¿Qué es NeuTTS (Air, Nano, 2E)?
NeuTTS es una familia de modelos pequeños de texto a voz de Neuphonic, pensados para ejecutarse en el dispositivo y no en la nube. NeuTTS Air, publicado en octubre de 2025, tiene unos 360 millones de parámetros activos (552 millones con embeddings) y habla inglés. NeuTTS Nano, con unos 120 millones activos, tiene versiones en inglés, francés, alemán y español. NeuTTS-2E, publicado en julio de 2026, añade seis emociones con cuatro voces inglesas fijas y sin clonación.
Cada modelo combina un pequeño modelo de lenguaje con el códec de audio NeuCodec de Neuphonic, y se distribuye en archivos GGUF Q8 y Q4 para llama.cpp. Air y Nano clonan una voz con unos 3 segundos de audio limpio. Cada salida lleva la marca de agua Perth por defecto. Air es Apache 2.0; Nano y 2E usan la NeuTTS Open License, que solo es gratuita para uso comercial por debajo de $5 millones de ingresos anuales.
¿Merece la pena NeuTTS (Air, Nano, 2E)?
NeuTTS es para el caso en que la voz debe quedarse en el dispositivo: un juguete, un quiosco, una app sensible a la privacidad. Las cifras de Neuphonic sitúan al modelo Nano en Q4 en 45 tokens por segundo en un móvil Galaxy A25 y 221 en la CPU de un portátil con Ryzen 9, con la salvedad de que solo cuentan el modelo de lenguaje, no el códec que genera el audio. Clonar con unos 3 segundos de audio lo pone por delante de Kokoro y Phonon, que solo traen voces fijas.
El coste en calidad se ve en las comparativas públicas. La prueba a ciegas de Gradium con modelos para dispositivo dio a NeuTTS 2.034 de Elo frente a 2.043 de Kokoro y 2.098 de Phonon 31M, con una tasa de error de palabras del 8,7% en frases difíciles frente al 3,5% y el 1,5%. La API alojada de Neuphonic, que es otro producto, está en el puesto 91 de 104 en la arena de Artificial Analysis con 942 de Elo.
En seguridad lo hace mejor que la mayoría de los modelos abiertos. La marca de agua Perth se aplica a cada clip por defecto, como en Chatterbox. Una trampa: instalar desde el código con uv sync desactiva la marca de agua porque sus dependencias no se instalan, mientras que pip install la mantiene. El consentimiento no se trata más allá de una petición de una línea para no hacer mal uso del modelo.
La pega: las licencias cambian dentro de la familia. Solo Air es Apache 2.0; los modelos Nano multilingües y el 2E emocional van bajo la NeuTTS Open License, que exige licencia de pago a partir de $5 millones de ingresos, sumando filiales. El contexto de 2.048 tokens cubre unos 30 segundos de audio, prompt de referencia incluido, así que el texto largo hay que trocearlo.
Nuestra opinión: NeuTTS se gana su sitio en hardware y apps sin conexión donde una voz clonada tiene que funcionar sin red; para todo lo que pueda llamar a un servidor, los modelos más grandes suenan mejor por el mismo dinero.
Dónde se gana su sitio
Un fabricante de juguetes que crea un peluche parlante con la voz grabada de un padre o una madre
Contar cuentos con esa voz sin enviar audio a un servidor
Graba de 3 a 15 segundos del padre o la madre, codifícalo una vez y ejecuta el GGUF Q4 de Air en el procesador del juguete. La licencia Apache 2.0 de Air evita el umbral de ingresos; la marca de agua identifica cada clip.
Un equipo de una app sanitaria con normas de datos estrictas
Leer en voz alta instrucciones para pacientes en francés, alemán o español en el dispositivo
Ejecuta el modelo Nano correspondiente con un clip de referencia en el mismo idioma, para que ningún texto salga del móvil. Una empresa con menos de $5 millones de ingresos puede publicarlo gratis; por encima, presupuesta una licencia de Neuphonic.
Un desarrollador de quioscos con una Raspberry Pi
Dar a una pantalla informativa una voz inglesa natural con algo de emoción
NeuTTS-2E ofrece cuatro voces fijas y siete ajustes de emoción, neutro incluido, que se eligen con un argumento; usa el decodificador ONNX y la base GGUF para reducir la latencia.
Antes de decidirte
- Puesta en marcha
- pip install neutts (añade el extra llama para GGUF y el extra onnx para el decodificador ONNX); los clips de referencia deben durar de 3 a 15 segundos, en mono y en .wav limpio. El streaming solo funciona con modelos GGUF.
- Integraciones
- Paquete de Python, llama.cpp mediante llama-cpp-python, decodificadores ONNX, demos en Hugging Face Spaces; Neuphonic vende además una API de TTS alojada aparte.
- Datos y privacidad
- Se ejecuta en local, así que el texto y los clips de voz se quedan en el dispositivo. Marca de agua Perth activa por defecto con pip. Sin comprobación de consentimiento más allá de 'Don't use this model to do bad things'.
- Coste a escala
- Air es gratis a cualquier escala. Nano y 2E son gratis por debajo de $5 millones de ingresos anuales sumando filiales; el precio de la licencia de pago no se publica.
- Límites
- Contexto de 2.048 tokens, unos 30 segundos de audio con el prompt; solo inglés en Air y 2E; las velocidades de benchmark excluyen el códec; la salida es aleatoria salvo que se fije una semilla.
Lo bueno
- Funciona en móviles, portátiles y Raspberry Pi mediante GGUF
- Clona una voz con unos 3 segundos de audio
- Marca de agua Perth en cada clip por defecto
- Air bajo Apache 2.0
Lo malo
- 8,7% de error en frases difíciles en la prueba de Gradium, frente al 1,5% de Phonon
- Nano y 2E necesitan licencia de pago a partir de $5 millones de ingresos
- Contexto de 2.048 tokens, unos 30 segundos de audio
- Instalar con uv sync elimina la marca de agua sin avisar
Ideal para
Fabricantes de hardware y apps que necesitan clonación de voz sin conexión en móviles o placas embebidas, con marcado de procedencia incluido.
Alternativas a NeuTTS (Air, Nano, 2E)
NeuTTS (Air, Nano, 2E): preguntas frecuentes
- ¿Merece la pena NeuTTS (Air, Nano, 2E)?
- NeuTTS lleva la clonación de voz a un móvil o a una Raspberry Pi con marca de agua incluida, a cambio de sonar como un modelo pequeño. Le damos un 3.6 sobre 5.
- ¿Cuánto cuesta NeuTTS (Air, Nano, 2E)?
- Air es gratis bajo Apache 2.0. Nano y 2E son gratis para investigación y para empresas con menos de $5 millones de ingresos anuales; por encima hace falta una licencia de pago.
- ¿Qué inconvenientes tiene NeuTTS (Air, Nano, 2E)?
- 8,7% de error en frases difíciles en la prueba de Gradium, frente al 1,5% de Phonon; nano y 2E necesitan licencia de pago a partir de $5 millones de ingresos; contexto de 2.048 tokens, unos 30 segundos de audio; instalar con uv sync elimina la marca de agua sin avisar.
- ¿Para quién es NeuTTS (Air, Nano, 2E)?
- Fabricantes de hardware y apps que necesitan clonación de voz sin conexión en móviles o placas embebidas, con marcado de procedencia incluido.
- ¿Cuánto cuesta NeuTTS (Air, Nano, 2E) para un equipo o en producción?
- Air es gratis a cualquier escala. Nano y 2E son gratis por debajo de $5 millones de ingresos anuales sumando filiales; el precio de la licencia de pago no se publica.
- ¿Es NeuTTS (Air, Nano, 2E) seguro para los datos de la empresa?
- Se ejecuta en local, así que el texto y los clips de voz se quedan en el dispositivo. Marca de agua Perth activa por defecto con pip. Sin comprobación de consentimiento más allá de 'Don't use this model to do bad things'.
- ¿Cuáles son las mejores alternativas a NeuTTS (Air, Nano, 2E)?
- Las alternativas más cercanas que hemos analizado son Gradium Phonon, Kokoro-82M, Chatterbox y KittenTTS 2.
Respuestas comprobadas el 7 nov 2026.