Clona tu voz gratis con la IA que Microsoft borró de internet

Microsoft publicó un modelo de voz en abierto y lo retiró nueve días después. Repositorio fuera, modelos fuera. Lo que no calcularon es que a la comunidad le diera tiempo a copiarlo todo antes.

Ese es el que vamos a instalar hoy. Se llama VibeVoice, corre entero en tu ordenador, y no cuesta nada. Ni suscripción, ni contador de caracteres, ni subir tu voz al servidor de nadie.

Tutorial completo, paso a paso, con los prompts listos para copiar y pegar.

Qué pasó exactamente

En agosto de 2025 Microsoft libera los pesos de VibeVoice. Cualquiera se lo puede descargar y ejecutar.

Nueve días más tarde, el 4 de septiembre, el repositorio desaparece. Modelos incluidos. Al día siguiente Microsoft lo restaura, pero vacío: solo queda un comunicado sobre uso responsable de la IA, sin el código.

Para entonces la comunidad ya había hecho una copia completa. Ese fork sigue vivo, y encima le han añadido cosas que el original no tenía, como poder entrenarlo para adaptarlo a una voz nueva.

Un aviso antes de empezar: no instales la versión oficial de Microsoft. A lo que queda ahí le quitaron la parte de generar voz, así que solo sabe transcribir. Tienes que usar el repositorio de la comunidad, que es el que enlazo abajo.

Qué hace

Tres cosas que lo separan del resto.

Genera hasta 90 minutos de audio de una tirada, sin perder la consistencia de la voz a mitad. Admite hasta 4 voces distintas en la misma generación, con los turnos de palabra bien resueltos, así que puedes montar un podcast entero y no solo una locución. Y funciona en local, sin conexión a ningún servicio.

Hay tres modelos. El de 1.5B es el equilibrio bueno: 90 minutos, 4 voces, y ya compite con las herramientas de pago. El de 7B suena algo mejor pero ocupa mucho más y va más lento. Y hay uno de 0.5B para tiempo real, de una sola voz.

Lo que necesitas antes de empezar

• Claude Code instalado, la versión de escritorio. Todo el tutorial consiste en pegarle instrucciones en un chat.

• Unos 10 GB libres en disco. Más si te vas al modelo grande.

• 30 segundos de tu voz grabados en una habitación en silencio. Solo para el paso 5, el de clonarte.

No hace falta saber programar. Ni una línea de código: le pegas los prompts a Claude Code en español y él hace el trabajo.

Paso 1: instalar VibeVoice

Abre Claude Code, empieza un chat nuevo y pega esto:

Clona este repositorio e instálalo en mi ordenador: https://github.com/vibevoice-community/VibeVoice — configura todo lo que necesite (entorno de Python, dependencias) y avísame cuando esté listo.

Paso 2: descargar el modelo

Cuando termine, pega esto:

Descarga el modelo VibeVoice-1.5B de Hugging Face (vibevoice/VibeVoice-1.5B) en mi máquina para que funcione totalmente en local.

¿Quieres el modelo grande? Cambia 1.5B por 7B en el prompt de arriba (vibevoice/VibeVoice-7B). Suena algo mejor, pero ocupa bastante más disco y va más lento. Con el 1.5B vas sobrado.

Aviso: la descarga tarda. Unos 30 minutos con una conexión normal. Vete a por un café.

Paso 3: arrancar el servidor y probarlo

Arranca el servidor de demo de VibeVoice para que pueda usarlo en el navegador, y dame la URL local.

Abre en el navegador la dirección que te dé Claude. Te vas a encontrar tres cosas:

• Número de hablantes. Hasta 4.

• Selector de voz. Alrededor de una docena de voces precargadas para cada hablante.

• Botón de ejemplo aleatorio. La forma más rápida de probarlo: dale, y luego a "Generate Podcast".

La generación tarda un par de minutos. Fíjate en la entonación, no solo en el timbre: dónde pone el énfasis, dónde respira, cómo baja al final de la frase. Ese es el momento de "espera, ¿esto es IA?".

Paso 4: podcasts a varias voces y otros idiomas

No hace falta configurar nada más. En la misma página del navegador:

Pon el número de hablantes en 2 o más, asigna una voz a cada uno, y pega un guión donde las líneas alternen entre Hablante 1 y Hablante 2. Ya tienes un podcast generado. Es lo mismo que hace NotebookLM, pero gratis, en local, y con las voces bajo tu control.

Los idiomas también se mezclan. Puedes poner español e inglés (o inglés y chino) en el mismo guión y lo resuelve sin que tengas que decirle nada.

Paso 5: clonar tu propia voz

Primero graba tu muestra. Con la app de notas de voz del móvil vale: habla con naturalidad unos 30 segundos, en una habitación en silencio y sin ruido de fondo. Pásalo al ordenador por AirDrop o por correo y déjalo en la carpeta de Descargas.

El móvil te lo guarda en .m4a y VibeVoice necesita .wav, pero de la conversión se encarga Claude:

Convierte mi muestra de voz que está en la carpeta de Descargas a formato .wav y colócala en la carpeta de voces de VibeVoice que corresponda, para que pueda usarla como voz personalizada.

Y después:

Reinicia el servidor de VibeVoice y añade mi voz ("TU NOMBRE") como opción en el desplegable de hablantes.

Refresca la página del navegador y tu nombre aparece en el desplegable de voces. Escribe cualquier cosa, genera, y escúchate. Mándaselo a alguien de tu familia a ver si lo pilla.

Todos los enlaces

• Repositorio de la comunidad, el que necesitas: github.com/vibevoice-community/VibeVoice

• Modelo pequeño, el de este tutorial: huggingface.co/vibevoice/VibeVoice-1.5B

• Modelo grande, mejor pero más pesado: huggingface.co/vibevoice/VibeVoice-7B

• Modelos de voz de Qwen, también en abierto y también muy buenos: github.com/QwenLM

Una cosa más, y va en serio

Clonar voces es potente. Literalmente por eso lo retiró Microsoft.

Clonar tu propia voz es una cosa. Clonar la de otra persona sin su permiso es otra muy distinta, y en varios países ya te puede costar un disgusto legal. Usa la tuya, o una para la que tengas permiso explícito, y no generes audio para hacerte pasar por nadie.

Es la única forma de que sigamos teniendo acceso a herramientas así.

Todos los vídeos, en mi canal de YouTube.