Chatterbox - Resemble AI开源高质量文本转语音模型，支持情感控制
点击放大

Chatterbox是什么?

Chatterbox 是 Resemble AI 推出的第一个开源生产级文本转语音 (TTS) 模型，具有卓越的性能和稳定性。它经过与顶尖闭源系统的比较，展现出更优的效果。该模型的独特之处在于它支持情感夸张控制，适用于制作视频、游戏、AI 代理等多种场景。Chatterbox 的价格竞争力强，同时提供超低延迟，适合生产使用。

产品特色

先进的零样本 TTS 技术，能够根据不同输入生成自然语音。

0.5B Llama 骨架，确保高质量语音合成。

情感夸张和强度控制，能够让声音更加生动。

稳定的对齐推理，确保生成语音的流畅性。

基于 50 万小时的清洗数据进行训练，音质优越。

内置水印功能，保证生成内容的责任性。

简易的语音转换脚本，方便用户进行个性化语音合成。

应用场景

制作游戏角色的语音对话。

为视频添加情感丰富的旁白。

创建具有个性化声音的 AI 助手。

适用人群

本产品适合内容创作者、游戏开发者和 AI 应用开发者，能够帮助他们快速生成高质量的语音内容，提升作品的表现力和吸引力。

使用指南

安装依赖包：使用命令 pip install chatterbox-tts 安装 Chatterbox 库。

导入所需库：在 Python 代码中导入 torchaudio 和 ChatterboxTTS 模块。

加载模型：使用 ChatterboxTTS.from_pretrained () 方法加载模型，指定设备为 \'cuda\'。

生成语音：调用 model.generate () 方法，传入要合成的文本，生成音频数据。

保存音频：使用 torchaudio 的 save 方法，将生成的音频数据保存为.wav 文件。