# Coqui XTTS-v2 o SuperClonica: una alternativa a Coqui TTS

Actualizado 2026-10-23

XTTS-v2 es el modelo de clonación de voz de Coqui, publicado junto con la biblioteca de código abierto Coqui TTS. A partir de un audio de referencia corto habla con esa voz en 17 idiomas, entre ellos el español, y puede llevar una voz de un idioma a otro.

Si piensas construir algo sobre él hoy, hay dos cosas que importan: el repositorio original coqui-ai/TTS ya no se mantiene y la licencia de los pesos de XTTS no permite el uso comercial. Si buscas una alternativa a Coqui TTS, aquí tienes cómo se compara SuperClonica. XTTS no está en nuestra tabla comparativa, así que no damos cifras de velocidad ni de calidad para él.

## Qué hace XTTS-v2

XTTS-v2 clona una voz con unos segundos de audio: la ficha del modelo habla de un clip de 6 segundos y la documentación, de 3. Habla inglés, español, francés, alemán, italiano, portugués, polaco, turco, ruso, neerlandés, checo, árabe, chino, japonés, húngaro, coreano e hindi, genera audio a 24 kHz y transfiere la emoción y el estilo de la referencia.

Admite streaming, y los autores indican una latencia inferior a 200 ms sin decir en qué hardware. Los ejemplos de la documentación lo ejecutan con CUDA, e incluye código para el ajuste fino.

## Licencia de XTTS: por qué el uso comercial queda fuera

Los pesos de XTTS-v2 están bajo la Coqui Public Model License. Solo permite el uso no comercial y no se limita al modelo, también cubre el audio generado: en cuanto recibes un pago, directo o indirecto, por el modelo o por lo que genera, quedas fuera de la licencia. Las empresas solo pueden usarlo para pruebas, evaluación e investigación no comercial.

El código de Coqui TTS en sí tiene licencia MPL-2.0, así que el obstáculo no es el código, sino los pesos. Supertonic 3 usa OpenRAIL-M, una licencia libre de regalías con una lista de usos prohibidos en lugar de una cláusula no comercial. Las voces compradas en SuperClonica son para tus propios proyectos y no se pueden revender.

## Coqui TTS hoy

El repositorio original coqui-ai/TTS ya no se mantiene. Idiap mantiene un fork que se publica en PyPI como coqui-tts, con paquetes listos para Linux, macOS y Windows y novedades como la caché de voces clonadas. Los pesos de XTTS-v2 y su licencia siguen igual.

## Clonar en cada petición o un archivo de voz entrenado

XTTS reconstruye la voz a partir del audio de referencia en cada petición, así que el resultado depende del clip que le pases. SuperClonica entrena la voz una vez en un archivo de Supertonic 3: una grabación limpia de 5 a 10 segundos con su transcripción exacta, tu propia GPU NVIDIA y sin coste. También puedes encargar la voz a un autor o elegirla en el catálogo.

Después, el archivo funciona sin conexión en un procesador normal. Según nuestra estimación, SuperClonica convierte texto a voz entre 6,4 y 9,7 veces más rápido que el tiempo real en un CPU de escritorio de 8 núcleos: una frase de 10 segundos en unos 1,0–1,6 segundos.

## Cuándo conviene más XTTS-v2

Elige SuperClonica para proyectos de pago, equipos sin GPU y voces que quieras conservar como archivo. XTTS-v2 sigue encajando en estos casos:

- Proyectos personales, de investigación o de afición donde la licencia no comercial no es un problema.
- Clonar voz al instante con unos segundos de audio, sin entrenar.
- Voz en chino, que Supertonic 3 todavía no tiene.
- Flujos de trabajo ya construidos sobre la biblioteca Coqui TTS.

## 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)
- [Qwen3-TTS o SuperClonica para texto a voz en local](https://superclonica.com/es/compare/qwen3-tts)
- [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)
- [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

### ¿Puedo usar XTTS-v2 con fines comerciales?

No con su licencia. La Coqui Public Model License solo permite el uso no comercial del modelo y del audio que genera. El código de Coqui TTS tiene licencia MPL-2.0, pero eso no cambia las condiciones de los pesos.

### ¿Coqui TTS sigue mantenido?

El repositorio original coqui-ai/TTS no. Un fork de Idiap continúa la biblioteca en PyPI con el nombre coqui-tts.

### ¿Qué alternativa a Coqui TTS hay para clonar voz con fines comerciales?

Una opción es una voz de Supertonic 3 entrenada con tu grabación y ejecutada con SuperClonica: el modelo está bajo OpenRAIL-M y la voz es un archivo que conservas. Si necesitas clonación instantánea, lee con atención las licencias de otros modelos; los pesos oficiales de F5-TTS, por ejemplo, también son no comerciales.

### ¿XTTS-v2 necesita GPU?

Los ejemplos oficiales lo ejecutan con CUDA y la documentación no da cifras para CPU. Según sus autores, Supertonic 3 no necesita GPU, y SuperClonica ejecuta sus voces en un procesador normal.

- [Ver voces listas](https://superclonica.com/es/explore)
- [Instalar SuperClonica](https://superclonica.com/es/superclonica)

## Fuentes

- [Ficha del modelo XTTS-v2 (Hugging Face)](https://huggingface.co/coqui/XTTS-v2)
- [Coqui Public Model License](https://huggingface.co/coqui/XTTS-v2/blob/main/LICENSE.txt)
- [Documentación de XTTS (coqui-tts)](https://coqui-tts.readthedocs.io/en/latest/models/xtts.html)
- [Fork de Coqui TTS de Idiap (GitHub)](https://github.com/idiap/coqui-ai-TTS)
- [Repositorio original coqui-ai/TTS](https://github.com/coqui-ai/TTS)
- [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)