Traducido del inglés por Plainly. Si algo no coincide, la que cuenta es la página en inglés.

Sitio para usarloImágenesVídeoVoz y hablaMúsica y sonidoPresentadores que hablan3DOpción gratuita

Hugging Face

La principal biblioteca pública de modelos de IA, donde los fabricantes publican modelos abiertos de imágenes, vídeo, voz, música y 3D. Puedes descargarlos, probar muchos en demos gratuitas en el navegador (Spaces) o pagar para usarlos en ordenadores alquilados.

Ir al sitio web de Hugging Face

¿Se puede probar gratis?Sí

¿Puedo vender lo que creo?Depende del modelo que elijas

Nivel necesarioAlgo de configuración

Los datos, con fuentes

¿Puedo vender lo que creo?: Depende del modelo que elijas
Condiciones: eres dueño del contenido que creas; el contenido de otros usuarios lo usas bajo tu propia responsabilidad y según sus propias condiciones. El uso comercial de los resultados depende de la licencia de cada modelo.
fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante
Coste: Opción gratuita: Cuenta gratuita; Spaces con ZeroGPU con 5 minutos de GPU al día (2 sin cuenta); hardware CPU Basic gratuito
Planes a continuación.
Cómo se usa: En el navegador, API propia del fabricante, En tu propio ordenador
Demos en el navegador (Spaces), API de inferencia y endpoints de pago, y descarga de modelos para usarlos por tu cuenta.
fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta
Nivel necesario: Algo de configuración
Probar un Space no necesita configuración; descargar o alojar modelos es técnico.
fuente · comprobado el 12 oct 2026 · deducido o tomado de una fuente secundaria; hay que revisarlo
Creado por: Hugging Face, Inc. (US)
Las condiciones describen a Hugging Face, Inc. como una sociedad de Delaware; no dan dirección postal. El país se toma del lugar de constitución.
fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta
Estado: Disponible
fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante

Qué puedes crear con ella

Una voz o audio hablado, texto a partir de una grabación (uso principal)
Una imagen, a partir de una descripción
Una voz o audio hablado, leer mi texto en voz alta
Un vídeo, a partir de una descripción
Un objeto o una escena en 3D, a partir de una foto

de texto a imagende texto a audiode audio a textode texto a vídeode imagen a modelo 3D

Aloja miles de modelos de todas las áreas; esta es una selección representativa de para qué lo usa principalmente la gente. Lo 'principal' es arbitrario en un sitio general.

fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta

Planes y precios

Plan	Precio	Incluye
PRO	9 $ al mes	2.400 segundos de tiempo de computación al día 40 minutos de ZeroGPU al día más $2 en créditos de inferencia al mes; GPU extra a $1 por cada 10 minutos
Team	20 $ al mes	Por usuario; los miembros obtienen ventajas de ZeroGPU e inferencia de nivel PRO
Enterprise	50 $ al mes	Por usuario; 60 minutos de ZeroGPU al día
Spaces GPU: Nvidia T4 small	0,40 $ por 3.600 segundos de tiempo de computación	Por hora de GPU de 16 GB alquilada
Spaces GPU: Nvidia A100 large	2,50 $ por 3.600 segundos de tiempo de computación	Por hora de GPU de 80 GB alquilada

Algunos planes no aparecen aquí; consulta la fuente para ver la lista completa.

Dato heredado de la prueba piloto (leído el 2026-10-12); no se pudo volver a leer en esta revisión (límite de descargas). La página muestra '$' sin decir USD. Cuotas de ZeroGPU según https://huggingface.co/docs/hub/spaces-zerogpu. Inference Endpoints desde $0.033/hora. No se volvió a comprobar la frecuencia de facturación de Team/Enterprise.

fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta

Derechos y seguridad

¿Entrena con tu trabajo?: Las condiciones no lo dejan claro
Las condiciones no mencionan el entrenamiento; Hugging Face no venderá tu contenido y puede aprender de datos de uso agregados y anonimizados. No se leyó la política de privacidad.
fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta

Relacionado

Modelos que puedes usar aquí

Bark, BiRefNet, Chatterbox, CogVideoX, Dia, Distil-Whisper, FLUX.1 [dev], FLUX.1 [schnell], HiDream-I1, HunyuanVideo, Hunyuan3D 2, Kokoro-82M, LTX-Video, MAGI-1, Mochi 1, NVIDIA Parakeet, Open-Sora, Whisper, OpenAudio S1, Qwen-Image, RVC (Retrieval-based Voice Conversion), Stable Diffusion XL 1.0, Sesame CSM, SkyReels V2, Stable Audio Open 1.0, Stable Diffusion 3.5, Stable Video Diffusion, Wan 2.1, Wan 2.2, XTTS-v2

Otras opciones para «Una voz o audio hablado, texto a partir de una grabación»

Adobe Podcast (Enhance Speech), Adobe Premiere, AssemblyAI, Async (formerly Podcastle), AudioShake, Auphonic, Azure AI Speech, CAMB.AI, Cartesia, Cleanvoice AI, Clipchamp, Deepgram, Descript, Distil-Whisper, Dubverse, ElevenLabs, Filmora, Gling, Granite Speech 5.0, Happy Scribe, Kapwing, Krisp, LFM3-Audio, MacWhisper

Sobre esta ficha. Última comprobación de los datos: 12 oct 2026, con las páginas del propio fabricante (cada dato enlaza a su fuente). Estado de la ficha: borrador. Resumen en lenguaje sencillo escrito por Plainly.

¿Has visto un error? Avísanos, con un enlace a la fuente. Cómo funcionan las correcciones