Las voces de IA gratuitas ya funcionan sin conexión en una Mac. Solo uno de los nuevos modelos de Ollama tiene licencia para trabajo pagado

Ollama, una de las aplicaciones gratuitas más populares para usar inteligencia artificial en tu propia computadora, ya puede hablar. Desde el sábado, cualquiera con una Mac con Apple Silicon puede escribir un comando y escuchar un texto leído en voz alta por Phonon, un pequeño modelo de texto a voz de la empresa de voces con IA Gradium, sin conexión a internet y sin pagar nada. Los locutores no tienen por qué entrar en pánico. Lo que sí deben hacer es leer la licencia y la letra chica sobre el origen de las voces.

Ollama anunció la función en su blog el sábado 24 de octubre. “Ollama ya puede convertir texto en voz”, escribió la empresa. “El primer modelo de voz es Phonon, una familia de modelos de texto a voz pequeños y de última generación de Gradium. Los modelos de voz ya están disponibles para macOS, y el soporte para Windows y Linux llegará pronto”.

Hasta ahora, Ollama servía sobre todo para usar chatbots sin conexión. Tiene muchos seguidores entre programadores y aficionados, y 9to5Mac, que informó de la actualización el lunes, lo llama “uno de los proyectos de IA más populares de GitHub”. La voz es algo nuevo. Descargas Ollama 0.40.11 o posterior, bajas el modelo Phonon y escribes una línea de texto. La voz empieza a hablar mientras el resto de la frase todavía se está generando.

Ollama dice que en una MacBook Pro con chip M5 Max su versión fue 35 por ciento más rápida que el software de la propia Gradium, con la misma precisión que la versión de referencia. El audio sale en 24 kHz mono y el modelo en inglés predeterminado ocupa unos 121 MB de memoria. Es tan pequeño, dice la ficha del modelo de Gradium, que puede “funcionar en una pestaña del navegador, en un teléfono o en el procesador de una laptop”.

Una descarga, unas cien voces

El modelo viene con un catálogo. La página de voces de Gradium en Hugging Face anuncia “102 voces para Phonon S (31M): 90 voces del catálogo de Gradium en 7 variantes regionales, más 12 voces de personaje en inglés”. Las voces cotidianas tienen nombres amables. Zoey y Easton son estadounidenses, Freya y Hugh son británicos, y también hay voces en francés, alemán, español de España, español de México y portugués de Brasil. Cada una se guarda como un archivo pequeño que el modelo lee directamente.

Imagen: Hugging Face, gradium/phonon-voices, 27 de octubre de 2026

Las voces de personaje son lo que hará levantar una ceja a los actores de doblaje. Entre ellas están Captain Silas Blackwater, Grub the Ogre, The Snow Queen y The Thing Under the Stairs, justo el tipo de papeles para los que audicionan cada semana los actores de videojuegos y audiolibros. Gradium dice que estas 12 fueron “hechas con Gradium Voice Design”, su herramienta para crear una voz a partir de una descripción y no de una grabación.

Lee la licencia antes que nada

Este es el detalle que más importa a quien vive de su voz. No todos los modelos de Phonon se pueden usar para trabajo pagado. El modelo predeterminado, Phonon 31M en inglés, se publica con la licencia Apache 2.0, que “permite el uso comercial”, según su ficha. El catálogo de voces de Gradium también está bajo Apache 2.0.

VoiceEditSuiteArchivos listos para Audible, evaluados como lo hace ACX.Sube un capítulo y ACX Audiobook Prep te da los números que mide Audible, o corrige los niveles, añade tono de sala y te devuelve el MP3 que cumple la norma.Mira cómo funcionaTus grabaciones nunca se usan para entrenar IA.

Los modelos más grandes son otra historia. La propia página de la biblioteca de Ollama lo deja claro: “Los modelos 40M en inglés, francés, alemán, español, portugués y multilingüe se publican bajo CC BY-NC 4.0, que limita su uso a fines no comerciales”.

En pocas palabras, una empresa puede tomar el modelo pequeño en inglés, ponerlo en una aplicación o en un curso de capacitación y venderlo. Una empresa que quiera el modelo mejor en inglés, o una voz gratuita en francés, alemán, español o portugués de la misma familia para un anuncio o un curso pagado, no puede simplemente descargarlo y usarlo. Esos modelos son gratis para experimentar, no para clientes. Si trabajas en esos idiomas, esa es la línea que hay que vigilar.

De dónde vienen las voces y adónde van

Phonon no se construyó desde cero. La ficha del modelo de Gradium dice que “se basa en Pocket TTS y el códec Mimi, desarrollados por Kyutai”. Ni la ficha del modelo ni el catálogo de voces dicen quién grabó las voces del catálogo ni en qué condiciones. La ficha sí incluye una petición: “No uses Phonon para hacerte pasar por una persona real, para engañar a quienes escuchan sobre quién está hablando ni para clonar una voz sin el consentimiento de quien habla”.

Los modelos gratuitos son la vitrina. Los clientes que pagan a Gradium reciben una versión construida alrededor de una sola voz. En su anuncio de Phonon en el dispositivo, la empresa dice que sus socios pueden llevar una voz “elegida del catálogo de voces de Gradium o clonada de cualquier voz con una muestra de 10 segundos, o más datos si los hay”. Funciona, dice Gradium, “con cualquier voz: personalizada, clonada o sintética”.

Imagen: blog de Gradium, 27 de octubre de 2026

La voz terminada sale después dentro de la aplicación del cliente. “Una vez finalizado el modelo, recibes un archivo autónomo que va directamente dentro de tu aplicación, sin llamadas a un servidor externo, sin depender de la red y sin que ningún dato salga del equipo del usuario”, escribe Gradium. Se vende como “un costo fijo por dispositivo y tipo de modelo, con generaciones ilimitadas”. El servicio en el dispositivo está en beta privada, y Gradium dice que “hay algunos lugares disponibles ahora”.

Qué significa para los locutores que trabajan

La preocupación obvia es el precio. Es difícil competir con una voz gratuita que nunca manda una factura, y Gradium ofrece Phonon justo donde una voz en la nube se vuelve cara: aplicaciones gratuitas con muchos usuarios, juegos con personajes que hablan mucho y productos que tienen que funcionar en modo avión. Parte de ese trabajo lo hacían voces humanas. Mucho otro nunca lo tuvo.

Lo menos obvio es el control. Voice Over Herald informó este mes que una empresa de voces con IA está apagando sus voces y borrando los datos. Una voz que vive en el servidor de una empresa se puede apagar. Una voz que ya se metió dentro de una aplicación y se copió en miles de teléfonos no se puede recuperar. Si alguna vez te piden licenciar tu voz para un producto de IA, haz una pregunta directa: ¿mi voz va a funcionar en la nube o va a viajar dentro de los dispositivos de otras personas? Y si viaja, ¿qué pasa cuando termine el contrato?

También hay una buena noticia escondida en la letra chica de la propia Gradium. En textos largos, admite su ficha del modelo, “la prosodia no se mantiene a lo largo de todo el texto”, porque el modelo lee una frase tras otra. Es una forma más técnica de decir lo que los narradores ya saben. Sostener un tono, un personaje y un ritmo durante todo un capítulo es el trabajo, y un modelo pequeño que lee línea por línea no lo hace.

Así que no, la MacBook de un aficionado no viene esta semana por tu contrato de audiolibro. Es una señal más de que la voz sintética básica se está volviendo un servicio gratuito, como el corrector ortográfico, y de que las preguntas que valen la pena son sobre licencias, consentimiento y el destino final de una voz. Ollama dice que Windows y Linux son lo siguiente. Voice Over Herald estará escuchando.

Fuentes: blog de Ollama, “Speech models in Ollama” (24 de octubre de 2026); página de Phonon en la biblioteca de Ollama; documentación de voz de Ollama; 9to5Mac, Marcus Mendes (26 de octubre de 2026); ficha del modelo phonon-31m-en y catálogo phonon-voices de Gradium en Hugging Face; blog de Gradium, “Gradium Phonon: On-Device TTS for Consumer Apps, NPCs, and Offline Products”. Las citas de fuentes en inglés fueron traducidas por Voice Over Herald. Imágenes: Ollama, Hugging Face, Gradium.

Read this article in English: Free AI Voices Now Run Offline on a Mac. Only One of Ollama's New Speech Models Is Licensed for Paid Work

¿Sabe algo más sobre esta noticia, o ha visto un error? Escriba a la redacción.