Voicebox

Voicebox es una aplicación de código abierto que convierte tu Mac en un pequeño estudio local de síntesis y clonación de voz. Utiliza el modelo Qwen3-TTS para generar audio realista directamente en tu equipo, sin depender de servicios en la nube, tokens ni suscripciones de pago.

Una app de clonación de voz pensada para macOS

Con Voicebox puedes crear perfiles de voz a partir de unos pocos segundos de audio de referencia (hasta 30 segundos). El modelo Qwen3-TTS se encarga de analizar el tono, el timbre y el acento para reproducirlos con bastante fidelidad. Solo tienes que cargar un archivo de voz o grabarlo desde el micrófono de tu Mac, indicar qué se ha dicho o usar la transcripción automática, y el perfil quedará listo para generar nuevos audios sin tener que repetir el proceso.

Genera audio con perfiles de voz personalizados

Una vez tengas un perfil guardado, basta con escribir el texto que quieras y Voicebox producirá el audio con esa voz. Esto permite, por ejemplo, traducir frases a otros idiomas manteniendo tu tono, crear doblajes caseros o generar voces para proyectos de videojuegos. También puedes exportar los perfiles de voz y compartirlos con otros usuarios para que generen audios en sus propios equipos.

Transcripción automática y captura de sonido del sistema

La aplicación integra Whisper para convertir audio en texto y sincronizarlo con la voz generada. Esto facilita editar diálogos directamente en la línea de tiempo, ajustar pausas o corregir pronunciaciones sin perder la coherencia del perfil de voz. Además, incluye captura de audio del sistema, lo que permite grabar el sonido de tu Mac —por ejemplo, de un juego o una llamada— y usarlo como referencia para nuevas clonaciones o escenas de audio.

Servidor de voz local y API para otros proyectos

Voicebox no se limita a su interfaz gráfica. También puede funcionar como un servidor de voz local gracias a su API REST integrada. Con un solo clic puedes activarla y enviar texto desde juegos, aplicaciones o agentes de IA para recibir el audio generado en formato estándar. Esto facilita la automatización de narraciones, diálogos o notificaciones sin depender de servicios externos. La aplicación está desarrollada con Tauri, Rust y Python, lo que la hace más ligera que muchas alternativas basadas en Electron. Aun así, el rendimiento dependerá de la potencia de tu Mac y de la configuración del modelo Qwen3-TTS, ya que todo el procesamiento se realiza en local.

Crea historias narradas con cualquier voz

Voicebox también incluye una sección para generar historias narradas. Solo tienes que indicar qué quieres que ocurra y la app producirá el contenido usando la voz seleccionada. Es una función útil para crear contenido divertido, cuentos infantiles o sketches de voz.

Mi experiencia usando Voicebox en Mac

Al probar Voicebox en macOS, el proceso de clonación resultó rápido y sencillo: bastaron unos segundos de audio para crear un perfil y generar varios clips de voz en la línea de tiempo. La experiencia es fluida, aunque todavía se echan en falta algunas opciones avanzadas, como añadir más muestras para mejorar la calidad o realizar ajustes finos en la voz clonada.

Lo que más me ha gustado de Voicebox y lo que mejoraría

· Lo que más me ha gustado: todo el proceso de clonación y síntesis se realiza localmente en tu Mac, sin depender de la nube ni pagar suscripciones.

· Lo que mejoraría: mayor personalización de voces y soporte para múltiples muestras de audio, ya que esto ayudaría a obtener resultados más realistas. Además, el tiempo de generación puede variar según la potencia del equipo y el modelo elegido.

Voicebox es para ti si

✓ Quieres clonar voces y generar audio hablado en macOS sin depender de servicios en la nube.

✓ Trabajas con podcasts, doblajes, juegos o agentes de IA y necesitas un editor de línea de tiempo para escenas de voz.

✓ Prefieres una solución local, privada y de código abierto que puedas integrar en otros proyectos.

Descarga Voicebox y convierte tu Mac en un estudio de clonación y síntesis de voz completamente local, con soporte para Qwen3-TTS y Whisper.