# Qwen3-TTS o SuperClonica para texto a voz en local

Actualizado 2026-10-23

Qwen3-TTS es la familia de modelos de voz abiertos del equipo Qwen, publicada en enero de 2026 en tamaños 0.6B y 1.7B con licencia Apache 2.0. Clona una voz con tres segundos de audio, crea voces a partir de una descripción de texto y emite el audio en streaming con poca latencia. SuperClonica es más acotado: voces de Supertonic 3, listas o entrenadas, que funcionan rápido en CPU.

Los dos funcionan en tu propio hardware. Se diferencian en velocidad, idiomas y en cómo consigues una voz.

## Qué ofrece Qwen3-TTS

Los ejemplos oficiales se ejecutan en una GPU NVIDIA en bfloat16, y se recomienda FlashAttention 2 para reducir la memoria de GPU.

- 10 idiomas: chino, inglés, japonés, coreano, alemán, francés, ruso, portugués, español e italiano, además de perfiles de voz con dialectos.
- Clonación de voz con 3 segundos en los modelos Base, sin entrenamiento.
- Diseño de voz a partir de una descripción en lenguaje natural (modelo 1.7B VoiceDesign).
- Instrucciones para controlar el tono, la velocidad del habla y la emoción.
- Generación en streaming; los autores indican una latencia de extremo a extremo desde 97 ms.

## Velocidad de Qwen3-TTS en CPU

Para el modelo 0.6B en un procesador de sobremesa de 8 núcleos estimamos de 1 a 2 veces más lento que el tiempo real: 10 segundos de voz en 10–20 segundos. La estimación se basa en un motor de la comunidad escrito en C, que indica un RTF de 2,02 para el 0.6B con pesos INT4 en un Ryzen 7 6800H de portátil. El modelo 1.7B es más lento: lo situamos de 2 a 5 veces más lento que el tiempo real. PyTorch a secas puede ser bastante más lento que ese motor en C.

En Apple Silicon a Qwen le va mejor: el mismo motor indica 0,52 en un M1, es decir, unas dos veces más rápido que el tiempo real.

SuperClonica, en un procesador de sobremesa de 8 núcleos, va según nuestra estimación de 6,4 a 9,7 veces más rápido que el tiempo real: los mismos 10 segundos tardan unos 1,0–1,6 segundos.

## Calidad, estabilidad e idiomas

En nuestras notas, Qwen3-TTS obtiene 4 sobre 5 en calidad y 4 en estabilidad del timbre; SuperClonica, 4,5 y 5.

En número de idiomas gana Supertonic 3, 31 frente a 10, pero las listas no coinciden del todo. Qwen3-TTS habla chino y Supertonic 3 no. A cambio, Supertonic 3 añade árabe, hindi, turco, vietnamita, ucraniano, polaco y la mayoría de los demás idiomas europeos.

## Cuál usar

Los dos son abiertos y funcionan en local, así que depende de la tarea.

- Qwen3-TTS: necesitas chino, clonación instantánea o diseño de voz, o estás creando un asistente de voz en GPU y te importa la latencia del primer paquete.
- SuperClonica: generas mucha voz en CPU, trabajas en alguno de los 31 idiomas de Supertonic 3 o quieres que una voz entrenada suene igual en miles de frases.

## Más sobre texto a voz

- [Texto a voz que funciona en tu propio equipo](https://superclonica.com/es/text-to-speech)
- [Supertonic vs SuperClonica: el mismo modelo, más rápido y limpio](https://superclonica.com/es/compare/supertonic)
- [Fish Audio y Fish Speech frente a SuperClonica](https://superclonica.com/es/compare/fish-audio)
- [OmniVoice o SuperClonica: más idiomas o más velocidad](https://superclonica.com/es/compare/omnivoice)
- [VoxCPM 2 o SuperClonica: sonido de estudio o velocidad en CPU](https://superclonica.com/es/compare/voxcpm)
- [F5-TTS o SuperClonica: clonación zero-shot o voz rápida en CPU](https://superclonica.com/es/compare/f5-tts)
- [Una alternativa a ElevenLabs que funciona sin conexión](https://superclonica.com/es/compare/elevenlabs)
- [Kokoro TTS o SuperClonica: dos modelos pequeños de texto a voz local](https://superclonica.com/es/compare/kokoro)
- [Piper TTS o SuperClonica: dispositivos pequeños o voces propias](https://superclonica.com/es/compare/piper)
- [Coqui XTTS-v2 o SuperClonica: una alternativa a Coqui TTS](https://superclonica.com/es/compare/xtts)
- [Chatterbox TTS o SuperClonica: clonación al instante o un archivo de voz entrenado](https://superclonica.com/es/compare/chatterbox)

## Guías de texto a voz

- [Cómo convertir texto a voz sin conexión en tu ordenador](https://superclonica.com/es/guides/offline-text-to-speech)
- [Clonación de voz: cómo conseguir una voz parecida a una grabación](https://superclonica.com/es/guides/voice-cloning)
- [Los mejores modelos de texto a voz gratis para usar en local en 2026](https://superclonica.com/es/guides/best-free-tts-models)
- [Texto a voz para vídeos, audiolibros, juegos y apps](https://superclonica.com/es/guides/text-to-speech-for-videos)
- [Voces de Supertonic 3: dónde conseguir voces propias y cómo usarlas](https://superclonica.com/es/guides/supertonic-3-voices)
- [Texto a voz en Python: sin conexión, gratis y con voces naturales](https://superclonica.com/es/guides/python-text-to-speech)
- [API de texto a voz autoalojada en Docker](https://superclonica.com/es/guides/text-to-speech-api-docker)

## Preguntas frecuentes

### ¿Qwen3-TTS funciona en CPU?

Sí, con motores de la comunidad. Una implementación en C puro indica un RTF de 2,02 para el modelo 0.6B con INT4 en un Ryzen 7 6800H y de 0,52 en un Apple M1. En una CPU de sobremesa de 8 núcleos estimamos de 1 a 2 veces más lento que el tiempo real.

### ¿Puedo usar Qwen3-TTS con fines comerciales?

El repositorio y los pesos en Hugging Face se publican con Apache 2.0, una licencia que permite el uso comercial. Aun así, lee el texto de la licencia antes de lanzar tu producto.

### ¿Hay una alternativa más rápida a Qwen3-TTS para voz sin conexión?

Para los 31 idiomas de Supertonic 3, sí: según nuestra estimación, el motor SuperClonica hace hablar a las voces de Supertonic 3 de 6,4 a 9,7 veces más rápido que el tiempo real en una CPU de sobremesa. Renuncias a la clonación instantánea: una voz nueva se entrena o se compra como archivo.

### ¿Qwen3-TTS habla español?

Sí, el español está entre sus 10 idiomas. Supertonic 3 también lo admite.

- [Buscar una voz para Supertonic 3](https://superclonica.com/es/explore)
- [Ir a la instalación de SuperClonica](https://superclonica.com/es/superclonica)

## Fuentes

- [Repositorio de Qwen3-TTS (GitHub)](https://github.com/QwenLM/Qwen3-TTS)
- [Ficha del modelo Qwen3-TTS 1.7B Base](https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-Base)
- [Qwen3-TTS en C: datos de rendimiento](https://github.com/gabriele-mastrapasqua/qwen3-tts/blob/main/docs/performance.md)
- [Ficha del modelo Supertonic 3](https://huggingface.co/supertone-oss-archive/supertonic-3)
- [SuperClonica](https://superclonica.com/es/)
- [Catálogo de voces IA para texto a voz](https://superclonica.com/es/explore)
- [Encargos de voces personalizadas](https://superclonica.com/es/requests)
- [Guía: voces, TTS local y entrenamiento](https://superclonica.com/es/guide)
- [Instala el motor rápido para Supertonic 3](https://superclonica.com/es/superclonica)
- [Quiénes somos: entusiastas del TTS](https://superclonica.com/es/about)
- [Contacto, soporte y quejas sobre voces](https://superclonica.com/es/contacts)
- [Política de privacidad y datos](https://superclonica.com/es/privacy)
- [Términos de uso de la plataforma](https://superclonica.com/es/terms)
- [Texto a voz](https://superclonica.com/es/text-to-speech)