F5-TTS vs Kokoro vs Cartesia

Los mismos datos para todas, en las mismas filas. Sin ganadores prefabricados y sin nota: la fila que decide es la que a ti te importe.

Se diferencian en 7 de 13 filas. Las primeras que las separan: Qué sabe hacer, ¿Hay que registrarse?, Dónde se ejecuta. En 5 falta algún dato para saber si se diferencian. En 1 dicen lo mismo.

Comparativa de F5-TTS, Kokoro, Cartesia
CondiciónF5-TTSKokoroCartesia
Qué sabe hacer
  • Texto a voz
  • Clonación de voz
  • Descarga de modelos
  • Texto a voz
  • Descarga de modelos
  • Texto a voz
  • Transcripción
  • Clonación de voz (sólo de pago)
  • API
¿Hay que registrarse?NoNoSí
Dónde se ejecutaLocalLocalNube
Cuánto cuesta empezarInstalación técnica, modelos o GPUInstalación técnica, modelos o GPUCuenta o configuración previa
Renovación de créditosSin créditosSin créditosMensual
Modelo de gratuidadOpen sourceOpen sourceCréditos gratis
¿Open source?Open sourceOpen sourceCerrado
¿Pide tarjeta?Faltan datosNoNoEl fabricante no lo publica — Hemos abierto la página oficial que debería contestarlo y no lo dice. El hueco es suyo, no nuestro. Buscábamos: Si el plan gratuito pide tarjeta. La página de precios, la de su documentación y las condiciones sólo hablan de datos de pago para los servicios de pago.
¿Marca de agua?Faltan datosEl fabricante no lo publica — Hemos abierto la página oficial que debería contestarlo y no lo dice. El hueco es suyo, no nuestro. Buscábamos: Si lo que se genera en local lleva marca de agua. El README oficial no lo dice.El fabricante no lo publica — Hemos abierto la página oficial que debería contestarlo y no lo dice. El hueco es suyo, no nuestro. Buscábamos: Si lo que se genera en local lleva marca de agua. El README oficial no lo dice.El fabricante no lo publica — Hemos abierto la página oficial que debería contestarlo y no lo dice. El hueco es suyo, no nuestro. Buscábamos: Si el audio del plan gratuito lleva marca. Ni la página de precios, ni la de su documentación, ni las condiciones la mencionan.
¿Uso comercial?Faltan datosNoSin comprobar — Todavía no hemos abierto la fuente oficial para este dato. Es trabajo nuestro pendiente.No
Por dónde se accedeFaltan datosSin analizarSin analizarNo aplica — Chat, API y pesos son vías propias de los modelos.
¿Se entrena con tus datos?Faltan datosSin comprobar — Todavía no hemos abierto la fuente oficial para este dato. Es trabajo nuestro pendiente.Sin comprobar — Todavía no hemos abierto la fuente oficial para este dato. Es trabajo nuestro pendiente.Sin comprobar — Todavía no hemos abierto la fuente oficial para este dato. Es trabajo nuestro pendiente.
CategoríaVoz IAVoz IAVoz IA
Con más detalle
Qué te dan gratisCódigo con licencia MIT. Pesos preentrenados con licencia CC-BY-NC, es decir, no comercial, por el conjunto de datos Emilia con el que se entrenaron. Sin cuotas ni cuenta.Publicado con licencia Apache 2.0. Sin cuotas ni cuenta. 82 millones de parámetros, salida a 24 kHz, nueve idiomas y ejecución posible en Google Colab según su repositorio.Plan gratuito con 20.000 créditos al mes, que la tabla oficial equipara a unos 27 minutos de audio generado. Incluye texto a voz y transcripción, 1 $ al mes en agentes prepagados y ocho llamadas simultáneas. Clonar voz y el uso comercial empiezan en Pro, el plan de pago más barato: 5 $/mes con 100.000 créditos.
Límites
  • Código: MIT
  • Pesos preentrenados: CC-BY-NC, sin uso comercial
  • Sin cuotas ni cuenta: el coste es el hardware
  • 82 millones de parámetros
  • Nueve idiomas: inglés americano y británico, español, francés, hindi, italiano, japonés, portugués de Brasil y chino mandarín
  • Salida a 24 kHz
  • Sin cuotas ni cuenta: el coste es el hardware
  • 20.000 créditos al mes (≈27 minutos según su tabla)
  • Clonar voz y la licencia comercial empiezan en Pro
  • 1 $ al mes en agentes prepagados; 8 llamadas y 2 peticiones simultáneas
  • Plan de pago más barato: Pro, 5 $/mes (100.000 créditos, ≈133 minutos)
En contraFaltan datosSin analizar — Que esta casilla esté vacía no significa que no tenga pegas: significa que no las hemos escrito.Sin analizar — Que esta casilla esté vacía no significa que no tenga pegas: significa que no las hemos escrito.Sin analizar — Que esta casilla esté vacía no significa que no tenga pegas: significa que no las hemos escrito.
VeredictoUn ejemplo de por qué «open source» no basta como etiqueta: el código se puede usar para lo que sea, y los pesos que lo hacen útil no permiten uso comercial.La opción a mirar cuando la voz tiene que salir de tu equipo y con licencia permisiva. Apache 2.0 en un terreno donde la mayoría de los pesos abiertos son no comerciales.De las pocas que publican a cuántos minutos equivalen sus créditos, que es justo lo que hace falta para saber si alcanzan. Orientada a agentes de voz y a integrarse por API.
Última verificación24 ago 202624 ago 202618 ago 2026

Cuando falta un dato, la tabla dice por qué. Sin comprobar es deuda nuestra: todavía no hemos abierto la fuente oficial. El fabricante no lo publica es lo contrario: la abrimos y no lo dice, y eso es información sobre el producto. Sin analizar es un hueco de redacción nuestro, y No aplica una fila que no tiene sentido para esa clase de herramienta. Pasa el ratón por encima para ver qué buscábamos.

Empezar de nuevo

Añadir otra que hace lo mismo