Instala loudness-tts

1Comprueba lo que necesitas

Para Python: Python 3.9 o posterior. Para JavaScript: Node.js 20 o posterior, Bun o Deno. Cada voz se descarga una sola vez y ocupa entre 20 y 140 MB; la voz inglesa predeterminada ocupa unos 80 MB. FFmpeg es opcional: añade salida MP3, Opus, AAC y FLAC, que esperan aplicaciones de chat como LibreChat y AnythingLLM.

python3 --version
node --version

2Instala el paquete de Python

En macOS y Linux:

python3 -m venv .venv
source .venv/bin/activate
python -m pip install loudness-tts

En Windows, en PowerShell:

py -m venv .venv
.venv\Scripts\activate
python -m pip install loudness-tts

Para obtener los tiempos por palabra del propio modelo de voz, que dan los subtítulos más exactos, añade el extra opcional: python -m pip install "loudness-tts[timings]".

3Crea tu primera voz

loudness-tts "El Dr. Pérez pagó 5,50 € el 15/10/2026 a las 9:30." --language es-ES -o voz.wav --srt voz.srt

La primera vez se descarga la mejor voz para el idioma y se comprueba con su suma de verificación publicada; después funciona sin conexión. Las voces se guardan en ~/.cache/loudness-tts (en Windows, %LOCALAPPDATA%\loudness-tts). Elige el idioma con --language o una voz con --voice; loudness-tts voices las muestra, de mejor a peor.

Desde Python:

import loudness_tts

voz = loudness_tts.synthesize("La reunión empieza a las 9:30.", language="es-ES")
voz.save("reunion.wav")
voz.save_srt("reunion.srt")
print(voz.voice.credit)   # la línea de crédito que pide la licencia de la voz

4O instala el paquete de JavaScript

Instala el archivo del paquete desde la última versión en GitHub. Con Bun, usa bun add con la misma dirección.

npm install https://github.com/Loudness-ai/loudness-tts/releases/download/v0.1.1/loudness-tts-0.1.1.tgz

import { speak, synthesize } from "loudness-tts";

await speak("Hola, la reunión empieza a las 9:30.", "hola.wav", { language: "es-ES" });
const voz = await synthesize("Hello! How are you?");
await voz.saveSrt("hello.srt");

En una página web, impórtalo con tu empaquetador (Vite, webpack o esbuild): speak(texto) reproduce la voz y voz.blob() devuelve un archivo WAV. El navegador guarda cada voz tras la primera descarga.

5Inicia el servidor de voz

loudness-tts serve --port 8880

El servidor responde como la API de voz de OpenAI en http://127.0.0.1:8880/v1. Pruébalo en macOS o Linux:

curl http://127.0.0.1:8880/v1/audio/speech -H "Content-Type: application/json" \
  -d '{"model": "tts-1", "input": "Hola desde mi propio servidor.", "voice": "best:es-ES", "response_format": "wav"}' -o hola.wav

Para que otros ordenadores o contenedores de Docker lo usen, añade --host 0.0.0.0 y protégelo con --api-key y una clave secreta que elijas. Las guías de aplicaciones de abajo muestran los ajustes para Open WebUI, LibreChat y AnythingLLM.

6O ejecuta el servidor con Docker

docker run -d --name loudness-tts -p 8880:8880 -v loudness-tts:/data ghcr.io/loudness-ai/loudness-tts

La imagen incluye FFmpeg y guarda las voces en el volumen loudness-tts. Para descargar idiomas al arrancar el contenedor, añade -e LOUDNESS_TTS_PRELOAD="es-ES en-US".

7Úsalo sin conexión

Descarga las voces que necesites mientras tengas conexión:

loudness-tts download --language es-ES
loudness-tts download --language es-MX

Después, define LOUDNESS_TTS_OFFLINE=1 para impedir descargas; LOUDNESS_TTS_HOME cambia la carpeta de las voces. loudness-tts doctor --synthesize comprueba toda la instalación.