Todas las herramientas de dictado que probamos tenían el mismo problema: querían nuestro audio. No solo para transcribir, sino para entrenar. Para construir modelos de voz. Para mejorar la «calidad del producto». Las políticas de privacidad eran técnicamente correctas, pero deliberadamente vagas. Los datos iban a algún lado. Simplemente no podíamos saber adónde, por cuánto tiempo ni para qué se usaban.
Para un uso casual, quizá sea un intercambio aceptable. Pero nosotros no usábamos estas herramientas de forma casual. Dictábamos documentos técnicos, análisis de seguridad, notas médicas, memorandos legales. El tipo de material en el que «tus datos pueden usarse para mejorar nuestros servicios» no es una nota al pie sin importancia: es motivo suficiente para descartarlas.
Así que creamos Verity.
El problema de las herramientas de voz actuales
La voz es íntima de una manera en que el texto escrito no lo es. Cuando hablas, dejas atrás más que palabras. El tono, el ritmo, el vocabulario, tu forma de expresarte bajo presión: todo eso queda capturado en un flujo de audio. Los datos de voz son datos biométricos. Una vez que alguien tiene un modelo de cómo hablas, ese modelo no caduca. No se borra cuando cierras tu cuenta.
Los grandes actores del dictado manejan esto de distintas maneras, y ninguna es del todo satisfactoria. Algunos ofrecen procesamiento en el dispositivo, pero lo combinan con productos en la nube que tienen las mismas preocupaciones de datos que todos los demás. Otros construyen perfiles de contexto detallados a partir de tus patrones de dictado: útiles para personalizar, pero te obligan a confiar ese perfil a un tercero. El dictado nativo de las plataformas se queda en el dispositivo para frases cortas, pero por defecto envía los dictados más largos a los servidores del proveedor.
Ninguno te dice exactamente qué sistemas de terceros tocan tu audio. Ninguno se compromete por contrato a cero retención, con encargados de tratamiento identificados. Ninguno publica su flujo de audio con suficiente detalle como para que un ingeniero de seguridad pueda evaluarlo.
Ese es el vacío que estamos llenando.
Qué hace diferente Verity
La arquitectura de Verity se construye en torno a una restricción: tu audio no es un recurso para explotar. Es una señal que se procesa y se descarta de inmediato.
En concreto, esto es lo que significa:
- Cero retención por diseño. Los búferes de audio se liberan en cuanto vuelve la transcripción. No se escriben en disco, no se ponen en cola para análisis posteriores ni se agrupan para entrenamientos. El audio es efímero: solo existe mientras dura la solicitud.
- Ningún proveedor de IA en el recorrido del audio. El audio se procesa en nuestro propio flujo de voz a texto, que ejecuta modelos de pesos abiertos alojados en infraestructura que nosotros aprovisionamos, con redundancia y conmutación automática por error. No hay ninguna API de IA de terceros en el recorrido en la que tengas que confiar o que debas auditar. La capacidad de cómputo se alquila a AWS, que suministra servidores y no software, y nunca accede a tus datos de forma independiente a nosotros. Consulta nuestro desglose completo de privacidad para ver la lista completa.
- Sin entrenamiento de modelos de voz. No creamos perfiles de voz. No usamos tu audio para mejorar la precisión del reconocimiento de voz para otros usuarios. Cada transcripción es independiente: no existe un modelo persistente de cómo hablas.
- Texto cifrado, no audio en bruto. Tu transcripción se cifra con AES-256-GCM usando una clave por usuario derivada mediante HKDF-SHA256 antes de llegar a nuestra base de datos. No podemos leer tus transcripciones sin tu clave.
El reconocimiento de voz se ejecuta en infraestructura operada por Verity. Los modelos son versiones de pesos abiertos que alojamos nosotros mismos, servidas desde nuestros propios servidores de inferencia en cómputo que aprovisionamos y controlamos: ejecutar un modelo publicado no es lo mismo que llamar a la API de otra empresa. Tu audio nunca se entrega a un proveedor de IA externo; se transcribe en nuestros propios servidores y se descarta de inmediato.
Por qué aquí importa la transparencia
Prometer privacidad sale barato. «Nos importa tu privacidad» aparece en los textos de marketing de productos que venden discretamente los datos de sus usuarios. No esperamos que nos creas solo porque lo decimos.
Así que, en lugar de pedirte confianza, publicamos detalles concretos. La página de privacidad nombra a cada encargado de tratamiento del recorrido del audio. Este blog documentará las decisiones de arquitectura a medida que las tomemos, incluidas las que sacrifican comodidad a cambio de privacidad, y por qué las tomamos así. La publicación sobre la arquitectura técnica explica, capa por capa, cómo viaja exactamente el audio desde tu micrófono hasta el texto en tu pantalla.
Si encuentras algo en nuestra arquitectura que te preocupe, queremos saberlo. El objetivo de publicar este nivel de detalle es invitar al escrutinio, no evitarlo.
Para quién es Verity
Creamos Verity para personas que tienen motivos para preocuparse por adónde van sus palabras:
- Desarrolladores e ingenieros que dictan documentación técnica o comentarios de código
- Profesionales de la salud que dictan notas clínicas bajo estrictos requisitos de confidencialidad
- Abogados y analistas que trabajan con material confidencial de clientes
- Cualquiera que dicte lo suficiente como para haber sentido esa inquietud particular de preguntarse dónde terminó su audio
Verity no pretende ser la herramienta de dictado para todo el mundo. Hay buenas opciones para usuarios que priorizan la personalización y la comodidad por encima de la privacidad. Nosotros somos la opción para quienes necesitan saber exactamente qué pasa con su audio y para quienes «confía en nosotros» no es una respuesta suficiente. ¿Listo para probarlo? Nuestra guía para principiantes te muestra cómo empezar.
Lo que viene
Estamos explorando compatibilidad especializada con vocabulario técnico: nombres de métodos, nombres de bibliotecas y jerga que los modelos generales de voz a texto manejan mal. Todo el reconocimiento de voz se ejecuta en la propia infraestructura de Verity con procesamiento de cero retención. Y estamos trabajando en perfiles por aplicación, para que el contexto de dictado en tu IDE sea distinto del de tu cliente de correo.
Priorizar la privacidad no significa tener pocas funciones. Significa que las funciones se construyen sobre una base que no te exige renunciar a algo que no puedes recuperar.
Verity es gratis durante el lanzamiento, con todas las funciones incluidas y sin tarjeta de crédito. Si trabajas con material sensible y usas una herramienta de voz que no puede decirte adónde va tu audio, vale la pena probar una que sí pueda.