el texto de la transcripción en bruto, no tu audio, los metadatos de la sesión ni la información de tu cuenta. El modelo de pulido se ejecuta en infraestructura operada por Verity, junto al STT.
Etapa 5: cifrado y almacenamiento
La transcripción pulida se cifra antes de llegar a nuestra base de datos. El cifrado usa AES-256-GCM con una clave por usuario derivada mediante HKDF-SHA256 a partir de un material de clave maestra. Las transcripciones de cada usuario se cifran con una clave exclusiva de ese usuario — no podemos leer tus transcripciones sin tu clave, y si se compromete la clave de un usuario, ningún otro usuario se ve afectado.
El texto cifrado y un identificador que vincula la transcripción con su sesión se escriben en nuestra base de datos. El texto sin cifrar nunca se registra, nunca se escribe en archivos temporales y los ingenieros de Verity no pueden acceder a él sin una clave que no se almacena junto a los datos.
Lo que nunca se recopila
Para ser explícitos sobre lo que no hacemos:
- Ninguna grabación de audio. No guardamos tu audio. No tenemos un archivo de audio. No existe ningún bucket de almacenamiento de objetos con tu voz.
- Ninguna huella de voz ni modelo de hablante. No construimos un modelo de cómo hablas. Cada transcripción se procesa de forma independiente, sin memoria de sesiones anteriores.
- Ninguna extracción de datos de entrenamiento. Tu audio y tus transcripciones no se usan para entrenar ni ajustar ningún modelo.
- Ningún perfil de comportamiento a partir del dictado. No analizamos patrones de vocabulario, distribución de temas ni estilo de habla entre sesiones para crear un perfil de tus intereses o de tu identidad.
- Retención de audio cero. El audio se procesa en servidores operados por Verity y se descarta inmediatamente después de la transcripción — nunca se almacena, nunca se envía a un proveedor de IA externo y nunca se usa para entrenar modelos.
Procesamiento transparente y rendición de cuentas
Cuando una política de privacidad dice “podemos compartir datos con proveedores de servicios externos”, es casi imposible evaluar el riesgo real. La vaguedad es el problema.
Verity aborda esta preocupación publicando detalles concretos: la conversión de voz a texto y el pulido con IA se ejecutan en infraestructura que aprovisionamos y controlamos, el audio se descarta inmediatamente después de la transcripción y no hay ninguna API de IA externa en el camino. El cómputo subyacente se alquila a AWS — ellos suministran los servidores, no el software, y no acceden a los datos de forma independiente de nosotros. Publicamos exactamente cómo fluye el audio por el pipeline y cuál es nuestra postura de retención en cada etapa. Ningún servicio externo recibe audio ni datos de transcripciones.
Arquitectura de cumplimiento del RGPD
El pipeline de Verity está diseñado tomando el principio de minimización de datos del RGPD como una restricción, no como algo secundario. En concreto:
- Minimización de datos. El audio se procesa y se descarta. Los únicos datos personales que se conservan son el texto cifrado de las transcripciones, que es lo mínimo necesario para que el producto funcione.
- Procesamiento sin retención. El audio se procesa en infraestructura operada por Verity y se descarta inmediatamente después de la transcripción. Mantener la inferencia en casa elimina por completo la categoría de subencargados de IA de la superficie de riesgo.
- Derecho de supresión. Eliminar la cuenta desencadena la eliminación de todos los registros de transcripciones cifradas y del material de clave. Después de la eliminación, no hay forma de recuperar el contenido de las transcripciones — el texto cifrado queda huérfano.
- Residencia de datos. Los servidores de Verity están en Estados Unidos. Las transferencias desde la UE/EEE y el Reino Unido se basan en las Cláusulas Contractuales Tipo de la Comisión Europea, y la lista completa de subencargados está en nuestra política de privacidad. Preferimos decir claramente dónde están tus datos hoy que dar a entender otra cosa.
Dónde se ejecutan realmente los modelos
La conversión de voz a texto y el pulido con IA se ejecutan en infraestructura que Verity aprovisiona y opera. Los modelos son versiones de pesos abiertos que alojamos nosotros mismos — descargamos los pesos y los servimos desde nuestros propios servidores de inferencia. Esa distinción importa: ejecutar un modelo que publicó un laboratorio no es lo mismo que llamar a la API de ese laboratorio.
El cómputo subyacente se alquila a AWS, que es la forma honesta de decirlo — no somos dueños de centros de datos. AWS suministra servidores, almacenamiento y red; no ejecuta los modelos y no accede a tus datos de forma independiente de nosotros. Es una frontera de confianza muy distinta a entregar audio a un proveedor de IA cuyo modelo de negocio depende de los datos.
En escritorio, Verity también ofrece un modo de procesamiento local — el reconocimiento de voz se ejecuta por completo en tu equipo, sin que ningún audio salga de tu dispositivo. Es opcional y está pensado sobre todo para quienes necesitan funcionar totalmente sin conexión o tienen requisitos estrictos de residencia de datos.
Evalúalo por tu cuenta
Te invitamos a examinarlo a fondo. La página de funciones de privacidad detalla nuestras prácticas de datos. La política de privacidad está escrita en lenguaje claro, no en jerga legal diseñada para confundir. Y nuestra página de confianza explica la arquitectura técnica con más detalle.
Si eres ingeniero de seguridad y estás evaluando Verity para un entorno regulado, con gusto responderemos preguntas sobre nuestro programa de seguridad o hablaremos de requisitos de cumplimiento específicos. El objetivo de publicar este nivel de detalle es facilitar esa conversación, no evitarla. Para una vista por plataforma, mira cómo se compara con el dictado integrado en iPhone y Windows.