Chatterbox: voces con IA gratis y de código abierto en español

Chatterbox es una familia de modelos de texto a voz (TTS) de código abierto creada por Resemble AI. A 31 de octubre de 2026 su repositorio en GitHub suma 27.474 estrellas y usa la licencia MIT, que permite el uso comercial, según la API de GitHub. Su última versión general es Chatterbox Multilingual V3, un modelo de 500 millones de parámetros que, según sus autores, mejora la similitud con la voz de referencia, reduce las «alucinaciones» (repeticiones o frases que no estaban en el texto) y suena más natural y conversacional. Admite 23 idiomas, entre ellos español, inglés, francés, alemán, italiano y portugués.

• Locuciones para vídeos de producto, tutoriales o redes sociales.
• Mensajes de bienvenida y de espera para la centralita.
• Versiones en otros idiomas de un mismo audio para clientes extranjeros.
• Audios accesibles de textos de tu web o de tus documentos.
• Clonación de voz a partir de una muestra, siempre con permiso de la persona.

1. Escucha las muestras en su página de demostración, enlazada desde el repositorio oficial.
2. Pruébalo en línea en la demo de Hugging Face: eliges idioma, pegas el texto y generas el audio.
3. Si te convence, instálalo en un ordenador siguiendo las instrucciones de su página de GitHub. Esta parte es más técnica y es mejor que la haga alguien con experiencia o tu proveedor informático.
4. Revisa cada audio: pronunciación de nombres propios, números, siglas y entonación.

• Una clínica graba el mensaje de la centralita en español e inglés con la misma voz.
• Una tienda online pone voz a sus vídeos de producto sin contratar un locutor para cada uno.
• Una academia convierte apuntes en audios para que los alumnos repasen.
• Un alojamiento rural prepara una audioguía de la zona en varios idiomas.

Combínalo con Whisper para transcribir audio, que hace el camino inverso, de voz a texto. Si lo que buscas es atender llamadas con IA, mira las IA de voz en tiempo real.

El texto que escribes decide gran parte del resultado. Usa frases cortas y puntuación clara, porque las comas y los puntos marcan las pausas. Escribe los números y las siglas como se pronuncian («veinticuatro horas», «I-V-A» o «IVA», según cómo quieras que suene) y revisa los nombres propios y las palabras extranjeras. Genera varias versiones de la misma frase y quédate con la mejor. Si vas a usar la voz en muchos audios, guarda siempre la misma muestra de referencia para que todos suenen coherentes. Por último, escucha cada audio completo antes de publicarlo: un error de pronunciación en un mensaje de la centralita se repite cada vez que alguien llama.

Clonar una voz con unos segundos de audio es muy fácil, y eso lo convierte en un arma para estafas: llamadas que imitan al jefe pidiendo una transferencia o mensajes falsos de un familiar. Nunca clones la voz de nadie sin su consentimiento expreso y por escrito, y no imites a famosos ni a otras empresas. Dentro de tu empresa, establece una regla clara: ninguna orden de pago se acepta solo por voz. Lo explicamos en nuestro artículo sobre fraude con IA y controles en pymes. Además, informa a tus clientes cuando escuchan una voz sintética, por transparencia.

La voz de una persona es un dato personal y, si se usa para identificarla, puede considerarse un dato biométrico especialmente protegido. Si usas la voz de un empleado para clonarla, necesitas su consentimiento libre e informado, que pueda retirar en cualquier momento, y debes dejar constancia de ese tratamiento. Instalado en tu propio equipo, Chatterbox procesa los textos y audios en local, sin enviarlos a terceros, lo que facilita el cumplimiento. En la demo en línea, en cambio, el procesamiento se hace en servidores externos, así que no pegues textos confidenciales ni subas voces sin permiso.

¿Qué es Chatterbox TTS?

Es una familia de modelos de texto a voz de código abierto de Resemble AI que genera voz natural en 23 idiomas, incluido el español.

¿Chatterbox es gratis?

Sí. El código está publicado con licencia MIT, que permite usarlo, también con fines comerciales.

¿Chatterbox habla español?

Sí. El modelo multilingüe admite español entre sus 23 idiomas.

¿Puedo probarlo sin instalar nada?

Sí, en la demo oficial en Hugging Face, enlazada desde su repositorio.

¿Puedo clonar la voz de alguien?

Técnicamente sí, pero solo debes hacerlo con su consentimiento expreso. Sin él puedes vulnerar sus derechos y la ley de protección de datos.

¿Sirve para la centralita de mi empresa?

Sí, puedes generar los mensajes de bienvenida y espera y cargarlos en tu centralita como cualquier archivo de audio.

Chatterbox demuestra que hoy una pyme puede tener locuciones de calidad sin pagar por cada audio: es gratis, de código abierto y habla español. Pruébalo en la demo en línea, instálalo en local si lo vas a usar a menudo y pon reglas claras sobre la clonación de voz, tanto para respetar a las personas como para proteger a tu empresa de fraudes. Si necesitas ayuda para instalarlo, podemos echarte una mano.