IA aplicada al audio

IA para audio.
Sin vender humo.

Herramientas verificadas para limpiar, separar, transcribir, subtitular y generar voz, música o efectos para radio, podcast y producción sonora.

Dime qué necesitas →Ver el mapa técnico →
01 · TRATAR MATERIAL EXISTENTE

Mejorar /
analizar audio.

Limpieza de ruido e inteligibilidad, restauración, separación de stems, transcripción y subtítulos.

Ir a análisis y mejora →
02 · CREAR MATERIAL NUEVO

Generar
audio.

Voz, locuciones, fondos, música, sintonías, efectos y elementos de producción.

Ir a generación →

Mejorar / analizar audio

Recupera, separa,
lee y sincroniza.

Parte de un archivo que ya tienes. Para texto, Buzz; para revisar turnos de una entrevista, noScribe. La limpieza y la separación tienen herramientas y requisitos distintos.

01Recomendado

Aplicación de escritorio

Transcripción y subtítulos

Buzz

Pasa entrevistas, programas y vídeos a texto y exporta TXT, SRT o VTT. Es un punto de partida práctico para transcribir; revisa nombres, cifras y compatibilidad del instalador.

Ejecución
Local; API externa opcional
Sistema
Windows · macOS (Apple Silicon en la edición actual) · Linux
GPU
Opcional: puede acelerar los modelos grandes.
Coste
Gratis
Privacidad
El audio permanece en tu equipo salvo que configures una API externa.
Licencia y uso
MIT en la aplicación. Revisa el modelo elegido antes de reutilizarlo.
Dificultad
Fácil
Ver requisitos y límites →
02En observación

Aplicación de escritorio

Entrevistas con varios interlocutores

noScribe

Distingue turnos de voz y permite corregir la transcripción escuchando el audio. Útil cuando necesitas revisar quién habla; los nombres y las atribuciones los confirma una persona.

Ejecución
Local
Sistema
Windows · macOS · Linux
GPU
Opcional: NVIDIA/CUDA puede acelerar la transcripción.
Coste
Gratis
Privacidad
Entrevistas y transcripciones se procesan en el ordenador, sin nube.
Licencia y uso
GPL-3.0 en la aplicación; conserva los derechos y consentimientos de la entrevista.
Dificultad
Media
Ver requisitos y límites →
03Válido con condiciones

Motor de audio · instalación avanzada

Limpieza de ruido e inteligibilidad

DeepFilterNet

Reduce ruido de fondo en entrevistas, llamadas y conexiones remotas. Escucha siempre el resultado: un filtro excesivo puede comerse consonantes, ambiente o música.

Ejecución
Local
Sistema
Windows · macOS · Linux
Coste
Gratis
Privacidad
El audio se procesa en tu equipo.
Licencia y uso
MIT/Apache-2.0 en el código; modelos e integraciones se comprueban aparte.
Dificultad
Avanzada
Ver requisitos y límites →
04Válido con condiciones

Aplicación de escritorio

Separar voz, música o stems

Ultimate Vocal Remover

Separa una voz, una base instrumental u otros stems para restauración y producción. El aislamiento no es perfecto. UVR 6 está anunciado, pero no es la descarga disponible en esta revisión.

Ejecución
Local
Sistema
Windows · macOS · Linux
GPU
Puede requerirla según el modelo y el proyecto.
Coste
Gratis
Privacidad
No necesita subir el audio a un servicio web.
Licencia y uso
MIT en la interfaz; cada modelo y la grabación original conservan sus condiciones.
Dificultad
Media
Ver requisitos y límites →
05Válido con condiciones

Aplicación de escritorio

Subtítulos y sincronía

Subtitle Edit

Crea, corrige y sincroniza subtítulos y transcripciones para vídeo, entrevistas y episodios de podcast. Permite revisar texto y tiempos antes de publicar.

Ejecución
Local; servicios online opcionales
Sistema
Windows · macOS · Linux
Coste
Gratis
Privacidad
Los servicios de terceros opcionales pueden recibir datos.
Licencia y uso
MIT en el programa; traducción, OCR o voz online tienen condiciones propias.
Dificultad
Media
Ver requisitos y límites →

Generar audio

Voces, música
y materia sonora.

Elige primero qué vas a generar: voz, música o efectos. Estas opciones funcionan en local, pero requieren instalación técnica; tener interfaz no las convierte en aplicaciones listas para abrir.

06Válido con condiciones

Biblioteca de voz · instalación avanzada

Voz en español con CPU

MeloTTS

Genera voces sintéticas locales en español. El fabricante indica inferencia con CPU; requiere preparar un entorno técnico y revisar pronunciación y naturalidad.

Ejecución
Local
Sistema
Windows · macOS · Linux
GPU
No imprescindible: el proyecto indica inferencia en tiempo real con CPU.
Coste
Gratis
Privacidad
Texto y audio se procesan en tu equipo.
Licencia y uso
MIT en la biblioteca; comprueba la ficha de cada modelo o voz.
Dificultad
Avanzada
Ver requisitos y límites →
07En observación

Modelo de voz · instalación avanzada

Locuciones y voces de referencia

Chatterbox Multilingual

Ofrece español general y modelos específicos para España y Latinoamérica. Si usas una voz de referencia, necesitas permiso. Sus variantes Turbo y Nano no son la opción para español.

Ejecución
Local
Sistema
Python · Linux; ejemplo oficial para macOS
GPU
Admite CPU, CUDA y MPS; rendimiento no medido por nosotros.
Coste
Gratis · modelo abierto; servicio del fabricante aparte
Privacidad
En la instalación local no necesitas enviar el texto ni la voz a su servicio comercial.
Licencia y uso
MIT en el código y los modelos españoles consultados. No concede derechos sobre una voz ajena.
Dificultad
Avanzada
Ver requisitos y límites →
08En observación

Modelo con interfaz local

Música, fondos y material de sintonía

ACE-Step 1.5

Genera música instrumental o con voz para preparar maquetas y bases. La interfaz facilita el trabajo, pero el modelo y la memoria deben elegirse según el ordenador.

Ejecución
Local
Sistema
Windows · macOS · Linux
GPU
Recomendada; hay rutas CPU y Apple Silicon. Los modelos XL necesitan más memoria.
Coste
Gratis · edición local
Privacidad
La generación local evita subir tus referencias; las demos web son servicios externos.
Licencia y uso
MIT en código y pesos publicados. No garantiza originalidad ni derechos sobre referencias ajenas.
Dificultad
Avanzada
Ver requisitos y límites →
09En observación

Modelos con interfaz local

Música y efectos, por separado

Stable Audio 3 Small

Small Music genera música y Small SFX genera efectos o ambientes, hasta 120 segundos. Pueden ejecutarse con CPU; descargar los modelos y usarlos comercialmente exige cumplir sus condiciones.

Ejecución
Local · modelos Small
Sistema
Windows · macOS · Linux
GPU
No obligatoria en Small Music/SFX; no extrapolar a Medium o Large.
Coste
Gratis con condiciones
Privacidad
El audio se genera en tu equipo; descargar los modelos requiere cuenta y aceptación de términos.
Licencia y uso
Uso comercial gratuito sujeto a registro y al límite de 1 millón USD anual, incluyendo entidades vinculadas; condiciones adicionales de Gemma.
Dificultad
Avanzada
Ver requisitos y límites →
Otros modelos para usuarios técnicos Ver alternativas

Se conservan las opciones anteriores. Compáralas si necesitas otra voz, un modelo musical distinto o la familia Open original.

10En observación

Modelo de voz · instalación avanzada

Voces y separadores

Kokoro

Modelo ligero para generar locuciones y borradores de voz en local. Sigue siendo una alternativa: conviene probar el español y cada voz antes de planificar una serie.

Ejecución
Local por defecto
Sistema
Windows · macOS · Linux
Coste
Gratis
Privacidad
No envía el texto a una API por defecto.
Licencia y uso
Apache 2.0; valida voces, textos, marcas y derechos antes de emitir.
Dificultad
Avanzada
Ver requisitos y límites →
11En observación

Modelo musical · instalación avanzada

Maquetas musicales con GPU

DiffRhythm

Genera maquetas y material musical de forma local. Se mantiene como alternativa técnica para equipos con GPU, no como una pieza automática lista para antena.

Ejecución
Local
Sistema
Equipo con GPU
GPU
Sí: el modelo base indica al menos 8 GB de VRAM con decodificación por bloques.
Coste
Gratis
Privacidad
La generación se realiza en tu equipo.
Licencia y uso
Apache 2.0; verifica originalidad, atribución y permisos al adaptar estilos.
Dificultad
Avanzada
Ver requisitos y límites →
12En observación

Modelo de audio · instalación avanzada

Muestras, efectos y texturas

Stable Audio Open

El modelo Open 1.0 sigue disponible para fragmentos de hasta 47 segundos. No es el servicio web comercial Stable Audio ni la nueva familia Stable Audio 3.

Ejecución
Local
Sistema
Entorno Python · CPU o GPU según integración
GPU
El ejemplo oficial admite CPU o CUDA; no se ha medido el rendimiento.
Coste
Gratis con condiciones
Privacidad
La generación es local; la descarga de los pesos requiere aceptar términos y compartir datos de contacto.
Licencia y uso
Community License: uso comercial con registro y sujeto al umbral de 1 millón USD anual, incluyendo entidades vinculadas.
Dificultad
Avanzada
Ver requisitos y límites →

Después de elegir

Condiciones que
no conviene saltarse.

La IA sirve cuando está dentro de una cadena de trabajo controlada: sabes dónde está el audio, con qué licencia trabajas y quién escucha el resultado.

01

Privacidad

Una herramienta local evita enviar entrevistas, voces o material sin publicar a terceros. Si activas una API, identifica qué datos salen y a quién.

02

Licencia

El programa, el modelo, la voz y el resultado pueden tener condiciones distintas. El código abierto no convierte automáticamente una salida en libre de uso.

03

Supervisión humana

Revisa pronunciación, errores, artefactos, identidad sonora y derechos antes de emitir. Una IA propone; la responsabilidad sigue siendo tuya.

Sin vender humo: una buena entrada, un micrófono bien colocado y una escucha crítica siguen arreglando más problemas que un botón mágico.

Selección revisada el 14 de octubre de 2026. Las nuevas fichas en observación tienen verificación documental de fuentes y licencias, no un ensayo propio de calidad de audio.