Texto a voz local y gratuito para Open WebUI

1Inicia el servidor de voz

Con Docker, que incluye FFmpeg:

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

O con Python, escuchando en todas las interfaces de red para que el contenedor de Open WebUI pueda llegar a él:

python -m pip install loudness-tts
loudness-tts serve --host 0.0.0.0 --port 8880 --api-key elige-una-clave

Comprueba que responde: http://127.0.0.1:8880/health en tu navegador muestra "status": "ok".

2Abre los ajustes de audio

En Open WebUI, abre Admin Panel → Settings → Audio (los nombres aparecen traducidos si usas la interfaz en español).

3Completa los ajustes de texto a voz

• Text-to-Speech Engine: OpenAI
• API Base URL: http://host.docker.internal:8880/v1 si Open WebUI funciona en Docker, o http://127.0.0.1:8880/v1 si funciona directamente en el mismo ordenador
• API Key: la clave que elegiste, o cualquier texto si el servidor no tiene clave
• TTS Model: tts-1
• TTS Voice: best:es-ES para la mejor voz en español, o el identificador de una voz

Después, selecciona Save. En Linux, inicia el contenedor de Open WebUI con --add-host=host.docker.internal:host-gateway para que host.docker.internal llegue a tu ordenador.

4Pruébalo

Empieza un chat nuevo, envía un mensaje y pulsa el icono del altavoz bajo la respuesta. La primera respuesta puede tardar unos segundos más mientras se descarga la voz.

5Elige voces e idiomas

Como voz de TTS sirve el identificador de cualquier voz, por ejemplo es_MX-claude-high para el español de México, o best: seguido del idioma. También puedes iniciar el servidor con --language es-ES. loudness-tts voices --language es muestra los identificadores; escúchalas antes en la demo en el navegador o en Piper Voice Explorer. Los nombres de voz de OpenAI corresponden a buenas voces en inglés (EE. UU.): nova, shimmer, coral, sage y marin son femeninas; echo, onyx, ash, ballad, verse y cedar son masculinas; alloy y fable son las mejores en general.

6Opcional: ejecuta los dos con Docker Compose

Para iniciar Open WebUI y el servidor de voz juntos, con los ajustes de audio completos desde el primer arranque:

services:
  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    ports: ["3000:8080"]
    volumes: ["open-webui:/app/backend/data"]
    environment:
      AUDIO_TTS_ENGINE: openai
      AUDIO_TTS_OPENAI_API_BASE_URL: http://loudness-tts:8880/v1
      AUDIO_TTS_OPENAI_API_KEY: local
      AUDIO_TTS_MODEL: tts-1
      AUDIO_TTS_VOICE: "best:es-ES"
  loudness-tts:
    image: ghcr.io/loudness-ai/loudness-tts
    volumes: ["loudness-tts:/data"]
volumes:
  open-webui:
  loudness-tts:

Open WebUI aplica estos valores en su primer arranque; después, cámbialos en el Admin Panel. Más detalles en la documentación de Open WebUI (en inglés).