Clonación de voz y texto a voz 100 % local, con interfaz web.
Funciona igual en CPU que en GPU. Nada sale de tu ordenador.

Graba o sube 10 segundos de una voz, escribe un texto y obtén ese texto hablado con esa misma voz. Todo el proceso ocurre en tu máquina: no hay API, no hay cuenta, no hay subida de audio a ningún servidor.

Por debajo usa el modelo Qwen3-TTS-12Hz-1.7B en formato GGUF, ejecutado con llama.cpp.

• 🎤 Clonación por muestra — graba desde el navegador o sube un archivo
• 🌍 10 idiomas — español, inglés, chino, alemán, italiano, portugués, japonés, coreano, francés y ruso
• ⚡ CPU y GPU — elige el modo en cada generación; detecta y prioriza la GPU dedicada
• 📚 Biblioteca de voces — guarda las voces y reutilízalas
• 📄 Textos largos — se trocean por frases, se sintetizan y se unen solos
• 📊 Progreso en vivo — barra, bloque actual y el registro de llama.cpp
• 💾 Historial — todo lo generado queda con reproductor y descarga
• 🔒 Sin conexión — tras la instalación funciona con el wifi apagado

Los pesos del modelo (~1,5 GB) no vienen en el repositorio. La aplicación los descarga en el primer arranque.

Descárgalo de python.org/downloads.

⚠️ En Windows, marca la casilla «Add python.exe to PATH» durante la instalación. Es el fallo más común.

Comprueba que quedó bien:

python --version

Es el motor que ejecuta el modelo. Hace falta la build b10500 o superior: el soporte de Qwen3-TTS se añadió en agosto de 2026 y las versiones anteriores no sirven.

Windows

winget install ggml.llamacpp

En el caso de que no dé el comando anterior entonces usar

winget install --id ggml.llamacpp --source winget

macOS

brew install llama.cpp

Linux — descarga un binario de las releases oficiales o compílalo.

Comprueba la versión:

llama-tts --version

Convierte el audio de referencia al formato que espera el modelo. Sin él solo podrás subir .wav y .mp3, y la grabación desde el navegador no funcionará.

winget install Gyan.FFmpeg

_{macOS: brew install ffmpeg · Linux: sudo apt install ffmpeg}

git clone https://github.com/jceronch1/Clonar-voz.git
cd Clonar-voz

_{Sin git: botón verde Code → Download ZIP y descomprime.}

Windows — doble clic en iniciar.bat

Linux / macOS

chmod +x iniciar.sh && ./iniciar.sh

El lanzador instala las dependencias de Python, comprueba llama.cpp y te ofrece descargar el modelo. Cuando termine, abre http://127.0.0.1:8080.

Si no lo hiciste en el paso anterior, la web te recibe con este panel:

Elige la cuantización y pulsa Descargar ahora. Son dos archivos:

Hacen falta los dos. La descarga es reanudable y verifica el SHA-256 al terminar. Desde la terminal es lo mismo:

python descargar_modelo.py

python descargar_modelo.py --modelo Q8_0 --mmproj bf16

Graba desde el micrófono o sube un archivo. Para que la clonación salga bien:

• 10-15 segundos de una sola persona hablando
• Sin música de fondo, sin ruido, sin eco
• Rellena la transcripción: es opcional, pero mejora el parecido

Sin voz de referencia, el modelo usa su voz por defecto.

Elige idioma y modo de cómputo, y pulsa Generar audio (o Ctrl + Enter). Verás el progreso bloque a bloque y el registro de llama.cpp en directo:

El resultado aparece con reproductor y botón de descarga, y queda guardado en el historial.

En el desplegable Procesamiento:

La aplicación prioriza la GPU dedicada sobre la integrada. Es importante: llama.cpp por defecto suele coger la primera que encuentra, que en muchos portátiles es la integrada.

No basta con -ngl 99. Si el vocoder (el mmproj) no se descarga también en la GPU, se queda en la CPU y se convierte en el cuello de botella. Esta app siempre pasa -mmdev junto con --device:

# GPU
llama-tts -m modelo/Qwen3-TTS-...gguf -mm modelo/mmproj-...gguf \
  -p "texto" --tts-lang es --tts-speaker-file voces/<id>/referencia.wav \
  -o salida.wav -ngl 99 --device Vulkan1 -mmdev Vulkan1

# CPU
llama-tts ... -ngl 0 --device none --no-mmproj-offload

Medido con la misma frase de ~4 segundos en un portátil con RTX 4070 (Vulkan):

Incluso en CPU pura es perfectamente usable.

«Guardar como predeterminados» los escribe en config.json.

Clonar-voz/
├── app.py                 servidor web (FastAPI) y lanzador de llama-tts
├── descargar_modelo.py    descarga reanudable de los .gguf desde Hugging Face
├── iniciar.bat            arranque en Windows
├── iniciar.sh             arranque en Linux y macOS
├── requirements.txt
├── modelo/                aquí caen los .gguf (no van en el repo)
├── voces/                 biblioteca de voces (se crea sola)
├── salidas/               audios generados (se crea sola)
├── static/                interfaz web
└── docs/capturas/         capturas del README

config.json se crea al guardar ajustes. Acepta rutas manuales en binario, modelo y mmproj si quieres apuntar a otra instalación de llama.cpp o a otra cuantización. Vacío = autodetección.

El servidor expone una API por si quieres automatizarlo:

curl -X POST http://127.0.0.1:8080/api/generar \
  -H "Content-Type: application/json" \
  -d '{"texto":"Hola mundo","idioma":"es","dispositivo":"auto"}'

«Tu llama.cpp no admite Qwen3-TTS» Tu build es anterior al soporte. winget upgrade ggml.llamacpp y reinicia.

«No se encuentra llama-tts» No está en el PATH. Cierra y reabre la terminal tras instalarlo, o pon la ruta completa en config.json → "binario".

Va muy lento aunque tengo GPU Comprueba que no esté seleccionada la gráfica integrada: elige la marcada con ★ en Procesamiento.

La descarga del modelo se cortó Vuelve a lanzarla: continúa donde iba, no empieza de cero.

La grabación del micrófono no guarda Falta ffmpeg (el navegador graba en WebM). Instálalo y reinicia el servidor.

La voz clonada no se parece Referencia más larga (10-15 s), limpia y de una sola persona; rellena la transcripción y baja la temperatura a 0,6-0,7.

El puerto 8080 está ocupado La app busca sola el siguiente libre. Míralo en la consola al arrancar.

Clonar la voz de una persona sin su permiso es ilegal en muchos países y, en cualquier caso, un abuso. Usa solo voces propias o con consentimiento explícito. No la uses para suplantar identidades, engañar ni acosar.

• Qwen3-TTS — modelo, por el equipo Qwen de Alibaba, en GGUF por ggml-org
• llama.cpp — motor de inferencia
• Soporte de Qwen3-TTS en llama.cpp — PR de ngxson

Código bajo licencia MIT. Los pesos del modelo tienen su propia licencia.