Qué hace Voicebox
Voicebox es una aplicación de voz con IA de enfoque local que se presenta como una alternativa gratuita y de código abierto a ElevenLabs (salida de voz) y Wispr Flow (dictado) en una sola herramienta. Usted clona una voz a partir de unos 3 segundos de audio (un archivo WAV, MP3, FLAC o WebM subido, una grabación de micrófono de hasta 30 segundos o audio del sistema capturado) y después genera voz de hasta 50,000 caracteres por ejecución; el texto largo se divide en los límites de las frases y se une con crossfade. Puede cambiar de motor en cada generación: el sitio enumera Qwen3-TTS, Qwen CustomVoice, Chatterbox, Chatterbox Turbo, LuxTTS, TADA (Hume AI) y Kokoro, y el README añade Qwen VoiceDesign. La cobertura de idiomas depende del motor, desde 10 idiomas hasta 23 con Chatterbox. Un editor de línea de tiempo Stories gestiona narraciones con varias voces, y una cadena de efectos añade cambio de tono, reverberación, retardo y compresión.
Para la entrada de voz, mantenga pulsada una tecla de acceso rápido global, hable y suelte: Whisper (99 idiomas) transcribe y, en macOS, pega el texto en el campo activo, con una limpieza opcional de muletillas mediante un modelo local Qwen3. Para los agentes, cualquier cliente MCP (el sitio menciona Claude Code, Cursor y Cline) puede llamar a una herramienta voicebox.speak en 127.0.0.1:17493, y una API REST local expone la generación, los perfiles y el historial. Las descargas son un DMG para Macs con Apple Silicon e Intel y un MSI para Windows; los usuarios de Linux compilan desde el código fuente o usan Docker. La aceleración abarca Metal/MLX en Apple Silicon, CUDA, ROCm, Intel Arc y DirectML, o un equipo remoto.
