lab
Esc

Prueba con

↑↓ para moverte · Enter para abrir · también en /buscar?q= para agentes

caso de uso intermedio mcpclaude-codecodexaudiovozlocal-first

VoiceStudio: genera, transcribe y dobla audio con motores locales

Produce narraciones, transcribe grabaciones o dobla audio en tu equipo con un motor compatible. Puedes trabajar desde la aplicación o conectar tu agente al backend por MCP.

✓ verificado el 26 oct 2026

Instrucciones para tu agente

Esto es lo que se copia. Pégaselo a tu agente y te lo monta paso a paso.

O ábrelo directamente en ClaudeChatGPT

Pega este texto a tu agente (Claude Code, Codex, OpenCode, Hermes o el que uses) y dile «ayúdame a montarlo». Son los pasos para ponerlo en marcha; el porqué de cada pieza está en la guía completa.

Para el agente: cómo acompañar al usuario

  1. Pregunta primero para qué lo quiere. Si su objetivo no necesita algún paso, sáltalo.
  2. Antes de instalar, comprueba lo que ya tiene (versiones, claves, sistema operativo).
  3. Avanza un paso cada vez: explica en una frase qué vas a hacer y deja que el usuario lo ejecute o lo apruebe.
  4. Tras cada paso, comprueba que funcionó antes de seguir. Si falla, para y explica el error.
  5. No inventes comandos ni opciones: si la documentación del proyecto contradice estos pasos, manda la documentación.
  6. Al terminar, haz una prueba real con el objetivo del usuario y dile dónde profundizar.

Pasos de configuración

Paso 1: identifica equipo e instalación existente

Sigue la guía oficial para agentes. Comprueba sistema, arquitectura, GPU, memoria, disco libre y datos de una instalación anterior. Consulta la guía de tu plataforma enlazada desde el README. Si vienes de Tauri, sigue la migración antes de instalar Electron y conserva los datos existentes.

Paso 2: instala una versión publicada

Descarga desde Releases el paquete Electron adecuado para tu sistema. Como alternativa en macOS o Linux, el README ofrece:

curl -fsSL https://voicestudio.sh/install | sh

Para esta ruta comprueba curl y una herramienta SHA-256, requisitos del README. No necesitas preparar las herramientas de compilación de la opción --main para instalar una versión publicada. Este comando descarga y ejecuta el instalador oficial. Revisa su comportamiento en docs/install/script.md antes de elegirlo. Para Windows y los formatos de paquete alternativos, usa la guía de plataforma del proyecto.

Paso 3: configura el motor y genera un clip

Abre la aplicación y elige un motor compatible con el equipo detectado. Antes de descargar un modelo, comunica su tamaño y licencia y solicita confirmación, como exige la guía del proyecto. Deja las opciones de servicios remotos y estadísticas a elección del usuario.

En Voice cloning, usa una voz de muestra incluida o una referencia autorizada, escribe un texto breve y genera. Escucha el archivo para comprobar que la inferencia terminó y la salida es utilizable. Confirma el dispositivo real de cálculo, sin deducir aceleración solo por el nombre de la GPU.

Paso 4: conecta el agente por MCP

Con VoiceStudio abierto, usa Integrations para exportar la configuración del cliente. La documentación MCP indica este endpoint predeterminado:

http://localhost:3900/mcp/

Conserva la barra final y usa el puerto real del backend si es distinto. Selecciona un cliente con Streamable HTTP y empieza por check_health y list_voices. Mantén esta primera conexión en el mismo equipo.

Comprobación

Comprueba que el backend responde, check_health identifica el dispositivo y el clip generado se reproduce. La guía de agentes documenta /health y /openapi.json en la dirección del backend para inspeccionar estado y API. Informa de versión, motor, dispositivo efectivo y ubicación del audio.

Si algo falla

Si un modelo no termina de descargar, consulta docs/downloading-models.md y docs/install/troubleshooting.md desde el README. Para un error de MCP, comprueba el puerto y /mcp/; las versiones antiguas pueden rechazar la ruta sin barra final. Los argumentos audio_path y ref_audio_path requieren configurar OMNIVOICE_MCP_BASE_PATH en el backend; consulta sus límites antes de dar acceso a archivos. No arranques otro backend como primer intento de reparación.

ver en .md ¿Prefieres el recurso entero?

Qué es

VoiceStudio es una aplicación de producción de voz con motores locales y un backend accesible por API y MCP. Ofrece clonación de voces, diseño de voz, transcripción y doblaje, entre otras funciones; las posibilidades concretas dependen del motor instalado.

Para qué te sirve

  • Generar una narración con una voz de muestra autorizada.
  • Transcribir audio y revisar el texto obtenido en tu equipo.
  • Conectar un agente para listar voces, sintetizar un clip o comprobar el backend.

Cómo funciona

La aplicación de escritorio actual usa Electron y supervisa su backend. El gestor de modelos descarga los componentes del motor elegido. El procesamiento local aprovecha CPU o aceleración compatible según plataforma y motor.

El MCP está montado en el backend que ya ejecuta la aplicación. Herramientas como list_voices, generate_speech, transcribe y check_health permiten automatizar operaciones. La interfaz Integrations exporta configuraciones para clientes; no necesitas lanzar un segundo backend para probar el MCP.

Antes de empezar

El proyecto ofrece distribuciones de macOS, Windows y Linux. Apple Silicon dispone de aceleración Metal; Windows y Linux pueden usar NVIDIA con CUDA. El README distingue Intel Mac, cuya interfaz requiere un backend remoto, y otros casos con soporte limitado o experimental. Revisa tu arquitectura y el motor antes de descargar.

Los modelos requieren espacio en disco y la velocidad depende del equipo. La guía de instalación con agente pide informar del tamaño y licencia de cada descarga y obtener confirmación. El uso local no exige contratar una API de voz, pero sí disponer de los modelos y los recursos necesarios.

GitHub declara AGPL-3.0, repositorio activo y último commit consultado del 26 oct 2026. Los modelos, voces y condiciones de las salidas tienen licencias y derechos separados.

Límites y alternativas

No asumas que todo uso permanece local: el producto admite servicios remotos opcionales y configuraciones con backend remoto. Las estadísticas de uso requieren consentimiento según el README. Mantén las opciones remotas desactivadas si buscas procesamiento local.

Clona únicamente voces para las que tengas permiso. Revisa pronunciación, transcripción y sincronización del audio generado; una descarga correcta no demuestra calidad. Las versiones antiguas basadas en Tauri están retiradas: la migración a Electron tiene guía propia.

Frente a una API alojada, esta opción requiere gestionar modelos y hardware. Si solo necesitas transcripción, valora un motor dedicado en lugar de configurar todo el entorno de producción.

Recursos