En profundidad
Por qué la gente busca un generador de audiolibros de código abierto
La gente busca un generador de audiolibros de código abierto por buenas razones: es gratis, el texto nunca tiene que salir de su computadora y pueden modificar cómo funciona. Busque un generador de audiolibros con IA en GitHub y encontrará un conjunto activo de proyectos que convierten un EPUB en audiolibro, y los modelos de voz abiertos que los respaldan han mejorado rápidamente.
Esta página describe los proyectos que la gente realmente busca, qué necesita cada uno y qué produce, a partir de sus README, archivos de licencia y fichas de modelo consultados el 21 de octubre de 2026. Luego presenta honestamente cada opción: local y gratis, o alojado con asignación automática de voces.
Los principales proyectos en GitHub
ebook2audiobook es el más amplio. Acepta EPUB, MOBI, PDF, DOCX, TXT y más, genera M4B con capítulos y metadatos de forma predeterminada, y alterna entre motores como XTTSv2, Bark, VITS y Tortoise, con clonación de voz opcional. Se ejecuta en CPU o GPU mediante una interfaz web local, Docker o Colab. El código es Apache-2.0 y su última versión salió el 5 de octubre de 2026.
audiblez hace una sola cosa: entra EPUB, sale M4B, leído por Kokoro con una sola voz, con ffmpeg encargándose del empaquetado. abogen acepta EPUB, PDF, TXT, Markdown y archivos de subtítulos y exporta MP3, FLAC, WAV o M4B con capítulos, además de subtítulos, y tiene una opción que mantiene a Kokoro sin conexión. Ambos tienen licencia MIT. epub_to_audiobook genera un MP3 por capítulo para Audiobookshelf, usando voces de Azure, OpenAI o Edge en línea, o Piper y Kokoro de forma local.
Voces: Kokoro, Piper, XTTS y Edge TTS
Kokoro es la voz que comparten la mayoría de estas herramientas: audiblez, abogen y Audiobook Creator la usan, así que un audiolibro con Kokoro TTS es el punto de partida habitual. Es un modelo de pesos abiertos con 82 millones de parámetros, publicado bajo Apache-2.0, lo que permite uso comercial. Piper es un motor local rápido: su repositorio actual, piper1-gpl, es GPL-3.0 y dice que busca mantenedores, y cada voz de Piper viene con su propia ficha de modelo y licencia, algunas restrictivas.
XTTS-v2 de Coqui puede clonar una voz a partir de un clip de seis segundos en 17 idiomas, pero su Licencia de Modelo Público de Coqui permite solo el uso no comercial del modelo y de su salida. Y un audiolibro con edge tts no es local en absoluto: el README de edge-tts dice que usa el servicio de texto a voz en línea de Microsoft Edge, aunque el código en sí sea de código abierto.
Voces de personajes: quién intenta la atribución de hablantes
La mayoría de los proyectos leen el libro entero con una sola voz. ebook2audiobook puede cambiar de voz, pero usted marca los pasajes con etiquetas de voz. Audiobook Creator es el que intenta hacerlo automáticamente: un modelo de lenguaje que usted ejecuta, a través de cualquier API compatible con OpenAI, primero enumera los personajes con su edad y género, luego atribuye cada línea, y la herramienta asigna voces por género. Su README sugiere una ventana de contexto de al menos 20.000 tokens.
Ese es el problema que FullCastBook resuelve en sus servidores. Tome una línea como OFICIAL REYES: [firm, tired] Apártese del auto. Una herramienta de una sola voz la lee como la narración que la rodea; un reparto completo le da a Reyes su propia voz y la mantiene para el resto del libro.
Configuración, hardware y tiempo por libro
Espere Python o Docker, ffmpeg para M4B (calibre para Audiobook Creator) y algo de trabajo en la línea de comandos. Una GPU es opcional para la mayoría de los proyectos, pero cambia la espera. El README de audiblez informa unos 600 caracteres por segundo en una GPU Colab T4 y unos 60 por segundo en la CPU de una MacBook Pro M2. Según nuestros cálculos, una novela de 80.000 palabras son aproximadamente 470.000 caracteres, así que eso es alrededor de 13 minutos en esa GPU o de dos a tres horas en esa CPU, antes de cualquier repetición.
El soporte de hardware varía según el proyecto. Audiobook Creator dice que las GPU de Apple Silicon no son compatibles, ebook2audiobook incluye MPS de Apple junto con CUDA y ROCm, y abogen solo admite GPU AMD en Linux. Si prefiere probar un modelo alojado gratuito manualmente, consulte el tutorial del audiolibro de Google AI Studio.
Dónde un reparto completo alojado ahorra trabajo
FullCastBook cambia las partes gratuitas y sin conexión por menos trabajo. No hay nada que instalar: suba un EPUB, un PDF con capa de texto, un DOCX, TXT o Markdown, y los capítulos y hablantes se detectan por usted. Cada personaje recibe una voz distinta junto al narrador, puede dirigir una línea con [whisper] o [sigh], regenerar una línea en lugar de un capítulo y exportar un M4B con marcadores de capítulo, un MP3 o un ZIP de capítulos.
El código abierto sigue ganando en costo, privacidad y control. Puede ejecutarse sin conexión, es gratis más allá de su hardware, puede leer y modificar el código, y ebook2audiobook puede clonar una voz, algo que nosotros no ofrecemos. Su texto también permanece en su máquina; con FullCastBook, se envía a nuestros proveedores de voz, Gemini TTS de Google para las voces estándar y ElevenLabs para las premium.
Qué camino elegir
Elija un generador local de audiolibros con IA si se siente cómodo con Python o Docker, quiere una buena voz gratis o necesita que todo funcione sin conexión, y revise la licencia de la voz antes de vender algo. Elija un reparto completo alojado si el libro tiene mucho diálogo, prefiere no mantener una cadena de herramientas o quiere que los capítulos y las voces de los personajes se gestionen en un solo lugar, en el estudio de audiolibros.
Para ver el panorama más amplio, incluidos estudios de voz y programas de tiendas, consulte la guía mejores TTS para audiolibros; para el formato en sí, el creador de audiolibros M4B.





