TTS Sidecar: voz clonada en español latino, 100% local

TTS Sidecar convierte texto en voz, incluso con tu propia voz clonada, en español latinoamericano. Todo ocurre en tu equipo y sin APIs externas. Se maneja desde la línea de comandos, por lo que cualquier lenguaje de programación puede invocarlo.

Es útil para quienes desarrollan software que necesita voz sintetizada y para quienes quieren generar audio con su propia voz.

Qué ofrece

• Motor: Chatterbox Multilingual V3, con el modelo es-mx-latam (licencia MIT) y más de 23 idiomas.
• Clonación de voz: usa unos 10 segundos de audio de referencia.
• 100% offline: sin APIs externas ni conexiones a internet.
• CLI universal: se invoca desde cualquier lenguaje.
• Audio nativo: usa las APIs de audio del sistema operativo.
• Instalador por plataforma: despliega un bundle de PyInstaller --onedir (carpeta de la aplicación).

Plataformas y canales de instalación

El proyecto se distribuye por dos canales:

Instalación en una línea

Los scripts descargan el último Release, verifican el checksum contra SHA256SUMS.txt y ejecutan setup. Si el checksum no coincide, abortan la instalación.

Linux

curl -fsSL https://raw.githubusercontent.com/CristianRojas-SoftwareEngineer/TTS-Sidecar/main/install-linux.sh | sh

macOS (Apple Silicon)

curl -fsSL https://raw.githubusercontent.com/CristianRojas-SoftwareEngineer/TTS-Sidecar/main/install-macos.sh | sh

Windows (PowerShell)

irm https://raw.githubusercontent.com/CristianRojas-SoftwareEngineer/TTS-Sidecar/main/install-windows.ps1 | iex

Si usas Homebrew en macOS, existe un Cask propio:

brew tap CristianRojas-SoftwareEngineer/tts-sidecar
brew install --cask tts-sidecar

El Cask exige Homebrew y no descarga el modelo, así que después debes correr tts-sidecar setup.

Otras formas de instalar

Desde PyPI (requiere Python 3.13+):

uv tool install tts-sidecar
# o: pipx install tts-sidecar

tts-sidecar setup
tts-sidecar speak --text "Hola mundo"

En Linux, sounddevice necesita la librería libportaudio2 para reproducir audio. Si solo guardas a archivo con speak --output, no la necesitas.

Desde el código fuente:

pip install -r requirements.txt

python scripts/build_windows.py    # Windows
python scripts/build_linux.py      # Linux
python scripts/build_macos.py      # macOS

Descarga del modelo con setup

El modelo es-mx-latam ocupa varios cientos de MB y viene aparte del ejecutable. Se descarga una sola vez a la caché de HuggingFace de tu usuario (~/.cache/huggingface/hub).

• Windows: el instalador ofrece una casilla final que ejecuta setup por ti.
• Linux y macOS: ejecuta tts-sidecar setup después de instalar.

setup corre los chequeos de entorno y descarga el modelo solo si falta. Mientras el modelo no esté disponible, speak y daemon start fallan de inmediato y te remiten a tts-sidecar setup.

Primer arranque: avisos de SmartScreen y Gatekeeper

Si descargas el instalador desde el navegador, el sistema puede mostrar una advertencia de «editor desconocido». Es esperable porque los binarios aún no están firmados con certificado de código. El proyecto prevé firmarlos con SignPath Foundation en una versión futura.

• Windows (SmartScreen): pulsa Más información y luego Ejecutar de todas formas.
• macOS (Gatekeeper): haz clic derecho sobre el .app o .dmg, elige Abrir y confirma.

Para verificar el archivo de forma objetiva, compara su SHA-256 con el SHA256SUMS.txt del Release. Los instaladores de una línea y el canal PyPI no disparan estos avisos.

Uso rápido

Clonar tu voz. Necesitas dos archivos: uno de referencia (timbre) y otro de condicionamiento (speech).

tts-sidecar voice clone --name mi_voz --reference timbre.wav --speech condicion.wav
tts-sidecar speak --text "Hola mundo" -v mi_voz
tts-sidecar speak --text "Hola mundo" -v mi_voz --output audio.wav

Síntesis básica. Sin indicar voz, speak usa la voz de fábrica default, que viene empaquetada y es de solo lectura.

tts-sidecar speak --text "Hola mundo"
tts-sidecar speak --text "Hola mundo" --voice mi_voz
tts-sidecar speak --text "Hola mundo" --output audio.wav

Cómo se resuelven las voces

Hay dos niveles, con prioridad para el usuario:

Si registras una voz con el mismo nombre que una de fábrica, la tuya la sobrescribe.

Comandos disponibles

Para quitar todo, tts-sidecar setup --uninstall desinstala en un comando en los tres sistemas. Añade --yes para omitir la confirmación.

Úsalo desde tu lenguaje

Como es una CLI, basta con lanzar un subproceso.

# Python
subprocess.run(["./tts-sidecar", "speak", "--text", "Hola mundo"])

# Node.js
child_process.spawn("./tts-sidecar", ["speak", "--text", "Hola mundo"])

El README incluye también ejemplos para Bash, Rust, Go y Java. El proyecto cuenta además con un modo daemon (servidor persistente), documentado en docs/DAEMON-MODE.md del repositorio.

Uso ético y responsable

TTS Sidecar clona voces arbitrarias y el audio generado no lleva marca de agua (la de PerthNet está desactivada). Por eso no se distingue técnicamente de una grabación real. El proyecto pide lo siguiente:

• Consentimiento: clona solo voces con permiso explícito de su titular.
• Honestidad de identidad: no la uses para suplantar a otra persona, cometer fraude, difamar ni producir contenido engañoso.
• Divulgación: indica que el audio es sintetizado al publicarlo o compartirlo.
• Reporte: si detectas un uso indebido, abre un Issue en el repositorio.

Licencia

El código de tts-sidecar se distribuye bajo GPL-3.0-or-later, con uso comercial permitido. Los trabajos derivados que se distribuyan deben liberarse bajo la misma licencia. El modelo Chatterbox Multilingual V3 usa licencia MIT. Las dependencias empaquetadas conservan sus propias licencias, detalladas en THIRD-PARTY-LICENSES.md.

Mi experiencia

🎯 Arquitecto de Soluciones | 🚀 Ingeniero en IA | 🤖 ConsultorIA | 👨🏻‍💻 Backend Tech Lead | 🕵🏻‍♂️ Especialista en Ingeniería/Arquitectura | 🏅 Speaker del 1er Congreso IA LATAM | ✨AI Voice-InterConnector

Más información

• Repositorio: TTS Sidecar en GitHub
• Documentación técnica en la carpeta docs/ del repositorio (diseño, arquitectura, compilación, distribución y paridad entre sistemas).