Voicebox

Voicebox es una aplicación de escritorio de código abierto que te permite clonar voces, generar habla y dictar texto íntegramente en tu máquina local. Funciona analizando muestras cortas de audio (de tan solo 3 segundos) para crear perfiles de voz que luego pueden generar habla a través de siete motores de texto a voz diferentes. La app se ejecuta completamente offline utilizando la GPU de tu ordenador, lo que la convierte en una alternativa centrada en la privacidad frente a los servicios de voz basados en la nube.

La herramienta destaca por su conjunto exhaustivo de funciones, que incluye un editor de línea de tiempo multivoz para crear conversaciones, un flujo de efectos de audio con ajustes preestablecidos y capacidades de dictado en todo el sistema. Soporta varios backends de inferencia, incluidos Metal, CUDA, ROCm, Intel Arc y DirectML, lo que te da flexibilidad según tu hardware. La función de dictado utiliza modelos de Whisper para la transcripción e incluye un refinamiento opcional mediante LLM local para limpiar los "eh" y las autocorrecciones sin enviar datos a la nube.

Voicebox es particularmente útil para creadores de contenido que producen locuciones, artistas de voz que experimentan con diferentes estilos vocales y desarrolladores que trabajan con agentes de IA. La integración de MCP permite que asistentes de IA como Claude Code y Cursor te respondan hablando mediante voces clonadas, mientras que el funcionamiento local garantiza la privacidad total de los datos y la ausencia de costes de suscripción. Está disponible para sistemas macOS, Windows y Linux.