Reseña de Voicebox: estudio de voz local de código abierto

Voicebox es un estudio de voz local-first que cubre las dos direcciones de la voz: lee texto en voz alta con voces clonadas o predefinidas, y escucha, transcribe y pega lo que dices. El README la llama una alternativa gratuita y de código abierto a ElevenLabs y WisprFlow en una sola app, y el sitio web la describe como una app que se ejecuta por completo en tu equipo.

La app está hecha con Tauri (Rust) alrededor de un backend FastAPI en Python, y el sitio web nombra a Spacedrive Technology Inc. como su responsable. La versión 0.5.0, llamada «the Capture release» en sus notas, añadió el dictado, las personalidades de voz y el servidor MCP. La versión «v0.2.0» que aparece en el sitio web es una etiqueta dentro de su captura de demostración, no el número de versión.

Voicebox se descarga para macOS y Windows; Linux no tiene binario precompilado y hay que compilarlo desde el código fuente, y el README muestra además una vía con Docker.

Las fuentes no indican una RAM, un disco ni una versión de sistema operativo mínimos; lo exigente son los modelos de voz y de lenguaje, que se descargan por separado.

Todo lo que sigue procede del sitio web, la documentación o el README; nada se ha probado de forma independiente.

La app local es gratuita y sin cuenta, y la página de precios lista planes de pago Cloud y Studio que figuran ambos como «coming soon». Todas las cifras son precios en dólares estadounidenses de la página de precios, que dice que no son definitivos.

La política de privacidad, actualizada por última vez el 6 de julio de 2026, dice que la app de escritorio no transmite al responsable tus grabaciones, perfiles de voz, transcripciones, generaciones ni ajustes, y no describe ninguna telemetría ni analítica de la app. El sitio web añade que los modelos, el audio, las transcripciones y la salida del modelo de lenguaje nunca salen del equipo, y que la API local escucha por defecto en 127.0.0.1.

La copia de seguridad Cloud opcional se describe como cifrada de extremo a extremo en tu dispositivo antes de subirla, de modo que los servidores solo ven el correo de la cuenta, el número y el tamaño de los objetos, los hashes, los contadores de sincronización y las marcas de tiempo. La política también cubre una función Voice ID que guarda una huella de voz cifrada y advierte de que los clips publicados son públicos; los pagos pasan por Stripe o se hacen con criptomonedas. El sitio web menciona una opción «Local or Remote» para conectarse a un backend en otro equipo, que no concilia con su redacción «entirely on your machine».

Voicebox es una forma activa y con licencia MIT de clonar voces, generar voz y dictar en tu propio ordenador, con una API y un servidor MCP que permiten que los agentes hablen. Las declaraciones de privacidad son sólidas para la app local gratuita, pero son afirmaciones del desarrollador, la última versión etiquetada es de abril mientras el código siguió cambiando hasta octubre, Linux requiere una compilación desde el código fuente y el pegado automático solo está confirmado en macOS. Encaja con creadores y desarrolladores que quieren una sola herramienta de voz local y gratuita y están dispuestos a descargar varios modelos grandes; quien necesite calidad de voz demostrada, claridad sobre el uso comercial de cada modelo o una instalación pulida en Linux debería probarla y leer antes la licencia de cada modelo.