Piper explicado: la voz artificial libre que funciona sin internet

Quién lo hace, en qué idiomas habla, cómo se prueba en tres pasos desde la terminal y lo que no hace.

En corto: Piper es un programa libre que lee en voz alta el texto que le das, con una voz que suena a persona, y lo hace en tu ordenador, sin internet. Tiene 178 voces en 53 idiomas, entre ellos el catalán y el castellano; en esperanto no hay ninguna oficial.

¿Qué es Piper?

Piper es un programa de síntesis de voz: le pasas un texto y te devuelve un archivo de sonido con ese texto leído en voz alta. Su página lo presenta como un motor de voz «rápido y local»: funciona en tu ordenador, sin enviar lo que escribes a ningún servidor.

Es neuronal: cada voz ha aprendido a hablar a partir de horas de grabaciones de una persona real, y por eso suena mucho más natural que los programas de voz de toda la vida, como eSpeak NG. Y, además, lo lleva dentro: Piper usa eSpeak NG para saber cómo se pronuncia cada palabra antes de hacerla sonar.

¿Quién lo hace y cuánto cuesta?

Es gratis y libre: el código es público y cualquiera puede leerlo, usarlo y modificarlo, con la licencia GPL 3. Ahora lo lleva la Open Home Foundation. Nació dentro del proyecto Rhasspy, con licencia MIT; el 6 de octubre de 2025 ese repositorio se archivó y el desarrollo se trasladó al de la fundación.

¿Para qué sirve?

  • Hacer el audio de un texto: una lección, un vídeo, un pódcast o un aviso, sin tener que grabarlo con tu voz.
  • Dar voz a un asistente o a una casa conectada sin depender de una empresa. Su página dice que lo usan, entre otros, Home Assistant —el programa libre para manejar la casa—, el asistente de voz libre Open Voice OS y el lector de pantalla NVDA.
  • Hacer una voz nueva. Con unas cuantas horas de grabación de una sola persona y el texto de lo que dice, se puede entrenar una voz propia. La guía de entrenamiento explica que ayuda partir de una voz ya hecha, aunque sea de otro idioma.

¿En qué idiomas habla?

La lista oficial tiene 178 voces en 53 idiomas, contadas el 28 de octubre de 2026. En catalán hay tres —Ona, en dos calidades, y Pau— y en castellano, nueve, de España, de México y de Argentina. En esperanto no hay ninguna en la lista oficial.

Cada voz viene en una calidad —de más pequeña y rápida a mejor: x_low, low, medium y high— y lleva su propia licencia, en un archivo que se llama MODEL_CARD. El propio proyecto avisa de que algunas la tienen restrictiva: si vas a publicar lo que hagas, mírala antes.

¿Cómo se prueba?

Piper no tiene ventana ni botones: se usa escribiendo órdenes en la terminal, la ventana de texto del ordenador. Necesitas Python 3.9 o posterior, y funciona en Windows, macOS y Linux. Estos tres pasos los hemos probado en Linux el 28 de octubre de 2026, con la versión 1.8.0:

Paso 1. Instálalo:

pip install piper-tts

Paso 2. Descarga una voz, por ejemplo la de Ona, en catalán (63 MB). Deja dos archivos en la carpeta donde estás: la voz, acabada en .onnx, y sus ajustes, en .onnx.json.

python3 -m piper.download_voices ca_ES-upc_ona-medium

Paso 3. Haz el audio:

echo "¡Buenos días! Hoy empezamos el curso de esperanto." | python3 -m piper -m ca_ES-upc_ona-medium.onnx -f prueba.wav

El archivo prueba.wav ya lleva la frase leída. Si quieres que hable más despacio, añade --length-scale 1.15, y --sentence-silence 0.5 pone medio segundo de silencio entre frases.

Lo que no hace, dicho claro

  • No tiene ventana: si no quieres escribir órdenes, tienes que usarlo a través de otro programa que lo lleve dentro.
  • No tiene voz oficial en esperanto. Para tener una hay que entrenarla, y eso pide horas de grabación buena de una sola persona y un ordenador con tarjeta gráfica durante horas.
  • La licencia de cada voz es distinta, y no todas dejan hacer lo mismo.
  • Busca quien lo mantenga: su página dice que la Open Home Foundation busca personas para llevar el proyecto.

En resumen

Piper hace que el ordenador lea en voz alta con una voz natural, sin internet y sin pagar nada. Tiene voces en catalán y en castellano, y en esperanto, de momento, hay que hacérsela. Si solo quieres oír cómo suena una palabra en esperanto, eSpeak NG ya lo hace; y si lo que quieres es lo contrario, pasar la voz a texto, mira Vosk.

Fuentes

Leer en: