跳到正文

Chatterbox AI

支持情感控制的开源生产级语音合成模型

访问官网

Chatterbox AI 是什么

Chatterbox 被介绍为 Resemble AI 推出的第一个开源生产级文本转语音模型,采用零样本 TTS 技术并以 0.5B Llama 为骨架。模型支持情感夸张控制,提供超低延迟,适用于视频、游戏与 AI 代理等场景。

你可以用它做什么

  • 用零样本 TTS 按不同输入生成自然语音
  • 调节声音的情感夸张与强度
  • 依靠稳定的对齐推理保持语音流畅
  • 对生成的音频使用内置水印

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

上手流程

  • 使用 pip install chatterbox-tts 安装库
  • 在 Python 代码中导入 torchaudio 与 ChatterboxTTS 模块
  • 用 from_pretrained 加载模型并把设备指定为 cuda
  • 对文本调用 generate 方法生成音频数据

优点与缺点

✓ 我们认可的地方

  • 基于 50 万小时的清洗数据训练
  • 生成音频内置水印功能

! 需要留意的地方

  • 文档中的加载步骤指定使用 cuda 设备
  • 使用前需要安装 chatterbox-tts 依赖包

常见问题

这是什么模型?

资料介绍为 Resemble AI 推出的首个开源生产级 TTS 模型。

怎么生成语音?

记录的步骤是用 from_pretrained 加载模型,再对文本调用 generate 生成音频。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法