¿Qué es VoiceStudio?
VoiceStudio es una app de escritorio, con imágenes de Docker y apps móviles en versión preliminar, que hace en local lo que ElevenLabs hace en la nube: clonar una voz a partir de una grabación de referencia, diseñar una a partir de una descripción en texto, doblar vídeo con voz sincronizada, dictar en cualquier campo de texto mediante un widget flotante, transcribir audio y narrar audiolibros. El README asegura 646 idiomas. El motor predeterminado es OmniVoice, de k2-fsa, un modelo de texto a voz de más de 600 idiomas construido sobre Qwen3-0.6B, y un Model Manager ofrece decenas de motores más.
Funciona en Apple Silicon mediante Metal, en GPU de NVIDIA mediante CUDA en Windows y Linux, y en la CPU en todas partes, más despacio. Para agentes, el backend monta un servidor MCP en /mcp en el puerto 3900 con herramientas como generate_speech, clone_voice, design_voice y transcribe, junto a una API REST local que incluye un endpoint de transcripción compatible con OpenAI.
La app tiene licencia AGPL-3.0 y la mantiene Yupcha Softwares Private Limited, que también vende una build Pro de código cerrado con licencia comercial y funciones extra de procesamiento por lotes.
¿Cuánto cuesta VoiceStudio?
| Plan | Precio | Qué incluye |
|---|---|---|
| Open source | Free | AGPL-3.0; clonación, diseño, doblaje, dictado, API local y MCP |
| Pro | $99/user/year | Licencia comercial, 3 dispositivos, doblaje por lotes, carpetas vigiladas, workers de GPU remotos |
| Lifetime | $299 one-time | Funciones de Pro y actualizaciones futuras, 3 dispositivos |
| Enterprise | Contact sales | Condiciones a medida, como integrarlo en productos de código cerrado |
App de código abierto gratuita con AGPL-3.0. Pro a 99 $ por usuario al año o Lifetime a 299 $ en un solo pago, cada uno para un usuario en hasta 3 dispositivos, con licencia comercial y funciones por lotes; Enterprise a consultar. Los pesos de los modelos tienen sus propias licencias.
¿Merece la pena VoiceStudio?
VoiceStudio da a una persona en una sola máquina casi todo lo que hace un servicio de voz en la nube, y la letra pequeña decide si puedes vender el resultado. El código de la app es AGPL-3.0, pero su propio aviso de licencias dice que los pesos predeterminados de OmniVoice son CC-BY-NC, y que su inventario de modelos no declara autorización comercial para ningún modelo. El repositorio tiene unas 92.300 estrellas en GitHub y 10.200 forks desde su creación en abril de 2026, y publicó la v0.5.7 el 26 de octubre de 2026.
La integración con agentes es cuidadosa en algunos puntos y abierta en otros. Las herramientas MCP pueden devolver el audio como archivos en lugar de base64 para que un WAV no inunde el contexto del agente, y la lectura de archivos se limita a un directorio base fijado con OMNIVOICE_MCP_BASE_PATH. Pero la documentación indica que el backend solo escucha en loopback y va sin autenticación por defecto, que el transporte MCP no está autenticado y que las rutas de ajustes son de clase ejecución remota de código y accesibles desde loopback, así que cualquier proceso de la máquina puede manejarlas. Compartir en la LAN añade un PIN que, según advierte la documentación, viaja sin cifrar por HTTP simple. La primera llamada a generate_speech descarga unos 2,3 GB de modelo si la instalación no lo ha hecho ya.
La instalación en una línea, `curl -fsSL https://voicestudio.sh/install | sh`, merece una pausa. El 28 de octubre de 2026 esa URL redirigía al script de instalación de la rama main, aunque la guía del instalador dice que el sitio sirve una copia empaquetada y probada y no la main cambiante. El script comprueba la descarga contra el SHA256SUMS.txt de la versión, lo que detecta la corrupción pero no una versión comprometida, ya que ambos vienen del mismo sitio. En macOS también elimina el flag de cuarentena y vuelve a firmar la app ad hoc cuando falla la verificación de la firma; una issue que pide binarios firmados (#1779) está abierta desde septiembre de 2026. Descargar el script y ejecutar `sh scripts/install.sh` después de leerlo es la alternativa documentada.
La AGPL en sí es permisiva para los usuarios: el uso comercial e interno de la app es gratuito, y la obligación copyleft solo se aplica si modificas VoiceStudio y lo ofreces a otros a través de una red. Integrarlo en un producto cerrado necesita una licencia comercial, y los contribuidores firman un CLA que cede los derechos a la empresa. Pro cuesta 99 $ por usuario al año o 299 $ en un solo pago, y es donde están el doblaje por lotes, las carpetas vigiladas y los workers de GPU remotos, aunque el README incluye las carpetas vigiladas entre lo que hace la app. Frente a audio.cpp, que es un runtime y no una app, VoiceStudio es la forma más amable de usar estos modelos; la licencia que importa para el trabajo remunerado es la de los pesos.
Dónde se gana su sitio
Un podcaster independiente con un MacBook con Apple Silicon y 16 GB
Producir narraciones con mi propia voz clonada sin subir grabaciones a un servicio en la nube
Instala el .dmg, añade un fragmento de referencia limpio con su transcripción y genera con Metal; la app descarga el modelo TTS de memoria para dejar sitio a la transcripción en máquinas de 16 GB. Gratuito, pero un programa patrocinado o de pago debería elegir un motor cuyos pesos permitan uso comercial de lo generado, ya que los pesos predeterminados de OmniVoice son CC-BY-NC.
Un desarrollador que da salida hablada a un agente de Claude Code o Codex
Hacer que el agente lea resúmenes en voz alta y transcriba notas de voz en local
Apunta el cliente a http://127.0.0.1:3900/mcp/ o al shim de stdio, configura OMNIVOICE_MCP_OUTPUT_MODE=files y un directorio base para que el audio quede fuera del contexto, y asigna una voz a cada agente. Sin cuotas; mantenlo fuera de máquinas compartidas, porque la API en loopback no tiene autenticación.
Un estudio de localización de cinco editores que dobla vídeos de formación
Poner vídeos en cola y renderizar varios idiomas de destino sin cuotas por minuto en la nube
El doblaje por lotes necesita Pro: 495 $ al año por cinco puestos, o 1.495 $ en un solo pago con Lifetime. La documentación dice que una tarjeta de NVIDIA con 16 GB o más ejecuta de 3 a 4 generaciones a la vez, mientras que con 10 GB o menos se ejecuta una cada vez. El uso comercial de lo generado sigue dependiendo de la licencia de cada modelo.
Antes de decidirte
- Puesta en marcha
- `curl -fsSL https://voicestudio.sh/install | sh` en macOS o Linux, `irm https://voicestudio.sh/install.ps1 | iex` en Windows, o un .dmg, .exe, .AppImage, .deb, snap o imagen de Docker en GHCR. La app pregunta antes de descargar cualquier modelo; OmniVoice ocupa unos 2,3 GB.
- Integraciones
- MCP sobre Streamable HTTP en :3900/mcp/ o un shim de stdio, con las herramientas generate_speech, clone_voice, describe_voice, design_voice, transcribe y list_voices; POST /v1/audio/transcriptions compatible con OpenAI y un WebSocket de streaming; skills para agentes mediante npx skills add debpalash/VoiceStudio.
- Datos y privacidad
- El procesamiento es local y la documentación dice que no hay cuentas ni telemetría del actualizador. El backend y el endpoint MCP van sin autenticación en loopback; compartir en la LAN usa un PIN enviado por HTTP simple salvo que añadas un proxy TLS. Licencia de la app AGPL-3.0; pesos predeterminados de OmniVoice CC-BY-NC.
- Coste a escala
- Gratuito si lo ejecutas tú mismo en tu propia GPU o CPU; la CPU va aproximadamente a la mitad de velocidad que Apple Silicon. Pro cuesta 99 $ por usuario al año y Lifetime 299 $, cada uno para hasta 3 dispositivos; la integración en código cerrado tiene precio a consultar.
- Límites
- 40 issues y pull requests abiertas, entre ellas doblajes con varios hablantes que mezclan las voces (#3419) y ruido estático en las generaciones (#2818); los Mac con Intel necesitan un backend remoto; las apps móviles son versiones preliminares; las versiones hasta la 0.5.3 usaban Tauri y necesitan una migración aparte.
Lo bueno
- Clonación, diseño, doblaje, dictado y transcripción en una sola app local
- Funciona en Apple Silicon, NVIDIA o CPU, además de Docker
- Servidor MCP y endpoint de transcripción compatible con OpenAI
- Avisos de licencia por modelo en el Model Manager
Lo malo
- Los pesos predeterminados de OmniVoice son CC-BY-NC
- La API local y el MCP van sin autenticación en loopback
- El instalador curl | sh quita la cuarentena de macOS; binarios sin firmar
- El doblaje por lotes y las carpetas vigiladas son solo de Pro
Ideal para
Particulares y equipos pequeños que quieren clonación de voz, doblaje y transcripción en su propio hardware y pueden comprobar la licencia de cada modelo antes de un uso comercial.
Alternativas a VoiceStudio
VoiceStudio: preguntas frecuentes
- ¿Merece la pena VoiceStudio?
- VoiceStudio es un sustituto local serio de ElevenLabs, pero el modelo de voz predeterminado tiene licencia de uso no comercial y el instalador pide mucha confianza. Le damos un 3.8 sobre 5.
- ¿Cuánto cuesta VoiceStudio?
- App de código abierto gratuita con AGPL-3.0. Pro a 99 $ por usuario al año o Lifetime a 299 $ en un solo pago, cada uno para un usuario en hasta 3 dispositivos, con licencia comercial y funciones por lotes; Enterprise a consultar. Los pesos de los modelos tienen sus propias licencias.
- ¿Qué inconvenientes tiene VoiceStudio?
- Los pesos predeterminados de OmniVoice son CC-BY-NC; la API local y el MCP van sin autenticación en loopback; el instalador curl | sh quita la cuarentena de macOS; binarios sin firmar; el doblaje por lotes y las carpetas vigiladas son solo de Pro.
- ¿Para quién es VoiceStudio?
- Particulares y equipos pequeños que quieren clonación de voz, doblaje y transcripción en su propio hardware y pueden comprobar la licencia de cada modelo antes de un uso comercial.
- ¿Cuánto cuesta VoiceStudio para un equipo o en producción?
- Gratuito si lo ejecutas tú mismo en tu propia GPU o CPU; la CPU va aproximadamente a la mitad de velocidad que Apple Silicon. Pro cuesta 99 $ por usuario al año y Lifetime 299 $, cada uno para hasta 3 dispositivos; la integración en código cerrado tiene precio a consultar.
- ¿Es VoiceStudio seguro para los datos de la empresa?
- El procesamiento es local y la documentación dice que no hay cuentas ni telemetría del actualizador. El backend y el endpoint MCP van sin autenticación en loopback; compartir en la LAN usa un PIN enviado por HTTP simple salvo que añadas un proxy TLS. Licencia de la app AGPL-3.0; pesos predeterminados de OmniVoice CC-BY-NC.
- ¿Cuáles son las mejores alternativas a VoiceStudio?
- Las alternativas más cercanas que hemos analizado son audio.cpp, VideoAgent y ComfyUI.
Respuestas comprobadas el 28 oct 2026.