VoiceStudio: voces IA gratis y privadas directamente en tu ordenador
Crear una locución natural, clonar una voz o doblar un vídeo ya no obliga necesariamente a pagar una suscripción ni a subir grabaciones privadas a una nube. VoiceStudio reúne esas tareas en una aplicación gratuita y de código abierto que se ejecuta en tu propio ordenador. Su propuesta resulta especialmente atractiva para creadores, docentes, podcasters y pequeños estudios que producen mucho audio y quieren controlar tanto el coste como sus datos.

Qué es VoiceStudio y por qué se ha hecho tan popular
VoiceStudio se presenta en su repositorio oficial como una alternativa local a ElevenLabs. Desde una sola interfaz permite generar texto a voz, diseñar voces, clonarlas a partir de una muestra, transcribir audio, crear audiolibros y preparar doblajes. También ofrece una API local y compatibilidad con MCP para integrarlo en automatizaciones o agentes de IA.
El interés ha sido extraordinario: ha alcanzado unas 94.000 estrellas en GitHub en apenas seis meses y llegó a ser el repositorio número uno del día en GitHub Trending. Ese éxito no demuestra por sí solo que sea la mejor herramienta de voz, pero sí revela una demanda clara: mucha gente busca una alternativa sin cuotas por caracteres, minutos o créditos.
La aplicación no depende de un único modelo. Funciona como un estudio que permite instalar distintos motores de síntesis y reconocimiento, cada uno con fortalezas y requisitos diferentes. El proyecto anuncia cobertura de hasta 646 idiomas, aunque esa cifra no significa que todos ofrezcan la misma naturalidad. En español conviene probar varias voces y modelos antes de elegir uno para un trabajo largo. También puedes comparar versiones sin abandonar la aplicación, algo útil cuando una voz suena bien en narración pero pierde naturalidad en diálogos o textos emocionales.
Cómo funciona en tu ordenador
El texto, las muestras de voz y el audio generado se procesan localmente. VoiceStudio administra el entorno técnico, descarga los modelos que elijas y utiliza la CPU o, cuando es compatible, la tarjeta gráfica. La primera instalación ocupa varios gigabytes: la documentación recomienda reservar alrededor de 10 GB entre la aplicación, sus componentes y los pesos de los modelos.

Una GPU NVIDIA acelera los motores compatibles con CUDA, pero no es obligatoria. En un equipo sin gráfica dedicada puedes usar modelos ligeros como KittenTTS, Supertonic-3 o PocketTTS, aceptando tiempos de espera mayores. En Windows, las GPU AMD no aceleran todos los motores basados en PyTorch, aunque algunos componentes con Vulkan sí pueden aprovecharlas.
Cómo instalar VoiceStudio paso a paso
- Comprueba el espacio disponible. Reserva al menos 10 GB y, si vas a probar muchos modelos, deja bastante más margen.
- Entra en Releases desde GitHub. Descarga el instalador correspondiente: archivo EXE para Windows, DMG para macOS o AppImage/DEB para Linux. En Windows 10 y 11 el instalador funciona para el usuario actual y no debería necesitar permisos de administrador.
- Instala y abre la aplicación. En el primer inicio, VoiceStudio prepara Python, FFmpeg y otros componentes. El proceso puede tardar porque también descargará los pesos del modelo elegido.
- Elige un motor adecuado. Empieza por uno ligero si solo tienes CPU. Si dispones de una NVIDIA moderna, podrás probar modelos más exigentes y generar audio con mayor rapidez.
- Crea un proyecto. Selecciona idioma y voz, pega un texto breve y genera una prueba. Ajusta velocidad, entonación y pausas antes de producir un documento completo.
Clonar una voz, doblar vídeos y crear audiolibros
Para clonar una voz necesitas una muestra limpia, sin música, eco ni otras personas hablando. Algunos motores funcionan con pocos segundos; otros mejoran con grabaciones más largas o con una transcripción exacta. La calidad de la entrada manda: un micrófono mediocre en una habitación ruidosa difícilmente producirá una copia convincente.
En doblaje, el flujo habitual consiste en importar el vídeo, transcribir las intervenciones, corregir el texto y generar las nuevas voces respetando los tiempos. Para un audiolibro es mejor dividir la obra en capítulos, revisar nombres propios y producir fragmentos manejables. Así puedes repetir una frase defectuosa sin regenerar horas de audio.
¿Puede sustituir a ElevenLabs?
Para ciertos usuarios, sí. VoiceStudio evita la factura recurrente y los límites de uso: una vez descargado el modelo, el coste depende de tu hardware, electricidad y tiempo. Además, las grabaciones sensibles no tienen que salir del equipo. Es una ventaja seria para entrevistas, material de clientes, formación interna o proyectos que no deberían terminar en servidores externos.
Sin embargo, ElevenLabs sigue ofreciendo una experiencia más inmediata, voces muy pulidas, infraestructura escalable y soporte comercial. VoiceStudio exige instalar modelos, comparar resultados y solucionar algún problema ocasional. Tampoco todas sus voces alcanzarán la misma expresividad en español. La sustitución resulta más realista para creadores con volumen alto, curiosidad técnica y tolerancia a experimentar que para una empresa que necesita garantías y producción masiva desde el primer día.
Dos precauciones antes de usarlo
Que VoiceStudio sea local y tenga licencia AGPL-3.0 no convierte automáticamente todos sus modelos en aptos para trabajos comerciales. Cada motor y cada conjunto de pesos puede tener su propia licencia; algunos limitan el uso comercial. Revisa esa información antes de monetizar narraciones o prestar servicios a terceros.
Y, por supuesto, clona únicamente tu voz o una voz para la que tengas autorización expresa. La facilidad técnica no elimina los derechos de imagen, privacidad y propiedad intelectual. Con esas cautelas, VoiceStudio es una de las propuestas locales más completas del momento: no reemplazará la nube en todos los escenarios, pero ya permite montar un estudio de voces IA sorprendentemente capaz sin pagar por cada frase.
