Este artículo presenta una lista definitiva de los mejores modelos de IA de código abierto en varias categorías, con un enfoque detallado en la generación de audio. Recomienda modelos específicos para texto a voz, clonación de voz, generación de música y audio multimodal, destacando sus puntos fuertes.
Phosphene es un panel de escritorio gratuito y de código abierto para Macs con Apple Silicon, que genera video con audio sincronizado utilizando el modelo LTX 2.3 de Lightricks. Su diferenciador clave es la generación de video y audio en un solo paso de difusión, asegurando una sincronización perfecta entre los elementos visuales y auditivos.
![Phosphene local video and audio generation for Apple Silicon open source (LTX 2.3) [P]](/cdn-cgi/image/width=3840,quality=75,format=webp/https://preview.redd.it/vutakjb0vgyg1.png?width=140&height=59&auto=webp&s=08ecb95fd65ade25c924988f1992e9abe3d79f62)
Gemini 3.1 Flash TTS presenta un nuevo modelo de audio con etiquetas de audio granulares. Esto permite un control preciso para dirigir el habla de la IA, generando audio más expresivo.
Save to Spotify es una nueva herramienta de línea de comandos diseñada para agentes de IA como OpenClaw y Claude Code, que les permite guardar resúmenes de audio y podcasts generados por IA directamente en Spotify. La configuración implica descargar la CLI de GitHub y añadir "y guardar en Spotify" al prompt del agente de IA para que el contenido aparezca en el feed de podcasts.
O texto apresenta ElevenLabs, uma plataforma de IA para geração de vozes realistas, destacando seu nível gratuito capaz. Ele detalha recursos como biblioteca de vozes de IA e clonagem de voz, sendo valioso para desenvolvedores e criadores.
Apresentando Lyria 3 Pro, que desbloqueia faixas mais longas com consciência estrutural. A Lyria também será expandida para mais produtos e superfícies do Google.