Chatterbox TTS

我们很高兴推出 Chatterbox，这是 Resemble AI 首个面向生产环境的开源 TTS 模型。Chatterbox 采用 MIT 许可证，已与 ElevenLabs 等领先闭源系统进行基准测试，在对比评估中始终更受青睐。

无论你正在制作表情包、视频、游戏或 AI 代理，Chatterbox 都能让你的内容栩栩如生。它也是首个支持情感夸张控制的开源 TTS 模型，这一强大功能可让声音更具表现力。立即在我们的 Hugging Face Gradio 应用中体验。

如果你喜欢该模型但需要扩展性能或提升精度，欢迎了解我们性价比极高的 TTS 服务（链接）。其具备可靠的性能和低于 200ms 的超低延迟，非常适合应用于代理、应用程序或互动媒体等生产场景。

关键特性

• 行业领先零样本 TTS
• 0.5B 参数 Llama 骨干网络
• 独特的情感夸张/强度控制
• 推理过程对齐感知，高度稳定
• 基于 50 万小时清洗数据训练
• 输出带水印
• 内置简易语音转换脚本
• 性能超越 ElevenLabs

使用建议
通用场景（TTS 和语音代理）：
默认设置（exaggeration=0.5, cfg_weight=0.5）适用于大多数提示。

若参考说话人语速较快，可将 cfg_weight 降低至约 0.3 以改善节奏。

富有表现力或戏剧性表达：
尝试降低 cfg_weight（例如 ~0.3），并将 exaggeration 提高至 0.7 或更高。

更高的夸张值通常会加快语速；降低 cfg_weight 可通过更慢、更从容的节奏进行补偿。