Voicebox: clona tu voz, dicta y dale voz a tu agente

¿Comentaste VOZ en el reel? Aquí tienes la descarga oficial de Voicebox y los pasos para escuchar un texto con tu propia voz. Después puedes dictar en otras aplicaciones y hacer que Claude Code te avise al terminar una tarea.

Voicebox es un estudio de voz gratuito y de código abierto que funciona en tu ordenador. Reúne clonación de voz, texto a voz, dictado y una conexión MCP para agentes de IA. Su propuesta es reunir tareas de ElevenLabs y Wispr Flow en una aplicación local; la calidad y la velocidad dependen del modelo y del equipo.

Comprobado el 26/09/2026: versión estable v0.5.0. Las cifras, precios, requisitos y atajos de esta guía corresponden a esa fecha. La aplicación local no necesita cuenta.

Instala primero

Mac: abre el menú Apple → Acerca de este Mac y comprueba si tienes un chip Apple o un procesador Intel. Descarga el DMG para Apple Silicon o Intel, ábrelo y arrastra Voicebox a Aplicaciones. Abre la aplicación y espera a que el indicador del servidor, abajo a la izquierda, se ponga verde. El servidor viene incluido; no necesitas instalar Python.

Windows: descarga el instalador oficial, ejecuta el MSI o setup.exe y sigue el asistente. Abre Voicebox. Con una GPU NVIDIA compatible, la aplicación puede descargar su servidor CUDA para acelerar la generación.

Linux o Docker: esta versión todavía no tiene binario Linux listo. Sigue la guía de compilación o, con Git y Docker Compose instalados, ejecuta:

git clone https://github.com/jamiepine/voicebox.git && cd voicebox && docker compose up --build

Abre http://localhost:17600. El Compose actual publica ese puerto solo en tu ordenador; 17493 es el puerto interno del contenedor y el de la aplicación de escritorio. Docker ofrece servidor e interfaz web, sin el atajo global de escritorio. La imagen se construye localmente. AMD dispone de docker-compose.rocm.yml; NVIDIA requiere Container Toolkit y una configuración de GPU adecuada: el Compose predeterminado usa CPU.

1

Clona tu voz y escucha la primera frase

1. Abre Voices → Create Voice. Algunas pantallas/documentos lo llaman Profiles → New Profile. Elige una voz clonada.
2. En Record, permite el micrófono y graba 10–30 segundos hablando con naturalidad, sin música ni otras voces. Evita clips de menos de 5 segundos. Upload permite subir tu grabación; System Audio captura audio del ordenador, siempre con consentimiento.
3. En Reference Text, escribe exactamente lo que dijiste. Pon un nombre, como Mi voz, selecciona el Language de la grabación —Portuguese para el ejemplo del reel— y pulsa Create Profile.
4. En Generate, selecciona tu perfil y Qwen3-TTS 1.7B, una buena primera opción para español y portugués. Elige también el idioma de salida y escribe: “¡Hola! Esta es mi voz, generada en mi ordenador.”
5. Pulsa Generate, espera la descarga inicial del modelo y reproduce el audio. Las siguientes generaciones reutilizan el modelo descargado.

¿No se parece a tu voz? Revisa Reference Text, vuelve a grabar en un lugar silencioso y añade otras muestras de la misma persona. Empieza con una frase corta. La interfaz acepta hasta 50.000 caracteres, divididos automáticamente en fragmentos, pero generar textos largos lleva tiempo.

Para un idioma fuera de la lista de Qwen, elige Chatterbox Multilingual.

Este es el resultado prometido en el reel. Los siguientes pasos son opcionales.

claude mcp add --transport http voicebox http://127.0.0.1:17493/mcp --header "X-Voicebox-Client-Id: claude-code"

Cuando termines una tarea, llama a voicebox.speak con un resumen de una frase en español, language="es" y personality=false. Usa la voz vinculada al cliente. Si Voicebox no está disponible, indícalo sin repetir la llamada indefinidamente.

curl --fail --silent --show-error --max-time 10 -X POST http://127.0.0.1:17493/speak -H 'Content-Type: application/json' -H 'X-Voicebox-Client-Id: claude-code' -d '{"text":"Tarea completada.","language":"es","personality":false}'

{
  "hooks": {
    "Stop": [
      {
        "hooks": [
          {
            "type": "command",
            "command": "curl --fail --silent --show-error --max-time 10 -X POST http://127.0.0.1:17493/speak -H 'Content-Type: application/json' -H 'X-Voicebox-Client-Id: claude-code' -d '{\"text\":\"Tarea completada.\",\"language\":\"es\",\"personality\":false}' >/dev/null",
            "timeout": 15
          }
        ]
      }
    ]
  }
}

[mcp_servers.voicebox]
url = "http://127.0.0.1:17493/mcp"
http_headers = { "X-Voicebox-Client-Id" = "codex" }

{
  "mcpServers": {
    "voicebox": {
      "url": "http://127.0.0.1:17493/mcp",
      "headers": { "X-Voicebox-Client-Id": "cursor" }
    }
  }
}

{
  "servers": {
    "voicebox": {
      "type": "http",
      "url": "http://127.0.0.1:17493/mcp",
      "headers": { "X-Voicebox-Client-Id": "vscode" }
    }
  }
}

npx @modelcontextprotocol/inspector http://127.0.0.1:17493/mcp

Idiomas: portugués y 22 más

El 26/09/2026, hay 23 idiomas entre los 7 motores. Solo Chatterbox Multilingual cubre todos. Qwen3-TTS, Qwen CustomVoice y TADA 3B ofrecen 10; Kokoro, 8; LuxTTS y Chatterbox Turbo, solo inglés. TADA 1B también está orientado al inglés. Kokoro y Qwen CustomVoice usan voces predefinidas, no tu voz clonada.

La lista completa: árabe, chino, danés, neerlandés, inglés, finés, francés, alemán, griego, hebreo, hindi, italiano, japonés, coreano, malayo, noruego, polaco, portugués, ruso, español, suajili, sueco y turco. Idiomas por motor en el código.

¿Cuánto cuesta y qué queda local?

Precios comprobados el 26/09/2026, en dólares estadounidenses: Voicebox local es gratis, sin cuenta. La copia/sincronización en la nube es opcional y todavía se anuncia como futura, desde US$12/año, sujeto a cambios. Wispr Flow Pro anuncia US$15 por usuario/mes; Free permite 2.000 palabras por semana en escritorio. La comparación también muestra US$12 por usuario/mes; comprueba el periodo de facturación antes de contratar. ElevenLabs (enlace de afiliado) incluye clonación instantánea desde Starter por US$6/mes; Free no la incluye.

En la configuración local, el procesamiento de voz, las muestras y las capturas permanecen en tu ordenador. Necesitas internet para descargar los modelos inicialmente; nuevos modelos, actualizaciones y comprobaciones de descarga pueden acceder a la red. Compartir audio o configurar servicios externos cambia ese recorrido. Los archivos locales siguen siendo sensibles.

Requisitos y espacio en disco

El 26/09/2026, la documentación pide macOS 11+ o Windows 10+, 8 GB de RAM como mínimo y recomienda 16 GB o más. Indica 5 GB libres como mínimo y recomienda 10 GB o más; reserva más si descargas varios modelos y guardas muchas grabaciones.

Las descargas aproximadas van de 350 MB para Kokoro a 8 GB para TADA 3B; Qwen3-TTS 1.7B ocupa unos 3,5 GB. Whisper y la limpieza de dictado añaden sus propios modelos. Apple Silicon usa MLX/Metal; NVIDIA en Windows puede usar CUDA, otras GPU Windows pueden usar DirectML y Linux AMD puede usar ROCm. CPU funciona más despacio. Requisitos oficiales.

Actualizar o desinstalar

Antes de actualizar, exporta los perfiles y guarda los audios importantes. Usa el actualizador de la aplicación cuando esté disponible o descarga el instalador oficial más reciente. Reabre y prueba una frase corta.

Para desinstalar, cierra Voicebox y su servidor; mueve la aplicación a la Papelera en Mac o usa Configuración → Aplicaciones en Windows. Los datos pueden permanecer en ~/Library/Application Support/sh.voicebox.app/ en Mac o %APPDATA%/sh.voicebox.app/ en Windows. Borra esa carpeta solo si también quieres eliminar perfiles, capturas y generaciones, después de hacer una copia. Comprueba el directorio de modelos en los ajustes: una caché personalizada o compartida puede estar fuera de esa carpeta.

Elimina también el servidor MCP de los clientes y cualquier hook/instrucción de aviso que hayas añadido. En Docker, docker compose down detiene el servicio conservando los volúmenes; mantenlos si quieres conservar los datos.

Creado por Jamie Pine, también autor de Spacedrive, Voicebox tiene licencia MIT. El 26/09/2026, la API de GitHub registraba 55.743 estrellas y 6.945 forks; la versión estable más reciente era v0.5.0, publicada el 25/04/2026. Código y versiones.