Sistema open source de texto a voz con clonación de voz, control de emociones en lenguaje natural y generación multivoz, basado en modelos de tipo LLM.
33,3 mil2,9 milPythonOtherActualizado hace 6 días
resemble-ai/chatterbox
Familia de modelos de texto a voz de código abierto de Resemble AI, con clonación de voz a partir de un breve clip de referencia en inglés y muchos otros idiomas.
Alternativa open source a:ElevenLabs
- Estrellas
- 27,100
- Forks
- 3,649
- Issues abiertos
- 375
- Último commit
- hace 3 meses
¿Qué es?
Chatterbox es una familia de modelos de texto a voz de código abierto de Resemble AI. Los modelos generan voz a partir de texto y pueden clonar una voz usando un clip de referencia proporcionado en el momento de la generación. La familia incluye Chatterbox-Turbo, un modelo en inglés de 350M de parámetros orientado a agentes de voz de baja latencia; Chatterbox-Nano, un modelo de 110M de parámetros pensado para inferencia en CPU y en el dispositivo; y Chatterbox Multilingual V3, un modelo de 500M de parámetros compatible con más de 23 idiomas. También está disponible un Single Language Pack con finetunes dedicados a idiomas y dialectos regionales específicos.
Turbo y Nano admiten etiquetas paralingüísticas como [laugh], [cough] y [chuckle] en el texto de entrada para añadir sonidos no verbales. El modelo multilingüe recibe un ID de idioma en cada solicitud, y el modelo Chatterbox original ofrece parámetros CFG y exaggeration para ajustar la interpretación. Se puede instalar Python mediante pip, y el proyecto incluye scripts de ejemplo para TTS y conversión de voz. Cada archivo de audio generado lleva una marca de agua neural PerTh imperceptible, y se incluye un script para extraerla.
Funciones clave
- 01Clonación de voz a partir de un breve clip de audio de referencia
- 02Modelos Turbo y Nano con etiquetas paralingüísticas como [laugh] y [cough]
- 03Modelo multilingüe compatible con más de 23 idiomas y selección mediante ID de idioma
- 04El modelo Nano funciona en CPU para su uso en el dispositivo
- 05Marca de agua PerTh integrada en el audio generado
- 06Instalación mediante pip y ejemplos en Python
Casos de uso
- Crear agentes de voz en inglés de baja latencia para llamadas telefónicas o de atención al cliente
- Generar narraciones y locuciones creativas con sonidos no verbales expresivos
- Localizar contenido de voz en varios idiomas manteniendo una identidad de voz coherente
- Ejecutar síntesis de voz en CPU o dispositivos edge con memoria limitada
Inicio rápido
- 1
Instala el paquete desde PyPI
pip install chatterbox-tts - 2
Carga un modelo y genera voz a partir de un prompt de texto con un clip de referencia (consulta los ejemplos de uso del README)
Antes de usarlo
- El README indica que solo se ha desarrollado y probado con Python 3.11 en Debian 11.
- Turbo y Nano solo funcionan en inglés; para usar otros idiomas se necesitan los modelos multilingües independientes.
Temas
Preguntas frecuentes
- ¿Qué es chatterbox?
- Familia de modelos de texto a voz de código abierto de Resemble AI, con clonación de voz a partir de un breve clip de referencia en inglés y muchos otros idiomas. Chatterbox es una familia de modelos de texto a voz de código abierto de Resemble AI. Los modelos generan voz a partir de texto y pueden clonar una voz usando un clip de referencia proporcionado en el momento de la generación. La familia incluye Chatterbox-Turbo, un modelo en inglés de 350M de parámetros orientado a agentes de voz de baja latencia; Chatterbox-Nano, un modelo de 110M de parámetros pensado para inferencia en CPU y en el dispositivo; y Chatterbox Multilingual V3, un modelo de 500M de parámetros compatible con más de 23 idiomas. También está disponible un Single Language Pack con finetunes dedicados a idiomas y dialectos regionales específicos.
- ¿chatterbox es gratuito? ¿Qué licencia tiene?
- chatterbox es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿chatterbox sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de chatterbox fue el 21 jul 2026.
- ¿Para qué puedo usar chatterbox?
- Crear agentes de voz en inglés de baja latencia para llamadas telefónicas o de atención al cliente Generar narraciones y locuciones creativas con sonidos no verbales expresivos Localizar contenido de voz en varios idiomas manteniendo una identidad de voz coherente Ejecutar síntesis de voz en CPU o dispositivos edge con memoria limitada
- ¿Cómo se instala chatterbox?
- Instala el paquete desde PyPI: pip install chatterbox-tts Carga un modelo y genera voz a partir de un prompt de texto con un clip de referencia (consulta los ejemplos de uso del README)
- ¿Dónde consigo chatterbox?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/resemble-ai/chatterbox
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Biblioteca de texto a voz de código abierto cuyo modelo KittenTTS 2 clona voces a partir de 5 segundos de audio y funciona en tiempo real en CPU.
16,2 mil967PythonApache-2.0Actualizado hace 4 días
Modelo de texto a voz de código abierto, multilingüe a gran escala y zero-shot, compatible con más de 600 idiomas, clonación de voz y diseño de voces.
14,8 mil2,2 milPythonApache-2.0Actualizado hace 8 días
Biblioteca de inferencia en Python para Kokoro-82M, un modelo de texto a voz de pesos abiertos con 82 millones de parámetros.
9,5 mil1,1 milJavaScriptApache-2.0Actualizado el año pasado
Modelo TTS ligero basado en ZipVoice para clonar voces y generar audio a 48 kHz, con una velocidad de más de 150 veces el tiempo real en GPU.
5,5 mil685PythonApache-2.0Actualizado hace 5 meses
Sistema open source de texto a voz basado en flow matching y un Diffusion Transformer, con clonación de voz zero-shot a partir de una breve muestra de audio.
IA y Machine Learning#text-to-speech#speech-synthesis#flow-matching#diffusion-transformer#voice-cloning
15,4 mil2,3 milPythonMITActualizado hace 6 días