Voicebox: Estudio de Voz de Código Abierto Potenciado por Qwen3‑TTS

La síntesis de voz ya no pertenece únicamente a unos pocos servicios basados en la nube. Con Voicebox—una aplicación libre, local‑first construida sobre Qwen3‑TTS—los desarrolladores y creadores pueden ser dueños de sus datos de voz, editar líneas de audio multitrack como si fueran un DAW y generar discursos naturales más rápido que nunca en Apple Silicon.

¿Qué es Voicebox?

• Local‑first: todas las inferencias, clonaciones y ediciones se ejecutan en tu hardware—sin necesidad de internet, sin cuotas de suscripción.
• Código abierto: con licencia MIT, completamente impulsado por la comunidad.
• Edición multitrack: imagina un DAW que también hace texto‑a‑voz.
• Construido con stack moderno: Tauri (Rust) para el escritorio, React/TS para la interfaz, FastAPI para la API, MLX/Metal para la aceleración GPU.
• Potenciado por Qwen3‑TTS: el modelo revolucionario de Alibaba que puede clonar una voz a partir de sólo unos segundos, produciendo discursos de alta fidelidad y expresividad.

Funciones principales al instante

Vista de Arquitectura

graph TD
  A[React‑TS Frontend] -->|REST| B[FastAPI Backend]
  B -->|PyTorch/MLX| C[Qwen3‑TTS Engine]
  B -->|Whisper| D[Transcription]
  B -->|SQLite| E[Database]
  subgraph Desktop
    F[tauri (Rust)] --> A
  end
  subgraph Web
    G[React‑TS app] --> A
  end

• Frontend: React con TypeScript, Tailwind CSS, Zustand & React Query para estado y obtención de datos.
• Backend: FastAPI que ofrece una API tipada, documentación automática y rendimiento asíncrono.
• Modelos: Qwen3‑TTS y Whisper están disponibles tanto en PyTorch como en MLX, ofreciendo flexibilidad de plataforma.
• Persistencia: SQLite almacena perfiles de voz, metadatos del proyecto y historial de generación.

Cómo Empezar

1. Instalar

# En macOS (Apple Silicon)
brew install qt@5  # para dependencias de Tauri
bun install
cd backend && pip install -r requirements.txt
bun run dev   # Lanza la aplicación de escritorio

Para Windows o macOS basados en Intel, descarga el MSI o ZIP desde la página de releases.

2. Clonar una Voz

1. Abre la aplicación y haz clic en Create Profile.
2. Graba o sube 5–10 segundos de discurso claro.
3. El modelo generará un perfil llamado My Voice.
4. Exporta el perfil si deseas compartirlo.

3. Crear una Historia

1. Arrastra el nuevo perfil a la línea de tiempo.
2. Escribe tu guion o pégalo desde un documento.
3. Usa Batch Generation para sintetizar todo el guion.
4. Organiza clips, recorta y mezcla usando las herramientas de la línea de tiempo.
5. Exporta el mix final.

Casos de Uso donde Voicebox Brilla

Ampliar Voicebox

• Sistema de Plugins: Añade nuevos modelos de voz (p.ej. XTTS, Bark) o efectos de audio como paquetes Tauri independientes.
• Companion Móvil: Los planes futuros incluyen una app móvil para controlar una instancia de Voicebox en el escritorio a través de LAN.
• Síntesis en Tiempo Real: Próxima funcionalidad que transmitirá audio generado a medida que se produce, facilitando presentaciones en vivo.

Comunidad y Contribución

Voicebox está diseñado para ser inclusivo y abierto:

• Contribución: Se fomentan las solicitudes de extracción; revisa CONTRIBUTING.md para configuración.
• Seguridad: Sigue SECURITY.md para reportar problemas de manera responsable.
• Releases: Nuevas versiones estables se publican en GitHub Releases.
• Documentación: Docs API completos disponibles en http://localhost:8000/docs cuando se ejecute.

Conclusión

Voicebox convierte una laptop en un estudio de voz profesional y preservador de la privacidad. Ya sea que estés prototipando un juego de voz, redactando un podcast o construyendo una herramienta de accesibilidad personal, ya no necesitas depender de costosas APIs en la nube. Súbete hoy, fork del repositorio en GitHub y comienza a crear experiencias de voz que permanezcan bajo tu control.