Chatterbox

Chatterbox 是语音 AI 公司 Resemble AI 在 GitHub 开源的一组文字转语音（TTS）模型，用 Python 安装和调用，在你自己的电脑上生成语音。给它一段文字就能读出来；再给一段约 10 秒的参考录音，就能用那个声音来读，也就是声音克隆（voice cloning）。README 列了几个型号：英文的 Chatterbox-Turbo（3.5 亿参数），可以在文字里写 [laugh]、[cough] 这类标签加上笑声和咳嗽；同一架构、更小的 Chatterbox-Nano（1.1 亿参数），README 说在 8 核 CPU 上就能比实时快 3 倍；多语言的 Multilingual V3（5 亿参数），支持中文、日语、阿拉伯语等 23 种语言，另有中文普通话、拉美西班牙语、印地语等 6 个单语言版本。仓库里也有语音转换（voice conversion）的示例，能把一段录音换成另一个声音。它特别的地方在于，README 说每一段生成的音频都会自动加上 Resemble AI 的 PerTh 隐形水印，并附了检测水印的脚本，方便事后辨认这是 AI 合成的声音。

适合谁：会写一点 Python、想在自己电脑上给视频旁白、有声内容或语音助手配音的开发者和创作者，手上要有自己的声音或已获授权的参考录音。不写代码的读者上手会比较吃力。

使用前提：用别人的声音要先取得本人同意。Resemble AI 在官网的同意承诺里写道：“No permission? No voice cloning.”（没有许可，就不克隆声音。）这是公司层面的承诺，开源代码本身不会检查你有没有得到授权，MIT 许可也不代表你有权克隆别人的声音。安装用 pip install chatterbox-tts，作者在 Python 3.11、Debian 11 上开发和测试；第一次运行会从 Hugging Face 下载模型权重，可以用 NVIDIA 显卡（CUDA）、苹果芯片（MPS）或 CPU 运行，速度看硬件。代码是 MIT 许可，各个模型权重的许可以 Hugging Face 上各自的模型卡为准。本地生成时，参考录音在你自己的电脑上处理；如果用 README 链接的 Hugging Face 在线演示，录音会上传到演示页面。README 里还推荐 Resemble AI 的付费语音服务，但 Resemble AI 官网现在的公告说，公司已经停止把语音生成作为商业产品提供，他们做的语音模型仍然开放，可以免费用于研究和开发。README 结尾的免责声明是：“Don't use this model to do bad things.”

以上根据项目公开说明和 Resemble AI 官网整理，本站没有实际测试。