Skip to content

Reseña de Voicebox

Voicebox es un estudio de voz de escritorio gratuito y de código abierto (MIT) para Mac y Windows: clone una voz a partir de unos segundos de audio, genere voz con varios motores TTS locales, dicte en cualquier lugar y dé voz a los agentes de IA mediante MCP.

Plan gratuito · desde $12 · API

Veredicto de Stork sobre Voicebox

Voicebox es un generoso sustituto gratuito de las aplicaciones de pago de clonación y dictado si dispone del disco y la GPU necesarios para los modelos locales, y los usuarios de Mac obtienen la versión más completa.

Voicebox reviewed by Stork AI · stork.ai/es/voicebox

stork
Soy una sola imagen fija.
Una frase escrita. Este clip costó $0.05, el mínimo por video.
Haz hablar una foto por $0.20 el minuto.
Sube una foto y escribe el texto. Sin suscripción. Un video gratis al día.
Haz uno gratisDesarrolladores: hay una API

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.

Precios de Voicebox

La aplicación de escritorio es gratuita y tiene licencia MIT. Los planes de pago en la nube están anunciados, pero aún no están disponibles:

PlanPrecioEstadoIncluye
Local$0Disponible ahoraClonación de voz en todos los motores, dictado y captura, integración MCP/agentes, generaciones locales ilimitadas; sin cuenta
Cloud$12/año (precio de lanzamiento)PróximamenteTodo lo de Local, más copia de seguridad cifrada de extremo a extremo, sincronización entre escritorio y móvil, 25 GB de almacenamiento, hasta 5 dispositivos, historial de versiones de 30 días
Studio$48/añoPróximamenteTodo lo de Cloud, más 250 GB de almacenamiento, dispositivos ilimitados, historial de versiones de 1 año, soporte prioritario

Voicebox indica que los precios y límites de la nube no son definitivos y se confirmarán en el lanzamiento, y etiqueta el precio de Studio como "TBD". No hay claves de API, límites de uso ni tarifas por carácter para el uso local. Su coste real es el hardware y el disco: los modelos se descargan por separado, y una reseña de terceros midió aproximadamente entre 15 y 20 GB para instalar todos los motores.

Precios consultados en la página de precios del proveedor el 10 de noviembre de 2026. Consulte Voicebox pricing.

Funciones principales

Lo que Voicebox indica en su sitio web y en su README:

  • Clonación de voz a partir de unos 3 segundos de audio, desde archivos, micrófono o audio del sistema
  • Varios motores TTS locales intercambiables, entre ellos Qwen3-TTS, Chatterbox, TADA y Kokoro
  • Hasta 50,000 caracteres por generación con división automática en fragmentos
  • Dictado global con pulsar para hablar con Whisper (99 idiomas) y limpieza local opcional
  • Herramienta MCP voicebox.speak y API REST local para agentes y scripts
  • Editor de línea de tiempo Stories y una cadena de efectos de audio con preajustes
  • Aplicación de escritorio nativa Tauri (Rust) para macOS y Windows; Linux desde el código fuente o Docker

Para quién es más adecuado Voicebox

Voicebox es adecuado para creadores y desarrolladores que desean clonación de voz, TTS y dictado sin suscripción ni enviar audio a la nube, especialmente usuarios de Mac (donde funciona el dictado con pegado automático) y quienes integran una voz en Claude Code o Cursor mediante MCP.

Si necesita una API alojada, TTS en streaming o amplias bibliotecas de voces comerciales, ElevenLabs es el estándar de pago. Para el dictado por sí solo, Wispr Flow y Superwhisper están más especializados. Los usuarios de Windows y Linux deben tener en cuenta que, por ahora, el pegado automático del dictado solo funciona en macOS.

Qué dicen los usuarios

Una reseña de la v0.5.0 de Andrew Ooo describe Voicebox como una sólida alternativa local y gratuita a ElevenLabs y Wispr Flow, y elogia la variedad de motores, la clonación, el dictado global y el servidor MCP integrado en una aplicación de unos 80 MB. Señala unas necesidades de recursos elevadas según el motor (desde aproximadamente 1 GB de VRAM para LuxTTS hasta alrededor de 10 GB para TADA 3B en su Mac), la ausencia de TTS en streaming por ahora, la falta de binarios precompilados para Linux, el pegado automático solo en macOS y que los informes de errores se canalizan por Discord en lugar de por issues de GitHub. El repositorio de GitHub muestra unas 60,000 estrellas. No encontramos ninguna prueba comparativa independiente de la calidad de la clonación.

Ventajas

  • Gratuito y con licencia MIT; sin cuenta, claves ni tarifas por carácter
  • Clonación, TTS y dictado en una sola aplicación de escritorio
  • Posibilidad de elegir entre varios motores TTS abiertos en cada generación
  • El servidor MCP integrado da voz a los agentes de programación
  • El audio permanece en su equipo

Desventajas

  • Las descargas de modelos son grandes; todos los motores ocupan aproximadamente entre 15 y 20 GB
  • No hay binario precompilado para Linux; el pegado automático del dictado solo funciona en macOS
  • Aún no hay TTS en streaming, según una reseña de la v0.5.0
  • Los planes de copia de seguridad y sincronización en la nube no se han lanzado

Preguntas frecuentes

¿Es Voicebox gratuito?

Sí. El plan Local es gratuito, con generaciones locales ilimitadas y sin cuenta. Los planes de pago Cloud ($12/año, precio de lanzamiento) y Studio ($48/año) para copia de seguridad y sincronización figuran como próximamente.

¿Es Voicebox una alternativa a ElevenLabs?

Se presenta como tal: la clonación de voz y el TTS se ejecutan en su propio equipo con modelos abiertos, sin tarifas por carácter. No ofrece la API alojada ni el mercado de voces de ElevenLabs.

¿Funciona Voicebox en Windows y Linux?

Windows dispone de un instalador MSI con aceleración CUDA o DirectML. Linux aún no tiene un binario precompilado; hay que compilarlo desde el código fuente o ejecutarlo en Docker.

¿Cuánto audio necesita Voicebox para clonar una voz?

El sitio indica unos 3 segundos. Las muestras pueden ser archivos subidos (WAV, MP3, FLAC, WebM), una grabación de micrófono de hasta 30 segundos o audio del sistema capturado.

¿Qué idiomas admite Voicebox?

La generación de voz abarca de 10 a 23 idiomas según el motor (23 con Chatterbox). El dictado utiliza Whisper, que cubre 99 idiomas.

¿Pueden los agentes de IA usar Voicebox?

Sí. Ejecuta un servidor MCP en http://127.0.0.1:17493/mcp con una herramienta voicebox.speak; el sitio menciona Claude Code, Cursor y Cline. Un endpoint POST /speak atiende a las herramientas que no usan MCP.

Comparar alternativas

Voicebox

Plan gratuito · desde $12 · API

Del blog de Stork

¿Te está gustando? Recibe uno así en tu bandeja cada mañana.

un correo al día · date de baja en dos clics · sin rastreadores de terceros