¿Qué es VoiceStudio?
VoiceStudio es un estudio de escritorio para trabajo con voz que se ejecuta en tu propio equipo: clonar una voz a partir de una muestra corta, diseñar una desde una descripción, doblar vídeos, transcribir, dictar y convertir guiones o archivos EPUB en audiolibros. El sitio web lo presenta como una alternativa gratuita y de código abierto a ElevenLabs sin necesidad de cuenta (la app base es gratuita; también existe una versión Pro de pago), y sus datos estructurados añaden el nombre «OmniVoice Studio».
El README nombra k2-fsa/OmniVoice como motor por defecto y dice que el Model Manager ofrece decenas de motores más, con whisper.cpp para el reconocimiento de voz. El sitio y el README afirman 646 idiomas, pero no dan un desglose por motor, así que esa cifra es una afirmación del creador.
Cómo conseguirlo
VoiceStudio se instala como una app normal en macOS, Windows y Linux, sin necesidad de terminal, y el README menciona además Homebrew, instaladores de una línea, Snap, AUR y Docker.
Opción | Cómo conseguirlo |
|---|---|
| macOS | .dmg para Apple silicon (Intel con limitaciones) o cask de Homebrew: GitHub Releases |
| Windows | .exe de instalación para x64 (y ARM, experimental) o comando de una línea en PowerShell: GitHub Releases |
| Linux | .deb o AppImage para x64, además de Snap y AUR: GitHub Releases |
| Docker | Imagen ghcr.io/debpalash/voicestudio:stable en el puerto 3900: README |
| Android e iOS | APK e IPA sin firmar, indicados como vista previa: GitHub Releases |
| Sitio web | voicestudio.sh |
| Política de privacidad | voicestudio.sh/privacy |
| Código fuente | github.com/debpalash/VoiceStudio, licencia AGPL-3.0 |
Versión revisada: 0.5.8, la última versión estable, publicada el 12 de noviembre de 2026 según la página de versiones de GitHub. La etiqueta más reciente es la versión preliminar 0.5.9-beta.6 del 18 de noviembre de 2026, y el commit más reciente también es del 18 de noviembre de 2026. GitHub es solo el canal de entrega de estos instaladores, y los modelos se descargan aparte.
Requisitos
Según el sitio web, bastan unos 8 GB de RAM para empezar y una GPU es opcional pero más rápida; el README no indica un mínimo de VRAM.
Sistema operativo
- Qué dicen las fuentes:
- Estable en macOS 13.3+ con Apple silicon (los Mac Intel solo con un backend remoto), Windows 10/11 x64 y Linux x64; Windows en ARM es experimental
Aceleración
- Qué dicen las fuentes:
- Metal en Mac, NVIDIA CUDA o AMD ROCm opcional en Windows, CUDA, CPU o Vulkan en Linux; funciona en la CPU, solo que más lento
Memoria y VRAM
- Qué dicen las fuentes:
- Unos 8 GB de RAM para empezar según el sitio web; el README no da cifra de VRAM y remite a una guía de rendimiento aparte
Modelos
- Qué dicen las fuentes:
- Se descargan dentro de la app con el Model Manager; cada modelo muestra su propia licencia
Móvil
- Qué dicen las fuentes:
- Android 10+ e iOS 17+ figuran como vista previa; iOS requiere instalación manual (sideloading)
Internet
- Qué dicen las fuentes:
- Necesario para descargar modelos y buscar actualizaciones; según el sitio web, la app gratuita solo se conecta cuando se lo pides
PromptQuorum no comprobó qué modelos funcionan con cada backend ni cuánta memoria necesita un modelo concreto.
Funciones confirmadas por las fuentes
Todo lo que sigue procede del sitio web o del README; nada se ha probado de forma independiente.
- Clonar y diseñar. Crea una voz a partir de unos tres segundos de audio limpio, o diseña una desde sexo, edad, acento, tono y emoción sin grabación; las voces guardadas se pueden reutilizar.
- Doblar. Transcribe, traduce y vuelve a dar voz a un vídeo manteniendo separado a cada hablante y alineado con el ritmo original, con guías de doblaje multihablante y exportación del doblaje.
- Narrar. Convierte un guion largo o un EPUB en un audiolibro con capítulos leído por una voz clonada, diseñada o predefinida, y asigna voces a los papeles de una historia.
- Dictar y transcribir. Un widget flotante de dictado con motor de reconocimiento local e historial con búsqueda, además de transcripciones editables de audio o vídeo.
- Automatizar. Una API local documentada (audio, voces, doblaje, tareas, MCP y más), una CLI, recetas reutilizables, carpetas vigiladas y tareas por lotes en cola.
- Idiomas. El propio sitio web está disponible en doce idiomas y afirma ofrecer voz en 646 idiomas.
Coste y licencia
La app de escritorio es gratuita y de código abierto con licencia AGPL-3.0, y una versión aparte de código cerrado, VoiceStudio Pro, añade una licencia comercial de pago; en las páginas que leímos no aparece ningún precio.
App gratuita
- Qué dicen las fuentes:
- AGPL-3.0, sin cuenta; los pesos de los modelos, las voces y las salidas tienen sus propias licencias, indicadas por modelo
VoiceStudio Pro
- Qué dicen las fuentes:
- Licencia comercial de pago y funciones extra para equipos, prueba gratuita de 7 días, reembolso de 7 días, sin renovación automática; precio no indicado
Cloud
- Qué dicen las fuentes:
- Figura como acceso anticipado y sin precio
Uso comercial
- Qué dicen las fuentes:
- El sitio web ofrece Pro a los equipos que necesitan condiciones comerciales; su alcance exacto no se detalla en las páginas que leímos
Las obligaciones de la AGPL-3.0 dependen de cómo uses o distribuyas el software y no se resumen aquí; consulta a un abogado antes de un uso comercial.
Flujo de datos y privacidad
Según el sitio web, la app gratuita no necesita cuenta ni nube y solo se conecta cuando se lo pides, por ejemplo para buscar actualizaciones o descargar un modelo, y el README describe una herramienta totalmente local. La página de privacidad dice que la app de escritorio gratuita procesa los datos en local y solo usa la red para solicitudes de actualización o de modelos o cuando usas un adaptador basado en red.
La misma página dice que la app de escritorio Pro necesita una cuenta, envía comprobaciones de licencia que registran tu dirección IP y tu país, y envía telemetría de uso y errores a un servicio de analítica de terceros que, según afirma, no se puede desactivar. Indica además que el sitio web público usa analítica sin cookies y alojamiento en Cloudflare.
📌Nota: Estas son declaraciones del creador, no resultados de una auditoría. PromptQuorum no ha leído el código ni ha inspeccionado el tráfico de red de la app.
Clonación de voz, consentimiento y licencias de modelos
Clonar solo requiere una muestra corta, y las propias normas del creador exigen el permiso del titular de la voz y prohíben la suplantación y el fraude, así que el consentimiento es tu responsabilidad.
- Consentimiento y ley. Que clonar una voz sea legal depende de la persona, la finalidad y el país; esta reseña no es asesoramiento jurídico y PromptQuorum no ha evaluado ninguna jurisdicción.
- Las licencias de los modelos difieren. El README dice que los pesos de los modelos, las voces y las salidas tienen sus propias licencias, indicadas por modelo en el Model Manager; la AGPL-3.0 cubre la app, no esos pesos.
- Ley aplicable. Los términos indican que se rigen por la ley de la India, con los tribunales de Agartala, Tripura; no se da nombre de empresa ni dirección.
⚠️Advertencia: No clones una voz sin el consentimiento de su titular. Clonar la voz de una persona sin permiso puede vulnerar los derechos de la personalidad y de protección de datos y, según el uso, puede generar obligaciones de etiquetado del audio sintético. Obtén primero el consentimiento; esto no es asesoramiento jurídico.
Lo que no pudimos verificar
- Calidad de salida y velocidad. PromptQuorum no escuchó voces clonadas, no comprobó la precisión del doblaje ni midió el tiempo de generación con ningún modelo.
- Cobertura de idiomas. La cifra de 646 idiomas es una afirmación del creador sin lista por motor, y no probamos ningún idioma.
- Gratuita frente a Pro. Las páginas dicen que Pro añade funciones extra y una licencia comercial, pero no encontramos una lista de funciones ni un precio.
- Estabilidad de las versiones. Las versiones preliminares se publican varias veces por semana, así que la estable 0.5.8 puede diferir de la beta más reciente.
- Firma de los instaladores. No se comprobó si los instaladores de macOS y Windows están notarizados o firmados.
Competidores y alternativas
Voicebox
- Plataformas:
- macOS, Windows (Linux desde el código)
- Precio / licencia:
- Gratis / MIT
- Diferencia clave:
- Clonación de voz, texto a voz y dictado con Whisper con servidor MCP; su reseña no menciona doblaje de vídeo
Artículos sobre Voicebox (1)
- Voicebox Review: Open-Source Local Voice StudioActualizado 26 de octubre de 2026
También mencionado en:
- Univocal Review: Read-Aloud and Dictation on Your MacActualizado 16 de noviembre de 2026
YoVoice
- Plataformas:
- macOS, Windows, Linux
- Precio / licencia:
- Gratis / Apache-2.0
- Diferencia clave:
- Voz, clonación y música con IA con CLI y servidor MCP; no se encontró versión Pro de pago
Artículos sobre YoVoice (1)
- YoVoice Review: Local Voice Cloning and Music StudioActualizado 17 de noviembre de 2026
También mencionado en:
- Kition Review: The Open Pro Suite for AI AgentsActualizado 18 de noviembre de 2026
XTTS v2
- Plataformas:
- macOS, Windows, Linux
- Precio / licencia:
- Gratis / CPML (no comercial)
- Diferencia clave:
- Un único modelo de clonación usado como biblioteca, sin estudio, doblaje ni dictado
Artículos sobre XTTS v2 (10)
- XTTS v2 Review: Multilingual Voice Cloning from 6 Seconds of AudioActualizado 5 de septiembre de 2026
- Best Local TTS Engine for an NVIDIA GPU Setup (2026)Actualizado 19 de noviembre de 2026
- Local ElevenLabs Alternatives: Piper vs XTTS v2 (2026)Actualizado 19 de noviembre de 2026
- Local TTS & Voice Cloning Licenses 2026: Which Engines Allow Commercial Use (Piper, XTTS v2, F5-TTS, Coqui)Actualizado 19 de noviembre de 2026
- YoVoice Review: Local Voice Cloning and Music StudioActualizado 17 de noviembre de 2026
- Best Local TTS Engine for Mac (2026): What Actually Uses Apple SiliconActualizado 11 de septiembre de 2026
- Best Local TTS Engine for Raspberry Pi (2026)Actualizado 11 de septiembre de 2026
- Best TTS for Ollama (2026): Adding Voice Output to a Local LLM SetupActualizado 11 de septiembre de 2026
- Piper vs Chatterbox TTS (2026): Fast Local Speech or Voice Cloning?Actualizado 11 de septiembre de 2026
- Piper vs Kokoro TTS (2026): Which Local Voice Engine Should You Use?Actualizado 11 de septiembre de 2026
+6 más no mostrados
Son apps de la misma categoría del directorio de PromptQuorum; confirma el precio, la licencia y las plataformas actuales de cada app en su propia página.
Preguntas frecuentes
¿Puedo usarlo desde un script o un agente de IA?
Sí: el README menciona una API local, una CLI y compatibilidad con MCP, y la documentación tiene una sección de MCP y un endpoint de audio compatible con OpenAI. No probamos ninguno.
¿Qué motor usa por defecto?
El README nombra k2-fsa/OmniVoice como motor por defecto y dice que el Model Manager ofrece decenas más, con whisper.cpp para el reconocimiento de voz.
¿Admite mi idioma?
El creador afirma 646 idiomas sin desglose por motor, y el sitio web está disponible en doce idiomas, entre ellos alemán, francés, español, chino y árabe. No probamos ninguno.
¿Funciona en un equipo sin GPU?
El README dice que funciona en la CPU, solo que más lento, y según el sitio web bastan unos 8 GB de RAM para empezar; no medimos ninguna velocidad.
¿Está lista para usar la app de Android o iPhone?
No: el README indica las versiones de Android (10+) e iOS (17+) como vista previa, y el archivo de iOS es una IPA sin firmar que requiere sideloading.
Veredicto
VoiceStudio es una vía de rápida evolución, con licencia AGPL-3.0, para clonar voces, doblar vídeos, transcribir y dictar en tu propio equipo, con API local y compatibilidad con MCP, y una versión Pro de pago aparte para condiciones comerciales. Sus afirmaciones de funcionamiento local proceden del sitio web y del README, no de una auditoría independiente; el soporte estable en Mac cubre solo Apple silicon, las apps móviles son vistas previas, los pesos de los modelos tienen sus propias licencias y las afirmaciones de 646 idiomas, calidad y velocidad no se han probado aquí. Encaja con creadores y desarrolladores que quieren una herramienta de voz local gratuita; quien necesite calidad de salida demostrada, condiciones comerciales claras o una política de datos verificada debería probarla y leer antes los términos de Pro.
Fuentes
- Sitio web de VoiceStudio — funciones, plataformas, licencia e información de Pro.
- Página de privacidad de VoiceStudio — tratamiento de datos de la app gratuita, de Pro y del sitio web.
- Términos de VoiceStudio — ley aplicable y uso aceptable.
- VoiceStudio en GitHub — README, licencia AGPL-3.0, opciones de instalación y plataformas compatibles.
- Versiones de VoiceStudio — versión 0.5.8 y las versiones preliminares más recientes, fechas y archivos de instalación.
