# Texto a voz en Python: sin conexión, gratis y con voces naturales Actualizado 2026-10-22 Python tiene varias formas de convertir texto en voz. Algunas bibliotecas leen con las voces robóticas del sistema operativo, otras envían el texto a un servicio en línea y otras ejecutan un modelo neuronal en tu propio ordenador. Estas últimas ya suenan casi humanas y aun así funcionan sin internet. Esta guía compara las opciones y luego muestra código que funciona con el motor SuperClonica, un paquete de pip basado en el modelo abierto Supertonic 3: instalación, un primer script, voces personalizadas, textos largos y una API HTTP local en Docker. El motor es nuestro, así que lo indicamos cuando hablamos de nosotros. ## Formas de hacer texto a voz en Python Antes de elegir una biblioteca, decide dos cosas: si tu texto puede salir del ordenador y cuán natural debe sonar la voz. - pyttsx3 maneja el motor de voz integrado en el sistema: SAPI5 en Windows, NSSpeechSynthesizer en macOS y eSpeak en Linux. Funciona sin conexión y se instala en segundos, pero las voces suenan robóticas y cambian de una máquina a otra. - gTTS envía el texto al servicio de voz del Traductor de Google y guarda un MP3. Suena más claro, pero necesita internet, ofrece idiomas y acentos en lugar de voces y es una interfaz no oficial que puede dejar de funcionar. - Las API en la nube de Google, Amazon, Microsoft o ElevenLabs suenan muy bien, pero requieren una cuenta y una clave, se pagan por carácter y envían cada texto al proveedor. - Los modelos neuronales locales como Supertonic 3, Kokoro y Piper se ejecutan en tu propia CPU o GPU. Tras descargar el modelo una vez, funcionan sin conexión, no cuestan nada por carácter y suenan mucho más naturales que las voces del sistema. Nuestras páginas de comparación los analizan en detalle. ## Instalar el motor SuperClonica El motor es un paquete de pip en dos versiones. Para cualquier CPU en Windows, macOS o Linux con Python 3.10 o posterior: python -m pip install superclonica-cpu. Para una GPU NVIDIA en Windows o Linux con Python 3.11 o posterior: python -m pip install superclonica-gpu-cuda. Instala solo uno por entorno; ambos ofrecen el mismo módulo superclonica. La versión para GPU trae CUDA y cuDNN a través de pip, así que del sistema solo hace falta un controlador NVIDIA compatible con CUDA 12; sin una GPU que funcione, pasa a la CPU. En la primera ejecución, el modelo Supertonic 3, de unos 385 MB, se descarga una sola vez en ~/.cache/supertonic3. Define SUPERTONIC_CACHE_DIR para guardarlo en otro sitio. ## Tu primer script Importa el motor, sintetiza una frase y guárdala: from superclonica import Superclonica, luego tts = Superclonica(), audio, sample_rate = tts.synthesize("¡Hola! Esta voz funciona en mi propio ordenador.", voice="F1", lang="es", seed=7) y tts.save("hola.wav", audio). El modelo incluye diez voces, de M1 a M5 y de F1 a F5, que no necesitan archivos adicionales. Crea el motor una vez y reutilízalo: la carga tarda unos segundos y cada frase posterior, una fracción de segundo. En nuestras mediciones, la frase corta mediana tardó 0,12 s en una RTX 5070 Ti y 0,43 s en un Ryzen 7 5800X con cuatro hilos. ## Usar una voz personalizada Una voz de Supertonic 3 es un archivo JSON de unos 0,3 MB. Hay voces gratuitas con muestras de audio en el repositorio superclonica/supertonic-voices de GitHub, y el catálogo de SuperClonica tiene más de 170, desde personajes de videojuegos hasta narradores, cada una con una demo en línea gratuita. Pasa el archivo en lugar del nombre de un preajuste: tts.synthesize("¡Buenos días!", voice="ciri.json", lang="es", seed=7). Desde la línea de comandos: superclonica --text "¡Buenos días!" --voice ciri.json --lang es --output buenos-dias.wav. Cada voz habla los 31 idiomas del modelo; indica en lang el idioma del texto, por ejemplo en, de, ja o ru. El chino no está disponible. ## Textos largos, diálogos y formatos de archivo Unas pocas opciones cubren la mayoría de los proyectos reales. - Un texto largo, como un capítulo, cabe en una sola llamada: el motor lo divide en fragmentos naturales de 160 caracteres como máximo, lo que evita palabras repetidas o tragadas. - normalize=True iguala el volumen a −18 LUFS, algo útil cuando unes muchos archivos. - tts.synthesize_batch() da voz a varias líneas a la vez, cada una con su voz, por ejemplo las réplicas de un diálogo; los resultados conservan el orden de entrada. - El mismo texto con la misma voz y la misma semilla vuelve a dar el mismo audio, así que puedes rehacer una línea sin tocar el resto. - Los números se leen como palabras, las abreviaturas habituales de los chats se desarrollan y los emojis o símbolos desconocidos se limpian en lugar de provocar un error. - tts.save() escribe WAV, FLAC u OGG según la extensión del archivo. ## Texto a voz como API HTTP local Si el programa que necesita voz no está escrito en Python, ejecuta el motor en Docker: docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu, o la etiqueta cuda con --gpus all en una GPU NVIDIA. El modelo se descarga en el volumen en el primer arranque. Envía POST /synthesize con un JSON que contenga el texto, el idioma y el contenido del archivo de voz, y recibirás un WAV. Una voz ocupa unos 0,3 MB, así que arma la petición en un archivo y envíala con curl -d @request.json. ## Licencias y uso responsable Supertonic 3 se publica bajo OpenRAIL-M, una licencia libre de regalías con una lista de usos prohibidos en lugar de una cláusula no comercial. No uses la voz para hacerte pasar por alguien sin su consentimiento, para engañar o para acosar, e indica que el audio es generado por máquina cuando importe. Algunas voces del catálogo se inspiran en personas conocidas. No son sus voces reales, así que no presentes ese audio como sus palabras reales. ## Más guías - [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) - [API de texto a voz autoalojada en Docker](https://superclonica.com/es/guides/text-to-speech-api-docker) ## Texto a voz y comparativas - [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) - [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) ## Preguntas frecuentes ### ¿Cómo convierto texto a voz en Python sin internet? Usa una biblioteca que se ejecute en tu ordenador: pyttsx3 para las voces del sistema o un modelo neuronal local para una voz natural. Con el motor SuperClonica, instala superclonica-cpu con pip; tras descargar el modelo una vez, todo funciona sin conexión. ### ¿Qué es mejor, pyttsx3 o gTTS? pyttsx3 funciona sin conexión con las voces del sistema, que suenan robóticas; gTTS suena más claro, pero envía el texto a Google por internet. Un modelo neuronal local como Supertonic 3 ofrece voz natural sin internet. ### ¿Necesito una GPU? No. superclonica-cpu funciona en una CPU normal con Windows, macOS y Linux, y una frase corta tarda bastante menos de un segundo. Una GPU NVIDIA es varias veces más rápida y ayuda con grandes volúmenes. ### ¿Puedo usar la voz generada con fines comerciales? La licencia de Supertonic 3, OpenRAIL-M, es libre de regalías y no tiene cláusula no comercial; enumera usos prohibidos, como hacerse pasar por personas sin su consentimiento. Las voces inspiradas en personas conocidas no deben presentarse como sus palabras reales. - [Ver voces para tu proyecto en Python](https://superclonica.com/es/explore) - [Instalar el motor SuperClonica](https://superclonica.com/es/superclonica) ## Fuentes - [pyttsx3 (PyPI)](https://pypi.org/project/pyttsx3/) - [Documentación de gTTS](https://gtts.readthedocs.io/) - [Motor SuperClonica (PyPI)](https://pypi.org/project/superclonica-cpu/) - [Ficha del modelo Supertonic 3 (Hugging Face)](https://huggingface.co/supertone-oss-archive/supertonic-3) - [Voces gratuitas de Supertonic 3 (GitHub)](https://github.com/superclonica/supertonic-voices) - [Imagen Docker de SuperClonica (Docker Hub)](https://hub.docker.com/r/superclonica/superclonica) - [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)