Muesli lanza una aplicación nativa para macOS para transcripción de reuniones con enfoque local

Muesli es una aplicación nativa para macOS diseñada para proporcionar dictado y transcripción de reuniones con enfoque local por defecto, optimizada específicamente para el hardware Apple Silicon. Al priorizar el procesamiento en el dispositivo, la herramienta busca ofrecer una alternativa privada a servicios como Granola, WisprFlow y Littlebird, donde los datos de audio suelen procesarse en la nube.

Arquitectura centrada en la privacidad

La filosofía de diseño central de Muesli se basa en mantener los datos locales. El reconocimiento de voz a texto se ejecuta en la Mac del usuario por defecto, y la aplicación solo envía contenido a proveedores alojados si el usuario opta explícitamente por funciones de IA específicas.

Esta imagen captura la filosofía central de la aplicación, que prioriza el procesamiento local para garantizar la privacidad del usuario.

Gráfico elaborado por HN Digest a partir de cifras de github.com; los valores se muestran como en la fuente.

Aunque la aplicación utiliza iCloud para sincronizar texto y metadatos entre dispositivos, está diseñada para nunca transferir archivos de audio. Esto garantiza que las grabaciones originales permanezcan en el dispositivo original mientras el texto procesado sigue siendo accesible.

Para la transcripción de reuniones, la aplicación captura tanto el audio del micrófono como el del sistema con etiquetas de hablantes. También admite la importación de archivos existentes en formatos como MP3, MP4 y WAV para su retrascripción.

Flexibilidad y personalización de modelos

La aplicación admite una gama diversa de modelos de transcripción, permitiendo a los usuarios elegir el que mejor se adapte a sus necesidades. Las opciones incluyen Apple Speech, Parakeet (Unified, v2, v3, Redux y Realtime EOU), Nemotron 3.5 y SenseVoice.

Los usuarios también pueden personalizar su experiencia añadiendo términos técnicos, nombres y pares de reemplazo a un diccionario personal. Este diccionario puede importarse o exportarse como un archivo JSON para su uso en toda la aplicación y su interfaz de línea de comandos.

Para aquellos que prefieren proveedores de IA específicos, Muesli permite la integración con OpenAI, Anthropic, OpenRouter y motores de inferencia locales como Ollama o LM Studio.

Gestión de reuniones e integración de agentes

Más allá de la simple transcripción, Muesli proporciona herramientas para convertir las reuniones en elementos accionables. Incluye plantillas para resumir reuniones y un espacio de trabajo 'Ask Meetings' donde los usuarios pueden consultar su historial usando el símbolo '@' para adjuntar reuniones específicas.

Esta imagen ilustra la interfaz de usuario principal de la aplicación Muesli, mostrando cómo los usuarios interactúan con sus transcripciones guardadas y carpetas de reuniones.

El proyecto también incluye una interfaz de línea de comandos (CLI) que funciona con agentes de codificación como Claude Code o Codex. Esto permite que los agentes con acceso a la shell local analicen las transcripciones y realicen tareas como encontrar reuniones o transcribir archivos directamente.

Funciones experimentales como 'Time Turner' permiten a los usuarios buscar en el historial local de la pantalla por texto o aplicación, mientras que 'Cotypist' proporciona sugerencias de escritura en línea en el dispositivo basadas en la fuente de entrada del usuario.

Requisitos de hardware y limitaciones

Muesli requiere una Mac con Apple Silicon ejecutando macOS 14.2 o posterior. Debido a que muchos modelos se ejecutan localmente, la aplicación proporciona indicadores de progreso para mostrar cuándo los modelos se están preparando antes de que comience una grabación.

Si bien el procesamiento local mejora la privacidad, puede consumir muchos recursos. Algunas funciones, como el chat 'Ask Meetings' y ciertos pasos de resumen, pueden consumir recursos significativos del sistema dependiendo del modelo seleccionado.

La fuente no proporciona puntos de referencia de rendimiento específicos que comparen la precisión o la latencia de los modelos locales de Muesli con sus competidores basados en la nube, dejando la elección entre la privacidad local y el rendimiento en la nube como una decisión del usuario.

Stack tecnológico

La aplicación está construida utilizando Swift, AppKit y SwiftUI. Para la inferencia local, utiliza una variedad de entornos de ejecución que incluyen CoreML, Apple Neural Engine, MLX Swift y llama.cpp.

El procesamiento de audio se gestiona a través de taps de proceso de CoreAudio y ScreenCaptureKit, utilizando Silero VAD y diarización pyannote para la detección de actividad de voz e identificación de hablantes.