¿Microsoft tiene miedo de su propia creación? 🤖🎙️

He estado analizando a fondo el repositorio de VibeVoice, el nuevo framework de Microsoft para generación de audio. Sobre el papel, es impresionante: capaz de generar hasta 90 minutos de audio coherente, gestión de múltiples hablantes y una arquitectura basada en Qwen2.5 + modelos de difusión. Básicamente, puedes crear un podcast entero desde cero.

Sin embargo, si entran al repo oficial hoy, notarán algo curioso: está “capado”. 🚫

Bajo la bandera de la “IA Responsable”, Microsoft ha retirado o restringido el acceso al código de entrenamiento y a la funcionalidad de clonación de voz (Zero-Shot) más potente. Es comprensible el miedo a los Deepfakes, pero esto deja al repositorio oficial como una simple vitrina académica.

💡 El verdadero valor está en los Forks. La comunidad Open Source fue más rápida. Gracias a los desarrolladores que rescataron el código original antes de la “limpieza”, hoy los forks comunitarios son la única forma de acceder a la verdadera potencia de VibeVoice (incluyendo el modelo 7B completo y la clonación sin restricciones).

Como arquitectos de soluciones, esto nos deja una lección: a veces la herramienta oficial no es la más útil para prototipar rápido, y la comunidad suele ir un paso por delante de las restricciones corporativas.

¿Han probado ya VibeVoice o siguen fieles a ElevenLabs? Los leo. 👇

#ArtificialIntelligence #VibeVoice #GenerativeAI #OpenSource #Microsoft #Python #TTS