Voz y clonación Código abierto GPU opcional

Chatterbox

Modelos de voz de Resemble AI: texto a voz y clonación de voz, con español (incluido un modelo de español latino).

¿Es gratis?

El software, sí. Es código abierto con licencia MIT: lo descargas y lo usas sin pagar licencia ni suscripción. Lo que puede costarte:

Nada en tu PC ni en la demo (con su cuota diaria).
Hugging Face PRO da 8 veces más cuota diaria en las demos (de pago).
Resemble AI vende una versión en la nube para producción (de pago).

Estrellas en GitHub: ★ 27.085 al 19 oct 2026
Licencia: MIT · Uso comercial: Sí
Código y modelos con licencia MIT (permite uso comercial). Cada audio lleva una marca de agua inaudible (Perth) que permite detectar que es voz generada. Clona solo tu voz o una con permiso por escrito.
Requisitos: GPU opcional Funciona con CPU; cuenta con 8 GB de RAM y unos 3,5 GB de descarga por modelo multilingüe.
En nuestra prueba con CPU, 5,6 s de audio tardaron 35 s en generarse. Con GPU NVIDIA es mucho más rápido; en Mac usa MPS.
Probar sin instalar: Demos oficiales gratis en Hugging Face (multilingüe y español latino), con cuota diaria de GPU ↗
Dificultad: Media: Se instala con pip y se usa con un script de Python. En la demo web es fácil.
Sistemas: Windows, Mac, Linux
En español: El modelo multilingüe incluye español, y hay modelos dedicados de español latino (es-MX/LatAm) y de España.
Versión revisada: chatterbox-tts 0.1.7 (publicada el 26 mar 2026)
Repositorio: github.com/resemble-ai/chatterbox ↗
Revisado el: 19 oct 2026

✓ Probado por IACreadora en Linux sin GPU

Generamos una frase en español con la voz por defecto (sin clonar a nadie): 5,6 s de audio en 35 s con el modelo multilingüe que trae pip, y 6,2 s en 37 s con el V3 instalado desde el código del repo.

Equipo: Linux (Debian 13), 8 núcleos, 15 GB de RAM, sin GPU · chatterbox-tts 0.1.7 (PyPI) y código del repo (commit 5de7a54), Python 3.11, PyTorch 2.6 (CPU) · 19 oct 2026

Guía: cómo instalar Chatterbox → Ver en GitHub ↗

Demo oficial de Chatterbox Multilingual en Hugging Face: texto, idioma y audio de referencia opcional — Demo oficial gratis en Hugging Face, 19 oct 2026.

Estrellas y versión de la API de GitHub; requisitos del README oficial. ¿Ves un dato incorrecto? Avísanos.

Alternativa gratis a…

De pago / freemium

Alternativa gratis a ElevenLabs

ElevenLabs tiene más voces, mejor interfaz, doblaje y una app. Chatterbox es gratis y abierto, con español latino, pero pones tú la máquina o usas la demo con cuota diaria.

ElevenLabs: Desde US$6/mes (Starter), facturación mensual · revisado el 14 oct 2026

De pago / freemium

Alternativa gratis a Murf AI

Murf AI es un estudio de voz en la nube con voces listas. Chatterbox genera voz en tu PC sin pagar por caracteres, aunque sin editor de proyectos.

Murf AI: Desde US$19/mes, facturación anual; US$29/mes si se paga mes a mes · revisado el 14 oct 2026

De pago / freemium

Alternativa gratis a Fish Audio

Fish Audio clona voces en la nube con planes de pago. Chatterbox hace texto a voz y clonación en local, con licencia MIT.

Fish Audio: Desde US$11/mes, facturación mensual · revisado el 14 oct 2026

Preguntas frecuentes

¿Chatterbox es gratis?

Sí: el programa es de código abierto (MIT) y no pagas licencia. Lo que puede costar: Nada en tu PC ni en la demo (con su cuota diaria). Hugging Face PRO da 8 veces más cuota diaria en las demos (de pago). Resemble AI vende una versión en la nube para producción (de pago).

¿Chatterbox necesita tarjeta gráfica?

GPU opcional (va mejor con NVIDIA). Funciona con CPU; cuenta con 8 GB de RAM y unos 3,5 GB de descarga por modelo multilingüe. En nuestra prueba con CPU, 5,6 s de audio tardaron 35 s en generarse. Con GPU NVIDIA es mucho más rápido; en Mac usa MPS.

¿Se puede probar Chatterbox sin instalar?

Demos oficiales gratis en Hugging Face (multilingüe y español latino), con cuota diaria de GPU.

¿Puedo usar Chatterbox para contenido comercial?

Código y modelos con licencia MIT (permite uso comercial). Cada audio lleva una marca de agua inaudible (Perth) que permite detectar que es voz generada. Clona solo tu voz o una con permiso por escrito.