Voz, dictado y tiempo real

OpenBMB/VoxCPM

TTS multilingüe sin tokenizer, ejecutable en local

36k
Apache-2.0
Python

Qué es y por qué importa

VoxCPM es un modelo de texto a voz orientado a generación multilingüe, diseño de voz y clonación. En el podcast se comenta un modelo de 2 mil millones de parámetros que necesita unos 8 GB de RAM, lo que permite ejecutarlo en un portátil corriente. Se plantea como opción propia y gratuita frente a servicios de pago como ElevenLabs, a cambio de gestionar tú mismo la infraestructura.

Puntos clave

Modelo pequeño (2B parámetros, unos 8 GB de RAM) apto para ejecutar en local
Clonación de voz razonable, aunque en naturalidad ElevenLabs sigue por delante
Es gratuito y auto-alojado: renuncias a la infraestructura y el soporte gestionados

Dónde lo vimos

The Next New Thing 2026-04-17 Los presentadores destacan que da voz a flujos con agentes y, al ser un modelo de 2B que corre en local con unos 8 GB de RAM, evita el coste recurrente de ElevenLabs, aunque hay que gestionarlo uno mismo. 🔥Hot Repos Explained

En la misma categoría

pipecat-ai/pipecat Framework open source para orquestar agentes de voz Ver ficha livekit/agents Agentes de voz en tiempo real sobre WebRTC Ver ficha openai/whisper Reconocimiento de voz local, estándar de facto Ver ficha