Voces con IA, gratis y en tu ordenador
Clona cualquier voz con unos segundos de audio, inventa voces nuevas describiéndolas y genera locuciones en cualquier idioma para tus vídeos, anuncios o audiolibros. Dos apps gratuitas y de código abierto que funcionan en tu ordenador, y una web barata por si no tienes un buen PC.
- Escúchalo
- Las tres, de un vistazo
- Voicebox (gratis, la más fácil)
- VoiceStudio (gratis, con doblaje de vídeos)
- ai33 (de pago y barata, sin instalar nada)
- ¿Cuál elijo?
- Trucos para que suene natural
- Uso responsable y comercial
Escúchalo
Este audio está hecho con Qwen3-TTS, el modelo gratuito que usan Voicebox y VoiceStudio, en un PC con una tarjeta RTX 5060 Ti. La voz no existe: se creó solo describiéndola con texto («abuela española, dulce y cariñosa»).
Voz inventada a partir de una descripción.
Tiempos reales en esa gráfica: entre 10 y 25 segundos por frase. La primera vez se descarga el modelo (unos 4 GB).
Las tres, de un vistazo
| Voicebox | VoiceStudio | ai33 | |
|---|---|---|---|
| Precio | Gratis, sin límites | Gratis, sin límites | Desde 5 $/mes |
| Dónde funciona | En tu ordenador | En tu ordenador | En la web |
| Clonar voces | Sí, con unos segundos de audio | Sí | Sí, ilimitadas en el plan |
| Crear voces describiéndolas | Sí | Sí | Biblioteca de voces |
| Idiomas | Hasta 23 según el motor, español incluido | 646, español incluido | Los de ElevenLabs, Minimax, Fish y Vbee |
| Doblar vídeos | No | Sí | Sí |
| Extra | Dictado, editor de diálogos y MCP para Claude y Cursor | Audiolibros, transcripción, dictado y MCP | Música, efectos de sonido y separar la voz del fondo |
| Licencia | MIT | AGPL-3.0 | Servicio comercial |
| GitHub | 56.700 estrellas | 55.500 estrellas | No |
1. Voicebox gratiscódigo abierto · MIT
Un «estudio de voz» de escritorio. Clonas una voz con unos segundos de audio, escribes el texto y lo genera. Trae 8 motores de voz, un editor para montar diálogos con varias voces y dictado en cualquier programa. Todo pasa en tu ordenador: ni cuenta, ni clave, ni nada sube a internet.
Versión 0.5.0. Las descargas son las oficiales del proyecto en GitHub. En Linux se compila desde el código o se usa Docker.
Qué necesitas
| Equipo | Cómo va |
|---|---|
| Tarjeta NVIDIA | Lo mejor. La primera vez descarga unos 2 GB de librerías de NVIDIA, más los modelos (el de clonar, unos 4 GB). |
| Mac con chip M | Muy bien, usa la aceleración del Mac. |
| AMD, Intel Arc u otra gráfica en Windows | Funciona (DirectML, ROCm en Linux, Intel XPU). |
| Sin tarjeta gráfica | Funciona, pero más lento. Para eso está LuxTTS (solo inglés), un motor ligero pensado para ir rápido sin gráfica. |
Deja libres 10 GB de disco o más si vas a probar varios motores.
Instalarlo en Windows
- Pulsa Descargar para Windows y abre
Voicebox_0.5.0_x64-setup.exe. Si Windows avisa de que es un programa poco conocido, pulsa Más información → Ejecutar de todas formas. - Ábrelo. La primera vez te pedirá descargar el motor y, si tienes NVIDIA, las librerías CUDA. Déjalo terminar.
- Pulsa Create Voice para clonar o elige una de las voces de ejemplo.
Clonar una voz, paso a paso
- Create Voice: sube un audio, grábalo con el micro o captura el sonido del sistema. Valen unos segundos; con 10-20 segundos limpios sale mejor.
- En Reference Text escribe exactamente lo que se dice en ese audio, y elige el idioma.
- Ponle nombre y pulsa Create Profile.
- Escribe tu texto, elige el motor (Qwen3-TTS para español) y genera. Admite textos de hasta 50.000 caracteres: los corta solo por frases.
Los motores que trae
| Motor | Para qué | Idiomas |
|---|---|---|
| Qwen3-TTS | Clonar con calidad alta y dar instrucciones de entonación | 10, español incluido |
| Qwen VoiceDesign | Crear una voz describiéndola («narradora cálida de 30 años») | 10 |
| Qwen CustomVoice | 9 voces listas sin audio de referencia | 10 |
| Chatterbox Multilingual | El que más idiomas cubre | 23 |
| Chatterbox Turbo | Rápido, con risas, suspiros y otras etiquetas | Inglés |
| HumeAI TADA | Audios largos y coherentes (más de 10 minutos) | 10 |
| Kokoro | Muy ligero, con 50 voces de serie | 8 |
| LuxTTS | Ligero (unos 1 GB de memoria de vídeo), rápido sin gráfica | Inglés |
Extra: que Claude Code o Cursor hablen con tu voz
Voicebox abre un servidor MCP en tu ordenador mientras está abierto. Con Voicebox en marcha, en Claude Code:
claude mcp add --transport http voicebox http://127.0.0.1:17493/mcp
A partir de ahí puedes pedirle «léeme el resumen con la voz de Jack» y usará la herramienta voicebox_speak. También puede transcribir con voicebox_transcribe.
2. VoiceStudio gratiscódigo abierto · AGPL-3.0
La alternativa más completa a ElevenLabs en local: clonar y diseñar voces, doblar vídeos a otro idioma, audiolibros, transcripción y dictado, en 646 idiomas. Su motor principal es OmniVoice (de k2-fsa) y puedes cambiar a otros.
Versión 0.5.6 (23 de septiembre). Las descargas son las oficiales del proyecto en GitHub.
Qué necesitas
| Equipo | Cómo va |
|---|---|
| Tarjeta NVIDIA (Windows o Linux) | Lo mejor (CUDA). Desde la 0.5.6 hace audiolibros largos con gráficas de 8 GB. |
| Mac con chip M | Bien (Metal). |
| Sin tarjeta gráfica | Se puede usar, más lento. Necesita unos 5 GB de disco para la versión de procesador. |
| Mac Intel | Solo la interfaz: hay que conectarla a otro ordenador que haga el trabajo. |
| Windows con procesador ARM | Experimental, solo procesador. |
Instalarlo en Windows
- Pulsa Descargar para Windows y abre el
.exe. Los instaladores no están firmados, así que Windows avisará: Más información → Ejecutar de todas formas. - O, si prefieres un comando, en PowerShell:
irm https://voicestudio.sh/install | iex. - Ábrelo y descarga el modelo cuando te lo pida.
Qué puedes hacer
- Clonar: elige una voz o añade una grabación limpia de referencia, escribe el texto y pulsa Synthesize. Puedes cambiar o recortar la muestra después.
- Diseñar una voz nueva describiéndola.
- Doblar vídeos: MP4, MOV, MKV o WEBM, o un enlace de YouTube. Transcribe, traduce (con NLLB, sin internet) y genera el doblaje sincronizado con la voz original.
- Audiolibros y trabajos por lotes, transcripción y dictado.
- Conectarlo a Claude Code, Cursor o Codex, e incluso responder llamadas de teléfono con Twilio.
3. ai33 de pago · barata
Si tu ordenador no tiene una buena gráfica o no quieres instalar nada, ai33.pro (también llamada OpenSpeaker) es una web con las funciones típicas de ElevenLabs a un precio mucho más bajo: voz a partir de texto o de subtítulos (SRT), diálogos, clonar voces, doblaje automático, cambiador de voz, separar la voz del fondo, transcripción, música y efectos de sonido. Puedes elegir voces de ElevenLabs, Minimax, Fish y Vbee.
| Plan | Qué incluye |
|---|---|
| 5 $ al mes | 1.000.000 de créditos ≈ 1.700 minutos de texto a voz (según su web), clonaciones ilimitadas, tareas en paralelo y acceso por API. Cuantos más créditos compras, más barato sale. |
Pago con PayPal, tarjeta, USDT o transferencia (Wise).
Antes de pagar: no es gratis ni es de ElevenLabs. Es un servicio independiente que da acceso a esas voces a través de su web. Empieza con el plan más pequeño, pruébalo y no subas audios privados ni voces de otras personas sin permiso.
¿Cuál elijo?
- Quiero clonar mi voz y hacer locuciones gratis: Voicebox. Es la más fácil de instalar y usar.
- Quiero doblar mis vídeos a otros idiomas: VoiceStudio.
- Mi ordenador es antiguo o no tiene gráfica: ai33. O Voicebox con un motor ligero, si te basta con inglés.
- Quiero que Claude Code hable: Voicebox, con su MCP.
Trucos para que suene natural
- El audio de referencia manda: entre 10 y 20 segundos, sin música ni eco, hablando como quieres que suene (con energía, si es para vídeos).
- Escribe exactamente lo que se dice en la referencia. Si no coincide, la voz sale peor.
- Para otro idioma, usa la misma referencia: la voz se mantiene aunque cambie el idioma.
- Genera por frases cortas y repite solo la que no te guste. Usa puntos y comas para marcar las pausas.
- Los números y las siglas, mejor escritos como se leen («mil dólares», «i a»).
Uso responsable y comercial
Clona solo tu voz o la de alguien que te haya dado permiso. Imitar a otra persona sin su permiso puede ser ilegal (derecho a la propia imagen y voz) y las propias apps lo prohíben.
Si publicas contenido con voz de IA, avisa de que lo es: las redes lo piden para el contenido sintético realista.
Uso comercial: Voicebox es MIT y VoiceStudio es AGPL-3.0, pero cada modelo de voz tiene su propia licencia. Qwen3-TTS es Apache 2.0 y Chatterbox es MIT, así que los dos permiten uso comercial. Revisa la del motor que uses antes de vender algo con esas voces.
Esta página es de IA que trabaja y no tiene relación con los autores de Voicebox, VoiceStudio ni ai33. Datos revisados en octubre de 2026: versiones, precios y requisitos pueden cambiar; mira siempre la página oficial de cada uno.