Sé de los primeros cuando Gaavala llegue a la Chrome Web Store. Unirse a la lista

Cómo protege Gaavala el audio de tus reuniones: una arquitectura que prioriza la privacidad

Gaavala envía el audio en directo del navegador a Soniox para transcribirlo y traducirlo. Su backend gestiona cuentas, suscripciones y otros datos declarados, pero no retransmite ese audio. El historial de transcripciones permanece siete días en tu dispositivo. Esta guía explica los flujos separados y cómo inspeccionarlos.

El principio de privacidad de fondo

La mayoría de las herramientas SaaS de traducción sigue un flujo de datos conocido:

1. Tu navegador captura el audio de la reunión
2. El audio se sube al backend del proveedor
3. El backend del proveedor hace de proxy del audio hacia un motor de voz a texto
4. Las transcripciones vuelven a través del backend del proveedor
5. Los servidores del proveedor a menudo registran, cachean o retienen el audio por el camino

Cada salto de esa cadena es una frontera de confianza. Cada salto es un lugar donde un fallo de registro, una filtración de credenciales, una citación judicial o un ingeniero deshonesto podría exponer el contenido de tu reunión. Cuantas más partes tocan el audio, más difícil es demostrarle a un auditor que nadie lo retuvo.

Gaavala elimina el paso de proxy por completo. El flujo de datos es:

1. Tu navegador captura el audio de la reunión desde la pestaña
2. Tu navegador abre un WebSocket directo a Soniox
3. El audio se transmite directamente por ese WebSocket
4. Soniox devuelve las transcripciones directamente a tu navegador
5. El backend de Gaavala no interviene en ningún momento

La extensión de Chrome que se ejecuta en tu máquina es la única pieza de nuestro código que llega a tocar el audio de tu reunión — y no nos envía ese audio.

Por qué elegimos esta arquitectura

Cuando reconstruimos Gaavala como extensión de Chrome, tomamos una decisión arquitectónica deliberada: la extensión autenticaría a los usuarios a través de nuestro backend, gestionaría el estado de la suscripción y serviría metadatos — pero nunca estaría en la ruta del audio. El razonamiento era sencillo:

• Evitar que el audio pase por el backend de Gaavala reduce una ruta de procesamiento; no elimina la necesidad de evaluar el servicio, Soniox, los permisos del navegador y las transcripciones locales. También deben revisarse los flujos de cuenta, facturación, muestra de voz y diagnóstico.
• Radio de impacto de una brecha: una brecha en un servidor que procesa audio es fundamentalmente peor que una brecha en un servidor que procesa metadatos de texto. Preferimos que nuestros sistemas más sensibles manejen los datos menos sensibles.
• Latencia: cada salto de proxy agrega tiempo de ida y vuelta. La transmisión directa del navegador a Soniox elimina un salto entero, lo que nos da una latencia de subtítulos notablemente mejor.
• Costos alineados con la privacidad: operar nuestro propio proxy de audio significaría pagar ancho de banda y cómputo en cada reunión. No operarlo ahorra dinero y protege a los clientes. Cuando los incentivos están alineados, la arquitectura tiende a mantenerse honesta.

El flujo de datos en detalle

Veamos qué ocurre realmente cuando inicias la transcripción en una reunión.

Paso 1: autenticación

La primera vez que inicias sesión en Gaavala, la extensión usa la API chrome.identity.launchWebAuthFlow de Chrome para completar un flujo OAuth Authorization Code con Google o con Microsoft. El proveedor de identidad devuelve un código de autorización a tu navegador, que la extensión intercambia con nuestro backend por un JWT de sesión de Gaavala. Ese JWT se guarda en chrome.storage.local y sirve para autenticar las siguientes llamadas a nuestra API.

Nada de esto maneja audio. El flujo OAuth es solo texto — tokens, claims, campos de perfil.

Paso 2: clave temporal de Soniox

Cuando haces clic en "Start" en una reunión, la extensión llama a la API de nuestro backend para pedir una clave temporal de Soniox de corta duración. Esta clave tiene tres propiedades importantes:

• Está limitada únicamente a voz a texto — a nada más de la superficie de la API de Soniox
• Caduca en minutos, no en días
• Se emite una vez por sesión y no se persiste en tu dispositivo

El patrón de clave temporal es crítico para la historia de privacidad. Si Gaavala distribuyera una clave de API de Soniox de larga duración dentro del paquete de la extensión, cualquiera podría extraerla. En su lugar, emitimos claves desechables que se acuñan bajo demanda, quedan ligadas a tu sesión autenticada y se invalidan poco después de que la sesión termine.

Nuestro backend registra solo los metadatos de esa petición — qué usuario, a qué hora, con qué nivel de plan. No ve ningún audio porque todavía no se ha capturado audio alguno.

Paso 3: captura del audio de la pestaña

Te unes a tu llamada de Microsoft Teams, Zoom, Google Meet o Webex en una pestaña de Chrome. La extensión de Gaavala abre el panel lateral y te pide iniciar la captura de audio. Cuando confirmas, la extensión usa la API tabCapture de Chrome — una API exclusiva de extensiones que permite capturar el audio de la pestaña activa con permiso explícito del usuario y un indicador visible.

Chrome dirige el audio capturado a un documento offscreen que Gaavala ejecuta en segundo plano. El documento offscreen es una página aislada que la extensión puede usar para procesar audio sin mantener interfaz visible. Dentro de ese documento offscreen, Gaavala abre un MediaStream, lo conecta a un AudioContext y lo prepara para la transmisión.

Es fundamental que el audio pase además por un grafo de audio local que devuelve el sonido a tus altavoces. Eso significa que sigues oyendo la reunión con normalidad mientras Gaavala la captura — nada se silencia ni se redirige.

Paso 4: WebSocket directo a Soniox

El documento offscreen abre entonces una conexión WebSocket directamente a Soniox. Esta conexión:

• Usa TLS 1.2 o superior
• Se autentica con la clave temporal de corta duración del paso 2
• Se origina en la pila de red de tu navegador — los paquetes van de tu sistema operativo a Soniox, no a Gaavala

Los fotogramas de audio capturados de la pestaña se codifican como PCM y se envían por el WebSocket. Soniox los procesa en tiempo real y devuelve tokens de transcripción por la misma conexión. Esos tokens — fragmentos de texto con marca de tiempo y etiquetas de hablante — llegan directamente al documento offscreen, que los reenvía al panel lateral para mostrarlos.

En ningún punto de todo ese bucle llega un paquete de audio de la reunión a un servidor operado por Gaavala. Puedes verificarlo tú mismo con Chrome DevTools: abre la pestaña Network con el filtro WS activo mientras Gaavala está en marcha y verás exactamente un WebSocket — hacia un host de soniox.com — y cero tráfico saliente hacia gaavala.com que contenga audio de la reunión.

Paso 5: visualización de la transcripción y resumen opcional

Los subtítulos aparecen en el panel lateral y la superposición de la reunión. El historial también se guarda durante siete días en la base de datos local de la extensión, con opciones de exportación y eliminación. Es texto local, no una grabación de audio ni un archivo en la nube.

Cuando pides un resumen de IA al final de una reunión, el resumen se genera íntegramente en tu dispositivo mediante la IA integrada de Chrome (Gemini Nano). El texto de la transcripción nunca sale de tu máquina — no se envía al backend de Gaavala ni a ningún tercero. El contenido de la reunión, sea audio o texto, no cruza en absoluto el backend de Gaavala; lo que sí lo cruza se detalla en la sección siguiente.

Qué datos ven los servidores de Gaavala

Estos son los principales tipos de datos que maneja nuestro backend, en todas las funciones:

Y esta es la lista exacta de datos que nuestro backend no ve:

• Audio de reunión en bruto (en cualquier formato, en cualquier momento)
• Flujos comprimidos de audio de reunión
• Búferes de audio de reunión o representaciones intermedias
• Datos biométricos de voz de tus reuniones (la única grabación de voz que conservamos es la muestra del clon de voz de Pro indicada arriba, y solo si la grabas)
• Identidad de los hablantes más allá de los identificadores anónimos que asigna Soniox
• Texto de la transcripción — los resúmenes se generan en el dispositivo; las transcripciones nunca salen de tu máquina

Si un tribunal requiriera a Gaavala el audio de una reunión concreta, la respuesta técnicamente veraz sería que no lo tenemos y que no podemos recuperarlo. Nunca existió en nuestros sistemas.

En las llamadas habituales con clientes, tu propio clon de voz puede dar una voz familiar a Speak Mode; allí se explican la grabación y la eliminación.

Los controles y límites de las respuestas solo por texto están en la guía de accesibilidad.

Audítalo tú mismo

Una de las ventajas de funcionar como extensión de Chrome es que todo el runtime es inspeccionable. Tu equipo de IT puede verificar nuestras afirmaciones de privacidad sin creerse una sola palabra de este artículo:

Método 1 — inspección de red. Abre chrome://extensions, localiza Gaavala y haz clic en "service worker" o en "inspect views > background page". En DevTools, ve a la pestaña Network y filtra por WS (WebSocket). Inicia una reunión. Verás exactamente un WebSocket abierto, hacia un host de soniox.com. Ningún audio de la reunión va a gaavala.com.

Método 2 — inspección del manifiesto. En chrome://extensions, despliega "Details" en Gaavala y revisa los permisos. Los host_permissions declaran exactamente a qué orígenes puede llegar la extensión. Verás endpoints de Soniox para la transmisión y endpoints de Gaavala para autenticación y suscripción. No hay permiso de host comodín ni acceso de red no declarado.

Método 3 — inspección del código en ejecución. La extensión incluye un service worker, un documento offscreen, un panel lateral y content scripts. Chrome expone todos ellos para su inspección mediante las herramientas de desarrollo. Tu equipo de seguridad puede engancharse a la background page o al documento offscreen en cualquier momento y leer el estado en ejecución — incluida la confirmación de que el objeto del stream de audio nunca se serializa hacia un fetch o un XHR dirigido a nuestro dominio.

Publicamos el manifiesto y los permisos de host como parte de la ficha de la Chrome Web Store, y damos la bienvenida a revisiones de seguridad de terceros.

Correspondencia con los marcos de cumplimiento

GDPR y minimización de datos

El artículo 5(1)(c) del GDPR establece el principio de minimización de datos: los datos personales deben ser "adecuados, pertinentes y limitados a lo necesario". La voz es un dato personal bajo el GDPR, y un dato biométrico si se usa para identificar.

La revisión de minimización debe distinguir el audio enviado a Soniox, los datos de cuenta y la muestra opcional de voz procesados por Gaavala, y el texto local. Esas rutas siguen formando parte de la evaluación sin un servidor intermediario de audio.

Soniox sigue estando dentro de tu cadena de cumplimiento, como el proveedor de servicios de voz que contrata Gaavala: Gaavala es titular de la cuenta de Soniox y emite la clave de corta duración con la que se conecta tu navegador, y nuestra Política de Privacidad nombra a Soniox entre los terceros con los que compartimos datos. Por tanto, una DPIA cubre a Soniox como parte del servicio de Gaavala, no como un proveedor que contrates tú mismo.

HIPAA y audio que contiene PHI

Según la guía de HHS sobre business associates, un proveedor que maneja información de salud protegida electrónica (ePHI) por cuenta de una entidad sujeta a HIPAA o de otro business associate puede tener esa condición. Cuando existe esa relación, se requieren disposiciones BAA adecuadas. La guía de HHS sobre servicios en la nube explica su aplicación a estos servicios. Evalúa el servicio concreto, los flujos de datos y los acuerdos.

El backend de Gaavala nunca recibe el audio de la reunión, así que la PHI que se pronuncia en una reunión nunca se almacena en los servidores de Gaavala. Aun así, el audio de la reunión se transmite a Soniox, el proveedor de servicios de voz que contrata Gaavala, que lo procesa allí; por eso una evaluación HIPAA tiene que cubrir esa ruta como parte del servicio de Gaavala — no es una relación solo entre tú y Soniox. Si generas resúmenes de IA, se producen en el dispositivo mediante la IA integrada de Chrome — el texto de la transcripción se queda en tu máquina, así que la función de resumen no agrega ni los servidores de Gaavala ni otro proveedor a la cadena de tratamiento de PHI.

Riesgo de proveedores en SOC 2

El criterio CC9.2 de los Trust Services Criteria de AICPA aborda la evaluación y gestión de los riesgos asociados con proveedores y socios comerciales. La evaluación depende del sistema, los servicios y los compromisos definidos, así como del papel del proveedor dentro de ese alcance.

En la arquitectura de Gaavala, tu navegador se conecta directamente a Soniox, pero la relación con el proveedor pasa por Gaavala: Gaavala es titular de la cuenta de Soniox, así que tu registro de riesgo de proveedores incluye a Soniox como subencargado de Gaavala para el reconocimiento de voz, no como un proveedor que contrates tú mismo. Lo que la conexión directa reduce es la huella propia de Gaavala: nuestros servidores gestionan datos de cuenta como la identidad, la facturación y el uso, además de la muestra del clon de voz de un usuario Pro si la ha grabado — no el audio de las reuniones, y tampoco el texto de la transcripción ni del resumen, que nunca sale de la máquina del usuario.

Por qué importa el formato de extensión de Chrome

Buena parte de las garantías de privacidad anteriores depende de que Gaavala funcione como extensión de Chrome con un patrón de red directo al proveedor. Consideramos, y descartamos, varias alternativas:

• Proxy de audio en el servidor: sencillo de implementar, pero nos obligaría a manejar el audio de todos los clientes en nuestra propia infraestructura. Eso es justo lo que queríamos evitar de forma explícita.
• Aplicación web con STT integrado: capturar el audio de una pestaña desde una página web requiere getDisplayMedia, que muestra al usuario un selector a nivel de sistema operativo en cada sesión y ata la captura a la pestaña que elija. Peor aún: no hay forma confiable de que una página web mantenga un stream de audio en segundo plano mientras el usuario interactúa con otras pestañas.
• Aplicación nativa de escritorio: nos daría más control, pero agregaría fricción de instalación, costos de firma y una carga de desarrollo específica por sistema operativo. Y aun así no eliminaría nuestro papel como procesador del audio salvo que fuéramos muy cuidadosos — lo que significa que reinventaríamos exactamente los mismos problemas.

El formato de extensión de Chrome fue el único que permitió la arquitectura de privacidad que queríamos. tabCapture, los documentos offscreen y el modelo de service worker de Manifest V3 permiten juntos que la extensión capture el audio de las reuniones en la máquina del usuario, lo transmita por una conexión directa al motor de voz a texto y mantenga el estado en segundo plano que exigen las reuniones largas — sin enrutar el audio de las reuniones a través de nosotros.

Lo que todavía tenemos que hacer bien

La arquitectura de privacidad no termina en "no tocamos el audio de las reuniones". Hay preocupaciones adyacentes que también nos tomamos en serio:

• Acuñación de claves temporales: las claves de Soniox de corta duración que acuñamos podrían usarse de forma abusiva si nuestro backend las acuñara para un atacante. Autenticamos cada petición con tu JWT, limitamos la tasa de emisión de claves y registramos las anomalías.
• Actualizaciones de la extensión: una versión actualizada de la extensión podría, en teoría, cambiar el patrón de red. Versionamos el manifiesto, publicamos changelogs y la Chrome Web Store muestra cualquier permiso nuevo antes de que se instale una actualización.
• Texto del resumen: los resúmenes se generan íntegramente en el dispositivo mediante la IA integrada de Chrome (Gemini Nano), así que la transcripción nunca llega a nuestro backend — este riesgo no existe en la arquitectura actual. Si incluso el procesamiento local de IA es más de lo que una reunión concreta puede tolerar, basta con no usar la función de resumen; nada más depende de ella.
• Muestra de referencia del clon de voz (Pro): si creas un clon personal de tu voz, tu muestra de dos minutos se guarda cifrada (AES-256-GCM) en los servidores de Gaavala, se usa únicamente para construir tu voz y se elimina cuando lo pides — consulta la Política de Privacidad.
• Requerimientos legales: nos comprometemos públicamente a responder a requerimientos legales solo con los datos que realmente tenemos. En el caso del audio de las reuniones, la respuesta siempre será "no lo tenemos".

Comparación con otras herramientas de traducción de reuniones

Compara por separado quién recibe el audio, dónde y cuánto tiempo se guarda el texto y si se usa para entrenar modelos. Gaavala envía el audio a Soniox y guarda el historial local siete días; eso no establece la política de otros productos.

Zoom afirma que no utiliza las comunicaciones de sus clientes para entrenar modelos de IA propios ni de terceros. Revisa por separado la retención, las funciones activadas y los ajustes de tu organización: entrenamiento y almacenamiento son cuestiones distintas.

La privacidad es el valor por defecto, no un nivel de pago

El nivel gratuito de Gaavala te da la misma arquitectura directa a Soniox, la misma diarización de hablantes, la misma cobertura de 60 idiomas. Pro desbloquea 120 minutos al día, Speak Mode y la clonación de voz — no la privacidad. No creemos que los usuarios preocupados por su privacidad deban pagar más para mantener sus datos a salvo.

Si tu organización ha rechazado hasta ahora las herramientas de traducción de reuniones porque el equipo de cumplimiento no aceptaba que los servidores del fabricante de una herramienta se interpusieran entre tus reuniones y el motor de voz a texto, Gaavala está pensado precisamente para ese caso. La canalización está diseñada para que tus equipos legales, de seguridad y de cumplimiento tengan menos que revisar, no más.

Unirse a la lista

Prueba gratuita única: 5 minutos de transcripción, nunca se reinicia. Sin tarjeta de crédito. Sin registro en el sitio web.

Artículos relacionados

• Cómo traducir una reunión de Zoom con la extensión de Gaavala
• Cómo traducir una reunión de Microsoft Teams