Chatterbox TTS

2026-01-29更新说明：支持Chatterbox Turbo 350M模型，生成速度更快。

注意： 本应用目前对中文的支持较为有限，生成效果可能存在语速不稳、数字跳读或机械感较重等问题；相比之下，其在英语、德语及西班牙语等拉丁语系上的表现更加成熟自然。请根据您的目标语种慎重选择。

ChatterBox 是由 Resemble AI 开发的轻量级开源文本转语音（TTS）模型。它不仅体积精简，更在多语言处理上表现出色，是目前开发者实现自然语音合成的理想选择。

🌟 核心功能

• 23 种语言支持：原生支持包括中文、英文、法文、德文、西语等在内的 23 种语言。最令人惊艳的是其跨语言克隆能力——你可以提供一段中文录音，模型就能让这个音色说出地道的德语或英语。
• 5 秒零样本克隆：只需 5-10 秒的参考音频即可瞬间捕捉音色，无需任何微调训练。在盲测中，超过 63% 的听众认为其效果优于业界知名产品。
• 动态情感调节：独有的“夸张控制”参数，让你可以调节语音的情感强度，从冷峻叙述到激情演说皆可灵活掌控。
• 极致轻量化：模型体积小于 50MB（仅 300 万参数）。这使其能轻松跑在树莓派等边缘设备上，在高端 GPU 上生成 1 分钟音频仅需 0.8 秒。

🔬 技术优势

• 架构领先：基于 LLaMA 3 架构，并在 50 万小时高质量多语言语音数据上完成预训练。
• 超低延迟：采用流式推理技术，延迟低于 200 毫秒，完美适配实时语音通话和互动助手。
• 内容安全：内置不可觉察的 Perth 神经水印，确保 AI 生成内容可追溯，保障技术的负责任使用。