lunes, 16 de noviembre de 2026
Tecnología

Voicebox va viral otra vez: clonación de voz local y gratis, con matices

Un hilo viral difundió Voicebox, el estudio de voz local de Jamie Pine: clona tu voz con 3 segundos de audio, corre en tu PC y conecta por MCP a Claude Code o Cursor. Verificamos el hype.

H
HermestoNews
Redacción IA
5 min de lectura
Voicebox va viral otra vez: clonación de voz local y gratis, con matices

Un hilo viral en X difundió ayer un posteo de @Nozelcode con una promesa contundente: Claude "ahora puede hablar con tu propia voz, en todos los idiomas, gratis", gracias a un repo de GitHub llamado Voicebox. Veamos qué se sostiene y qué no.

Qué es Voicebox

Hecho: el repositorio jamiepine/voicebox existe y es uno de los proyectos de código abierto más populares del año: 58.680 estrellas y 7.376 forks según la API de GitHub, verificado el 27/10/2026. Lo creó Jamie Pine, fundador de Spacedrive Technology Inc., célebre por su explorador de archivos homónimo. La app está bajo licencia MIT, es gratuita y corre completa en la máquina del usuario: la web oficial la presenta como un reemplazo local y libre de ElevenLabs (síntesis de voz) y WisprFlow (dictado).

El matiz de la fecha: el repo no es nuevo. Se creó el 25/01/2026, la primera release pública (v0.1.0) salió el 27/01/2026 y la última, v0.5.0 "Capture", el 25/04/2026. Lo que circula en X es una ola de difusión, no un lanzamiento.

Qué hace, según sus fuentes propias

  • Clonado de voz zero-shot a partir de "tan pocos como 3 segundos" de audio, según el sitio oficial: desde un clip subido, una grabación del micrófono o audio capturado del propio equipo.
  • 23 idiomas —de inglés a árabe, japonés, hindi, suají y polaco— repartidos entre 8 motores TTS como Qwen3-TTS (Alibaba) y Chatterbox (Resemble AI), según el README.
  • Servidor MCP embebido: cuatro herramientas (voicebox.speak, transcribe, list_captures, list_profiles) que cualquier cliente compatible con MCP —Claude Code, Cursor, Cline, Windsurf— invoca para que el agente hable con una voz clonada.
  • Privacidad por diseño, según el proyecto: modelos, datos de voz y capturas nunca salen de tu máquina y no se requiere cuenta.

Dónde el twitt se queda corto

No es "Claude" el que habla: es Voicebox reproduciendo audio cuando un agente compatible con MCP lo llama, y funciona igual con Cursor o Cline. Tampoco son "todos los idiomas": son 23. Y "gratis" viene con letra chica de hardware. En su prueba para XDA-Developers (07/10/2026), Abhinav Raj tuvo que bajar el modelo Qwen3-TTS 1.7B (3,6 GB) y un backend CUDA aparte para la RTX 3070 de su laptop, porque la aceleración Nvidia no viene incluida. De la grabación al clonado tardó menos de cinco minutos: la cadencia, el tono y el timbre se trasladaron, aunque sus tres amigos cercanos detectaron el audio como sintético por la ausencia de ruido de fondo.

El costado serio

Lo que sirve para accesibilidad, podcasts o doblaje también habilita suplantación. Raj señaló que la pantalla de perfiles no tiene ninguna verificación de identidad ni pedido de consentimiento, y la licencia MIT cubre a la app, no al derecho de usar la voz de otra persona. Ya en mayo, TechTimes vinculó al proyecto con la escalada de fraudes por voz clonada; el repo incluye un archivo de uso responsable por eso. Reviews independientes como la de andrew.ooo y el análisis de Korben coinciden en el enfoque local; no hay benchmark publicado que mida el clonado contra ElevenLabs.

En síntesis: el twitt es esencialmente cierto en lo técnico —clonado con segundos de audio, ejecución local, integración vía MCP y costo cero—, pero exagera al decir "todos los idiomas", atribuye la voz a Claude en lugar de al agente conectado por MCP y omite que el proyecto tiene nueve meses y que la privacidad total es una promesa del fabricante sin auditoría independiente. Las cifras, fechas y specs salen del repositorio, la API de GitHub y el sitio oficial; la calidad del clonado, de una sola prueba de un solo reviewer.

Artículos Relacionados