Saltar al contenido
Automatización y agentes

Voz con IA gratis para videos en español: Kokoro, en tu computador y con uso comercial

Actualizado el 8 min de lectura

Lo esencial

  • Kokoro es un modelo de voz abierto, de 82 millones de parámetros, con licencia Apache 2.0, que según su ficha oficial permite usarlo en proyectos comerciales. Trae tres voces en español: ef_dora, em_alex y em_santa.
  • Un programa de unas cuarenta líneas en Python convierte un archivo de texto en un archivo de audio WAV. Funciona sin internet, sin cuenta y sin clave, en el procesador del computador.
  • Es la voz de los Reels de Ctrl+IA desde el 8 de octubre de 2026 (em_alex, a velocidad 1,05). El programa de esta guía se ejecutó el 16 de octubre de 2026 en Linux.
  • Nivel: intermedio. Hay que abrir una terminal y escribir órdenes. Unos 400 MB de descargas. En Windows, la vía es el subsistema de Linux de Microsoft (WSL).

Los Reels de este proyecto llevan voz en off y nadie los graba: un programa lee el guion y genera el audio en el mismo equipo que monta el video. No usa ningún servicio de pago ni una cuenta, y se puede repetir cien veces sin que cueste nada. Aquí está la versión reducida de esa pieza, en un solo archivo, para que pongas voz a tus videos, a un curso o a un audio para tu negocio.

La voz es sintética y se nota: suena clara, pero menos expresiva que una persona o que los servicios de pago. Para explicar algo en treinta segundos alcanza. Si publicas con ella, dilo: en la descripción de nuestros Shorts avisamos de que la voz es sintética.

Qué necesitas

  • Un computador con Linux, Mac o Windows 10 (versión 2004 o posterior) u 11. No hace falta tarjeta gráfica: corre en el procesador.
  • Python de la versión 3.10 a la 3.13. Es lo que pide la versión 0.6.1 del paquete kokoro-onnx en su página de PyPI (consultada el 16 de octubre de 2026).
  • Espacio: unos 350 MB para el modelo y las voces, y unos 200 MB para los paquetes de Python.
  • Nivel: intermedio. Hay que abrir una terminal y escribir órdenes, pero no programar.
  • Tiempo: media hora la primera vez, casi todo descargas. Después, segundos por audio.
  • Dinero: nada. Sin cuenta, sin clave y sin internet una vez descargado.

Qué es Kokoro y qué licencia tiene

Kokoro-82M es un modelo de voz abierto publicado en Hugging Face. Su ficha oficial dice, leída dos veces el 16 de octubre de 2026:

  • La licencia es Apache 2.0, y “con pesos bajo licencia Apache, Kokoro se puede desplegar en cualquier sitio, de entornos de producción a proyectos personales”.
  • Según su autor, se entrenó solo con audio de licencias permisivas o sin derechos de autor.
  • La versión 1.0 tiene 8 idiomas y 54 voces. Su lista de voces trae tres en español: ef_dora (mujer), em_alex y em_santa (hombres). A diferencia de las voces en inglés, no tienen nota de calidad.

Para usarlo desde Python, esta guía usa kokoro-onnx, un paquete de otro autor con licencia MIT que ejecuta el modelo sin necesidad de tarjeta gráfica. Su página da las direcciones de los dos archivos del modelo.

Esto es lo que dicen las licencias del modelo y del paquete; no es asesoría legal. Si vas a vender un producto basado en el programa, no solo usar los audios, revisa también las licencias de los paquetes que instala.

Paso 1 · Preparar el entorno

En Windows, usa el subsistema de Windows para Linux (WSL), de Microsoft. Según su guía de instalación (consultada el 16 de octubre de 2026): abre PowerShell como administrador, escribe wsl --install, reinicia el equipo y abre “Ubuntu” desde el menú Inicio. Instala Ubuntu por defecto.

Hay un motivo práctico: en el portátil de este proyecto, con Windows 11 y Smart App Control encendido, Windows bloqueó el 10 de octubre de 2026 un componente que necesita el motor de voz, y desde entonces la voz se genera en un servidor Linux. No desactives esa protección. Smart App Control revisa los programas de Windows, y dentro de WSL el motor corre como un programa de Linux; por eso esta guía usa esa vía, aunque nadie la ha seguido en un Windows con esa protección.

En Ubuntu (también dentro de WSL), crea una carpeta con su propio entorno de Python e instala el paquete:

sudo apt update
sudo apt install -y python3-venv wget
mkdir voz && cd voz
python3 -m venv .venv
source .venv/bin/activate
pip install kokoro-onnx==0.6.1 soundfile

Descarga los dos archivos del modelo, de las direcciones que da la página de kokoro-onnx:

wget https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files-v1.1/kokoro-v1.0.onnx
wget https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files-v1.1/voices-v1.0.bin

El primero pesa unos 325 MB y el segundo, unos 28 MB.

En Mac, los pasos con Python son los mismos, pero nadie los siguió en un Mac.

Paso 2 · El programa

Guarda esto como voz.py, en la misma carpeta que los dos archivos del modelo:

"""Convierte un texto en una voz en español con Kokoro, sin internet ni claves.

Uso:
    python voz.py guion.txt
    python voz.py guion.txt --voz ef_dora --velocidad 1.05 --salida voz.wav
    python voz.py --voces
"""
import argparse
import sys
from pathlib import Path

import soundfile as sf
from kokoro_onnx import Kokoro

MODELO = "kokoro-v1.0.onnx"
VOCES = "voices-v1.0.bin"


def main():
    p = argparse.ArgumentParser(description="Texto a voz en español con Kokoro.")
    p.add_argument("texto", nargs="?", help="Archivo de texto con el guion.")
    p.add_argument("--voz", default="em_alex", help="ef_dora, em_alex o em_santa.")
    p.add_argument("--velocidad", type=float, default=1.0, help="1 es el ritmo normal.")
    p.add_argument("--salida", default="voz.wav")
    p.add_argument("--voces", action="store_true", help="Lista las voces en español.")
    a = p.parse_args()

    kokoro = Kokoro(MODELO, VOCES)
    if a.voces:
        print("\n".join(v for v in kokoro.get_voices() if v[:2] in ("ef", "em")))
        return
    if not a.texto:
        sys.exit("Falta el archivo de texto. Ejemplo: python voz.py guion.txt")

    if a.voz not in kokoro.get_voices():
        sys.exit(f"No existe la voz {a.voz}. Mira las que hay con: python voz.py --voces")

    texto = Path(a.texto).read_text(encoding="utf-8").strip()
    if not texto:
        sys.exit("El archivo de texto está vacío.")
    audio, frecuencia = kokoro.create(texto, voice=a.voz, speed=a.velocidad, lang="es")
    sf.write(a.salida, audio, frecuencia)
    print(f"{a.salida}: {len(audio) / frecuencia:.1f} segundos a {frecuencia} Hz con la voz {a.voz}.")


if __name__ == "__main__":
    main()

Qué hace, por partes:

  • Carga el modelo y las voces de los dos archivos descargados.
  • Con --voces, lista las voces en español y termina.
  • Lee el archivo de texto, genera el audio con la voz y la velocidad que elijas y lo guarda como WAV.
  • Si falta el texto, está vacío o la voz no existe, se para y dice qué pasa.

Paso 3 · Probarlo

Escribe tu guion en un archivo guion.txt, con frases cortas:

Hola. Este audio lo generó un programa en mi computador, sin internet y sin pagar nada.
La voz se llama Alex y habla en español.

Y ejecuta:

python voz.py --voces
python voz.py guion.txt
python voz.py guion.txt --voz ef_dora --velocidad 1.05 --salida dora.wav

La primera orden debe responder con las tres voces. Las otras dos, con una línea como esta:

voz.wav: 8.1 segundos a 24000 Hz con la voz em_alex.

Abre el archivo y escúchalo. Si una palabra suena mal, cámbiala en el guion (ver “Errores comunes”).

Para ponerla en un video, cualquier editor acepta un WAV. Si quieres automatizar también el montaje, FFmpeg une un audio y unas imágenes con una sola orden, y es lo que hace este proyecto.

Qué se comprobó

  • El programa se ejecutó el 16 de octubre de 2026 en Linux, con Python 3.11, kokoro-onnx 0.6.1 y los archivos del modelo de la dirección model-files-v1.1: listó las tres voces en español, generó audios de unos 8 segundos con em_alex, ef_dora y em_santa a 24.000 Hz, y un texto de unos 900 caracteres dio 48 segundos de audio en unos 20 segundos, con un procesador de cuatro núcleos. Los mensajes de error saltaron con un archivo vacío y con una voz que no existe.
  • En esa sesión nadie escuchó los audios: se comprobó que tenían sonido y su duración. Lo que sí se escucha a diario es la voz de los Reels de Ctrl+IA, que sale del mismo modelo con em_alex. La eligió el dueño del proyecto el 8 de octubre de 2026 en una prueba a ciegas entre seis voces.
  • El proyecto usa otra versión del paquete (0.4.7) y los archivos de la dirección model-files-v1.0, que pesan casi lo mismo. Esta guía usa los que enlaza hoy la página de kokoro-onnx.
  • No se probó en Windows ni en Mac. Los pasos de WSL salen de la guía de Microsoft.

Errores comunes

  • Nombres en inglés mal pronunciados. La voz lee en español: en uno de nuestros Reels, el nombre de una skill, «grill-me», sonó «green me». La solución es escribirlo como suena («gril mi») en el texto que va a la voz y dejar el nombre correcto en los subtítulos.
  • Siglas y números raros. Escribe “uno coma cinco” en lugar de “1,5” si dudas de cómo lo va a leer, y evita las siglas que no se pronuncian como palabra.
  • Frases muy largas. A veces la voz se come palabras. En este proyecto, un programa mide cuántas letras por segundo dice la voz en cada frase y rechaza el audio si sale de 7 a 26: una frase dicha demasiado rápido suele ser una frase con palabras de menos. Con frases cortas pasa menos.
  • Instalar con un Python 3.14. La versión 0.6.1 pide de la 3.10 a la 3.13: si pip no la encuentra, mira tu versión con python3 --version.
  • Webs que se llaman como el modelo. La ficha oficial avisa de que los sitios con “kokoro” en su dominio no tienen relación con el modelo ni con su autor. Descarga los archivos de las direcciones de arriba.

Para seguir

Este programa es una pieza: lo útil es encadenarlo. En Ctrl+IA, una rutina de Claude escribe el guion cada mañana y otro programa genera la voz y el video; cómo se le dan instrucciones a esa rutina está en rutinas de Claude Code. Y si publicas los videos en Instagram, la guía para responder por mensaje directo a quien comenta cierra el círculo.

Recibe los prompts nuevos por correo

Al confirmar te llevas de regalo un PDF con los 62 prompts del sitio, listos para copiar. Sin spam, y te das de baja cuando quieras.

Te pediremos confirmar por correo. Al suscribirte aceptas la política de privacidad. Los envíos se gestionan con Kit.

Sigue con