Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarTG: @neurogen_news (Neurogen)→ original

Neurogen lanza un estudio de locución sin conexión: 16 voces en un diálogo y 8 GB de VRAM

Los servicios de locución en la nube cobran por cada toma fallida y envían tus textos y tus voces a servidores ajenos. Neurogen ha lanzado un programa para Windows basado en el modelo Fish Audio Drama 3 que funciona en tu propio ordenador. Clona una voz con 5–15 segundos de grabación y gestiona diálogos de hasta 16 personajes. Basta con una GPU NVIDIA con 8 GB de memoria de vídeo (VRAM). Internet solo hace falta para descargar los modelos, y las tomas no cuestan nada.

Procesado por IA desde TG: @neurogen_news (Neurogen); editado por Hamidun News
Neurogen lanza un estudio de locución sin conexión: 16 voces en un diálogo y 8 GB de VRAM
Fuente: TG: @neurogen_news (Neurogen). Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalTG: @neurogen_news (Neurogen) ↗
Editor jefe
Dato clave #1Las emociones se marcan con etiquetas en el texto: susurro, risa, suspiro y pausas
Dato clave #2Exportación a FLAC para montaje; los proyectos se guardan en archivos .drama3
RequisitosWindows 10/11, NVIDIA Turing o posterior y 32–64 GB de memoria RAM

Imagina que estás haciendo un videojuego o un curso formativo y necesitas locutar cientos de líneas. En los servicios de síntesis de voz en la nube, cada toma fallida consume créditos, y los guiones y las voces de terceros acaban en servidores ajenos. El equipo de Neurogen ha lanzado un estudio de locución portátil que funciona por completo en tu ordenador.

Su base es el modelo de síntesis de voz Fish Audio Drama 3 (lee un texto con la voz tomada de una muestra corta), mientras que el motor ComfyUI integrado se encarga de que el arranque sea rápido. El estudio reúne en un mismo guion diálogos de hasta 16 personajes y le basta con una GPU NVIDIA con 8 GB de memoria de vídeo (VRAM). Si tienes mucha locución que producir, es una forma de dejar de pagar por cada toma y de no entregar las voces a la nube.

Cómo funciona el estudio

La aplicación ya incluye Python, PyTorch y ComfyUI, así que no hay que instalar nada a mano. El motor se inicia automáticamente o de forma manual, como prefieras. Los modelos se descargan por separado desde el propio programa: la descarga se reanuda tras una interrupción y los archivos se verifican. Después, el estudio funciona sin internet y ni los textos ni las muestras de voz se envían a ninguna parte.

Todo el proceso está reunido en una sola ventana: preparar la voz, escribir el guion, probar la interpretación, escuchar las variantes, guardar el proyecto y exportar el audio para el montaje. Para el montaje hay exportación a FLAC. Quienes están acostumbrados a trabajar con nodos disponen de un workflow de los autores para un ComfyUI compatible.

Voces, diálogos y emociones

La clonación es sencilla. Cargas una grabación, eliges en ella 5–15 segundos de habla limpia y usas esa voz para un texto nuevo. La voz, junto con su transcripción, se puede guardar en una biblioteca para recuperarla en el siguiente vídeo o para las líneas de un mismo personaje. Los autores recuerdan que solo deben usarse grabaciones sobre las que tengas derechos.

Para una escena con varios personajes, se asigna una muestra a cada uno y hasta 16 participantes se reúnen en un único guion. También se puede empezar con un monólogo normal. La interpretación se cambia directamente en el texto: seleccionas una frase y añades un susurro, una risa, un suspiro o una indicación de entonación alegre, y las pausas se marcan con etiquetas.

También existe la búsqueda de una voz sin grabación de origen. El modelo trae variantes iniciales y la selección aleatoria ayuda a encontrar otras nuevas. El resultado que te guste se puede fijar y guardar en la biblioteca. Sin embargo, lo que se guarda es el seed de la generación lograda (el número del que depende el resultado), de modo que con otro texto el timbre puede cambiar. Para un personaje recurrente es más fiable clonar la voz a partir de una grabación.

Un editor de muestras independiente muestra la forma de onda y permite escuchar, fijar límites exactos y recortar. Con Demucs se puede separar la voz de la música, y el archivo original se conserva para comparar. El texto de la muestra se escribe a mano o se reconoce durante la generación con Qwen3-ASR.

Proyectos y requisitos de hardware

El proyecto se guarda en un archivo .drama3, que contiene el guion, los parámetros y las propias muestras de voz. El botón «Vover al estudio» restaura los ajustes del resultado elegido, y el autoguardado y el archivo de borradores permiten retomar el trabajo más tarde. Para textos largos hay división automática, lectura completa o por líneas, tomas independientes y reducción de las pausas largas. El modo avanzado abre la elección de modelo, el seed y los parámetros de generación.

Los requisitos son notables. Hacen falta Windows 10 u 11 x64, una GPU NVIDIA de la generación Turing o posterior con 8 GB de VRAM, un controlador de la versión 580 o superior y un SSD. La memoria RAM necesaria depende de la variante del modelo: unos 32 GB para W4A8, 40 GB para W6A8 y 48 GB para FP8/INT8. Para las variantes más pesadas, los autores aconsejan 64 GB. Un portátil sin GPU dedicada y con 16 GB de memoria no servirá.

A quién le puede interesar

El sentido práctico está en la economía y la privacidad. Las tomas nuevas no gastan créditos en la nube: solo pagas la electricidad y el tiempo de tu GPU. Si trabajas con guiones confidenciales o con voces de terceros bajo contrato, se quedan en tu ordenador. Para estudios de videojuegos y autores de cursos, 16 voces en una misma escena cubren la mayor parte de las necesidades.

Las limitaciones también están claras. La versión solo existe para Windows y NVIDIA, y el consumo de memoria RAM es alto. El estudio se distribuye a través de Boosty (pago con tarjeta) y Telegram (USDT, ЮMoney, Telegram Stars), así que no se puede decir que sea gratuito. La calidad del resultado depende de Fish Audio Drama 3 y de la limpieza de la muestra, por lo que antes de un proyecto serio conviene hacer varias tomas de prueba en tu propio hardware.

Historia

Preguntas frecuentes sobre la noticia

Cómo funciona el estudio?

La aplicación ya incluye Python, PyTorch y ComfyUI, así que no hay que instalar nada a mano. El motor se inicia automáticamente o de forma manual, como prefieras. Los modelos se descargan por separado desde el propio programa: la descarga se reanuda tras una interrupción y los archivos se verifican. Después, el estudio funciona sin internet y ni los textos ni las muestras de voz se envían a ninguna parte.

¿Qué se sabe sobre Voces, diálogos y emociones?

La clonación es sencilla. Cargas una grabación, eliges en ella 5–15 segundos de habla limpia y usas esa voz para un texto nuevo. La voz, junto con su transcripción, se puede guardar en una biblioteca para recuperarla en el siguiente vídeo o para las líneas de un mismo personaje. Los autores recuerdan que solo deben usarse grabaciones sobre las que tengas derechos. Para una escena con varios personajes, se asigna una muestra a cada uno y hasta 16 participantes se reúnen en un único guion.

¿Qué se sabe sobre Proyectos y requisitos de hardware?

El proyecto se guarda en un archivo .drama3, que contiene el guion, los parámetros y las propias muestras de voz. El botón «Vover al estudio» restaura los ajustes del resultado elegido, y el autoguardado y el archivo de borradores permiten retomar el trabajo más tarde. Para textos largos hay división automática, lectura completa o por líneas, tomas independientes y reducción de las pausas largas. El modo avanzado abre la elección de modelo, el seed y los parámetros de generación. Los requisitos son notables.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…