github.devotd.
新发现多模态

resemble-ai/chatterbox — 开源文本转语音模型系列

Resemble AI 的开源文本转语音模型系列 resemble-ai/chatterbox 发布了 v0.1.2,本文涉及多语言语音生成与声音克隆支持,以及生成音频中的水印。

仓库信息resemble-ai/chatterbox ↗

Resemble AI 的开源文本转语音模型系列 resemble-ai/chatterbox 发布了 v0.1.2,本文涉及多语言语音生成与声音克隆支持,以及生成音频中的水印。

GitHub 项目说明: SoTA open-source TTS

星标
★ 27.1K
复刻
3.7K
语言
Python
许可证
MIT
最新版本
v0.1.2
查看原始来源 ↗在 GitHub 查看 ↗

resemble-ai/chatterbox 是 Resemble AI 发布的开源文本转语音(TTS,把文字转为语音的技术)模型系列。它以 Python 实现,采用 MIT 许可证分发。该仓库创建于 2025 年 4 月 23 日,在 GitHub 上公开的最新版本是 v0.1.2。

各模型用途不同。Chatterbox Multilingual 支持多语言语音生成和声音克隆(复现特定人物的音色特征),而 Chatterbox-Turbo 和 Chatterbox-Nano 用于英文语音生成。README 说明,这两个模型把笑声这类非语言表达作为标签来处理。该仓库在 GitHub 上收获 27,122 个 star。

不过,Chatterbox 生成的音频中带有 Perth(Perceptual Threshold)水印。水印是在语音信号中留下可识别标记的技术。现有资料中没有 v0.1.2 的发布说明,因此无法得知该版本究竟改动了什么。也没有与其他语音合成模型对比的性能数据,仓库说明所主张的水平同样没有留下可支撑的基准测试。在给出评分的各项中,只有动量一项为 10 分制下的 5.8 分,新鲜度、技术与质量评分均未给出。综合水印与性能资料不足这两点来看,目前更适合把这份资料当作范围与许可明确的语音合成参考材料。