github.devotd.
新着マルチモーダル

resemble-ai/chatterbox — オープンソースのテキスト音声変換モデル群

Resemble AI のオープンソースなテキスト音声変換モデル群 resemble-ai/chatterbox が出した v0.1.2 を、多言語音声生成と音声クローンへの対応、生成音声の透かしまで取り上げる。

リポジトリ情報resemble-ai/chatterbox ↗

Resemble AI のオープンソースなテキスト音声変換モデル群 resemble-ai/chatterbox が出した v0.1.2 を、多言語音声生成と音声クローンへの対応、生成音声の透かしまで取り上げる。

GitHub の説明: SoTA open-source TTS

スター
★ 27.1K
フォーク
3.7K
言語
Python
ライセンス
MIT
最新リリース
v0.1.2
原文を見る ↗GitHub で見る ↗

resemble-ai/chatterbox は Resemble AI が公開したオープンソースのテキスト音声変換(TTS、テキストを音声に変える技術)モデル群である。Python で実装され、MIT ライセンスで配布される。リポジトリは 2025 年 4 月 23 日に作成され、GitHub 上で公開されている最新リリースは v0.1.2 である。

モデルは用途ごとに分かれる。Chatterbox Multilingual は複数言語の音声生成と音声クローン(特定の人、声の特徴を再現する機能)をサポートし、Chatterbox-Turbo と Chatterbox-Nano は英語の音声生成に使われる。README は、この 2 モデルが笑い声のように言語ではない表現をタグとして扱えると明言している。GitHub スターは 27,122 件のリポジトリである。

ただし、Chatterbox が生成する音声には Perth(Perceptual Threshold)の透かしが含まれている。透かしは音声信号に識別用の印を残す技術である。v0.1.2 で何が変更されたかは、リリースノートが資料にないため知れない。他の音声合成モデルと性能を比べた数値もなく、リポジトリの説明が主張する水準を裏づけるベンチマークも残っていない。採点された項目のうちモメンタムのみが 10 点満点基準で 5.8 であり、新鮮度・技術・品質のスコアは示されていない。透かしと性能資料の不足を併せて考えると、現時点ではスコープとライセンスが明確な音声合成の参考資料として扱うのが適切である。