Cómo instalar Chatterbox TTS en Docker - API de text-to-speech con clonación de voz en Docker

-
Chatterbox TTS | Voice Cloning | Docker

Chatterbox TTS: API de text-to-speech con clonación de voz en Docker

Text-to-speech local compatible con OpenAI. Clona tu voz en 10 segundos. 22 idiomas. FastAPI. GPU (NVIDIA/AMD) y CPU. React frontend. Docker ready. Open source.

¿Qué es Chatterbox TTS?


Chatterbox TTS es una API local de text-to-speech (TTS) completamente compatible con OpenAI que permite clonar tu propia voz para generar speech natural. A diferencia de Google Cloud TTS (caro, en nube), Eleven Labs (suscripción), o Azure TTS (compliance complejo), Chatterbox es gratuito, self-hosted, y permite voz clonada con solo ~10 segundos de muestra de audio.

Características principales: OpenAI-compatible (drop-in replacement para cualquier app que use OpenAI TTS). Clonación de voz zero-shot (~10 segundos needed). 22 idiomas multilingües. FastAPI ultra-rápido. React frontend incluido. GPU support: NVIDIA (CUDA), AMD (ROCm), o CPU. Almacenamiento persistente de voces. Integración con Open WebUI, AnythingLLM, LM Studio. Configuración por environment variables. Docker optimizado.

Caso de uso perfecto: Integra TTS con voz clonada en tu LLM local (Open WebUI + Chatterbox TTS). ChatBot que habla como TÚ.

Características principales

Clonación de voz

Solo ~10 segundos de muestra. Zero-shot. Tu voz clonada.

OpenAI compatible

Drop-in replacement. Same API. Integra en cualquier app.

22 idiomas

Soporte multilingüe. Voice cloning en cualquier idioma.

FastAPI

Async, rápido, documentación automática en /docs.

React frontend

UI lista para usar. Web interface incluida.

GPU & CPU

NVIDIA (CUDA), AMD (ROCm), CPU. Elige tu hardware.

Voice library

Upload, gestiona, usa voces por nombre.

Controles parámetricos

Exageración, CFG weight, seed para control fine-grained.

Smart text processing

Chunking automático para textos largos.

Real-time status

Monitor progress, estadísticas, historial requests.

Docker ready

Full containerization. Persistent storage. Easy deploy.

Open source

MIT licensed. Código abierto. Community-driven.

Requisitos del sistema

  • Docker & Docker Compose
  • 4-8 GB RAM (depende de modelo y hardware)
  • 10+ GB espacio disco (modelos + voces)
  • GPU recomendada: NVIDIA (6GB+ VRAM tipo RTX 3060) o AMD ROCm
  • CPU posible pero lento: Intel/AMD de múltiples cores para razonable performance
  • Puerto 4123 para API
  • Archivos de voz en MP3 para clonación (10+ segundos)
GPU fuertemente recomendada: Chatterbox consume memoria. Sin GPU, los tiempos de generación son lentos (segundos a minutos por frase). Con GPU NVIDIA, es cuestión de milisegundos.

Instalación en Docker

Paso 1: Clonar repositorio

git clone https://github.com/travisvn/chatterbox-tts-api cd chatterbox-tts-api

Paso 2: Preparar archivo de voz (clonación)

Importante: Para clonar tu voz, necesitas un archivo MP3/WAV de 10-30 segundos de tu voz hablando claramente.

# Opción A: Usa archivo existente cp /ruta/a/tu/voz.mp3 ./voice-sample.mp3 # Opción B: Grabar tu voz (desde terminal Linux) ffmpeg -f pulse -i default -t 15 voice-sample.wav # Habla durante 15 segundos (claro, sin ruido)

Paso 3: Configurar ambiente Docker

cp .env.example.docker .env

Paso 4: Editar docker-compose.yml

cat > docker/docker-compose.yml << 'EOF' version: '3.8' services: chatterbox-tts: build: . container_name: chatterbox-tts-api restart: unless-stopped ports: - "4123:4123" volumes: - ./voice-sample.mp3:/app/voice-sample.mp3:ro - chatterbox-models:/cache - chatterbox-voices:/voices environment: - DEVICE=cuda # o cpu si no tienes GPU - EXAGGERATION=0.7 # Control de emoción en voz - CFG_WEIGHT=0.4 # Control de fidelidad - VOICE_SAMPLE_PATH=/app/voice-sample.mp3 deploy: resources: reservations: devices: - driver: nvidia count: 1 capabilities: [gpu] volumes: chatterbox-models: chatterbox-voices: EOF

Paso 5: Iniciar con Docker Compose

# Primera vez (descarga e instala modelos) docker compose -f docker/docker-compose.yml up -d # Ver logs (importante la primera vez) docker logs -f chatterbox-tts-api

Acceder a la API

http://localhost:4123 - Frontend React

http://localhost:4123/docs - Documentación interactiva OpenAPI/Swagger

Clonar tu propia voz (paso a paso)

1. Preparar muestra de voz

  1. Grabar: 10-30 segundos de tu voz hablando claramente
  2. Calidad: Sin ruido de fondo. Micrófono decente.
  3. Contenido: Lee un párrafo. Frases naturales. Evita "ummm", risas, toques.
  4. Formato: MP3, WAV, OGG. Chatterbox soporta varios formatos.

2. Convertir a MP3 si es necesario

ffmpeg -i tu-grabacion.wav -acodec libmp3lame -ab 192k voice-sample.mp3

3. Coloca el archivo en el directorio

cp ~/Descargas/tu-voz.mp3 ./voice-sample.mp3 # Verifica que existe ls -lh voice-sample.mp3

4. Chatterbox automáticamente usa tu voz

La variable VOICE_SAMPLE_PATH en docker-compose.yml apunta a tu archivo. Cuando Chatterbox TTS genera speech sin especificar una voz, usa tu muestra como referencia para clonar la voz.

5. Probar clonación via API

curl -X POST http://localhost:4123/v1/audio/speech \ -H "Content-Type: application/json" \ -d '{ "model": "tts-1", "input": "Hola, esta es mi voz clonada hablando", "voice": "default" }' \ --output audio.mp3
Resultado: El archivo audio.mp3 contendrá tu voz clonada diciendo el texto. ¡Así de simple!

Primeros pasos

1. Verificar que está corriendo

curl http://localhost:4123/health # Deberías ver estado OK

2. Acceder a la UI React

  1. Abre http://localhost:4123 en navegador
  2. Frontend React aparece
  3. Escribe texto
  4. Click "Generate Speech"
  5. Escucha tu voz clonada

3. Usar API directamente (como OpenAI)

curl -X POST http://localhost:4123/v1/audio/speech \ -H "Content-Type: application/json" \ -d '{ "model": "tts-1", "input": "Tu texto aquí", "voice": "default", "speed": 1.0 }' \ --output output.mp3

4. Integrar con Open WebUI

  1. Open WebUI Settings → Admin Settings → Text-to-Speech
  2. TTS Engine: OpenAI
  3. API Key: any-key (dummy)
  4. Base URL: http://localhost:4123/v1
  5. Voice: default
  6. Ahora tu LLM hablará con tu voz clonada

5. Parámetros avanzados

curl -X POST http://localhost:4123/v1/audio/speech \ -H "Content-Type: application/json" \ -d '{ "model": "tts-1", "input": "Tu texto", "voice": "default", "speed": 0.8, "exaggeration": 0.8, "cfg_weight": 0.5, "seed": 42 }'

Parámetros:

  • exaggeration: 0-1. Control emoción/expresión (0.7 default)
  • cfg_weight: 0-1. Control fidelidad a muestra (0.4 default)
  • seed: Número fijo = mismo resultado siempre
  • speed: Velocidad habla (0.5-2.0)

Casos de uso

  • ChatBot con tu voz: Open WebUI + Chatterbox TTS. El LLM habla como TÚ.
  • Audiobook generador: Convierte texto a narración con tu voz.
  • Asistente de voz: Local voice assistant con tu voz clonada.
  • Contenido multilingüe: Tu voz en 22 idiomas.
  • Podcast automation: Script → podcast hablado por TI.
  • Accesibilidad: Convierte docs a audio con voz familiar.
  • Learning tools: Flashcards, tutoriales hablados con tu voz.

Gestión y mantenimiento

Ver logs y estado

docker logs -f chatterbox-tts-api

Detener/reiniciar

docker compose -f docker/docker-compose.yml stop docker compose -f docker/docker-compose.yml restart

Cambiar voz de clonación

# Reemplaza el archivo voice-sample.mp3 cp ~/nueva-voz.mp3 ./voice-sample.mp3 # Reinicia el container docker compose -f docker/docker-compose.yml restart

Monitorear memoria/GPU

nvidia-smi # Si tienes GPU NVIDIA docker stats chatterbox-tts-api

Actualizar imagen

docker compose -f docker/docker-compose.yml pull docker compose -f docker/docker-compose.yml up -d --force-recreate

Backup de voces guardadas

docker run --rm -v chatterbox-voices:/voices -v $(pwd):/backup alpine tar czf /backup/voices-backup-$(date +%Y%m%d).tar.gz -C /voices .

Troubleshooting

CUDA out of memory

# Cambia a CPU (lento pero funciona) DEVICE=cpu docker compose up -d

Modelo no carga

docker logs chatterbox-tts-api # Busca errores. Espacio disco insuficiente?

Voice sample no encontrado

# Verifica ruta en docker-compose.yml ls -lh voice-sample.mp3 # Asegúrate que está en el directorio correcto

API lenta

  1. Verifica que GPU está siendo usada: nvidia-smi
  2. Si CPU-only, es normal (lento)
  3. Considera GPU más potente para producción

Comparativa con alternativas

vs Eleven Labs

Chatterbox gana: Gratuito, self-hosted, voice cloning local. Eleven Labs gana: Voces naturales pre-entrenadas, mejor calidad.

vs Google Cloud TTS

Chatterbox gana: Voice cloning, gratis, local. Google gana: Voces premium, multinacionales.

vs Azure TTS

Chatterbox gana: Simple, voice cloning. Azure gana: Enterprise, HIPAA, features avanzadas.

vs pyttsx3

Chatterbox gana: Mejor calidad, voice cloning, 22 idiomas. pyttsx3 gana: Ultra-ligero, sin GPU.

Mejor para: Quien quiera voice cloning local con su propia voz. OpenAI-compatible. Integración LLM local. TTS de alta calidad sin suscripción.

Referencias oficiales

Apoya el canal GENBYTE

Suscríbete al canal de YouTube Suscríbete a la newsletter semanal Invítame a un Ko-fi genbyte@proton.me

Sígueme en mis redes sociales

Telegram Discord YouTube GitHub Blog Twitter

Comentarios

Publicar un comentario

Entradas populares de este blog

Cómo Instalar y configurar SERVIDOR VPN WIREGUARD en MIKROTIK 🔐 #VPN #Wireguard #Mikrotik #RouterOS

-
Imagen
Wireguard en Mikrotik Breve Explicación de Wireguard ¿Qué es WireGuard VPN? WireGuard es un nuevo protocolo de VPN. No se trata de un software, sino de un conjunto de instrucciones que permite crear VPNs de forma muy sencilla. Ha sido desarrollada como una alternativa a IPsec, OpenVPN y similares VPNs, pero más rápida y sencilla de usar. En esencia, WireGuard está basado en ideas del protocolo IPsec. WireGuard es una VPN extremadamente simple, pero rápida y moderna que utiliza criptografía de última generación. Su objetivo es ser más rápido, más simple, y más versátil que IPSec, evitando al mismo tiempo el enorme dolor de cabeza (sobre todo en redes con NAT). Pretende ser considerablemente más eficaz que OpenVPN. WireGuard está diseñado como una VPN de propósito general para ejecutarse en interfaces embebidas, apto para muchas circunstancias diferentes. Se ejecuta sobre el protocolo UDP, por lo tanto es considerado un túnel de capa 3. ¿Cómo funciona Wireguard VPN? WireGuard es un proto...
Leer más

Cómo instalar y configurar DSM SYNOLOGY 7.2.2 en PC | Guía completa, instalación, RAID 1, SMB

-
Imagen
Instalación y puesta en marcha de Synology DSM 7.2.2 en PC Vídeo ACTUALIZADO, NUEVA VERSIÓN DEL ARC LOADER:  https://youtu.be/LgghogL-UCA https://genbyte.blogspot.com/2025/08/como-convertir-pc-en-synlogy-con-6-tb.html ----- Proceso de instalación y puesta en marcha de sistema operativo DSM Synology versión 7.2.2 en un PC, concretamente un HP 800 G1 EliteDesk. El PC tendrá 3 discos SSD, uno de 120 GB para el S.O. DSM, y otros dos de 240GB cada en RAID 1 para los Datos. Los 3 dicos duros conectados al PC mediante cables SATA. Lo primero que necesitamos es descargar la imagen bootloader ARC, desde el siguiente repositorio de Gothub, también necesitamos Rufus, en este momento, es la versión 4.6. Imagen ARC:  https://github.com/AuxXxilium/arc Imagen usado en el vídeo 1.1.29:  https://github.com/AuxXxilium/arc/releases/tag/1.1.29 Rufus:  https://rufus.ie/es/ Después de descargar la imagen ARC.img, conectamos nuestro primer disco SSD de 120GB por cable o conector SATA-USB y...
Leer más

Cómo INSTALAR y CONFIGURAR OpenVPN en MIKROTIK. Guía completa paso a paso.

-
Imagen
Cómo INSTALAR y CONFIGURAR OpenVPN en MIKROTIK. Guía completa paso a paso. Vídeo tutorial paso a paso en Youtube Desarrollo Ilustración: Diagrama RED Creación de Redes (Address) ----------------------------------------------- WAN 192.168.1.0/24 LAN 192.168.88.0/24 VPN 192.168.100.0/24 Creación del Rango VPN ------------------------ 192.168.100.1 - 192.168.100.100 Creación de los Certificados ------------------------------- Los certificados que vamos a crear a continuación tendrán una validez de 10 años; days-valid=3650 Crear certificado CA ---------------------- /certificate add name=CA-tpl country="" state="" locality="" organization="" unit="" common-name="CA" key-size=4096 days-valid=3650 key-usage=crl-sign,key-cert-sign /certificate sign CA-tpl ca-crl-host=127.0.0.1 name="CA" Crear certificado Server -------------------------- /certificate add name=SERVER-tpl country="" state="" locality=...
Leer más