企业官网建设流程全解析

Chatterbox TTS：用 10 秒录音做出 23 种语言的声音克隆，完整讲清楚

【免费下载链接】chatterboxSoTA open-source TTS项目地址: https://gitcode.com/GitHub_Trending/chatterbox7/chatterbox

给它一段 10 秒的录音，这个声音马上就能开口说中文、法语、日语。这就是 Chatterbox，Resemble AI 开源的文本转语音（TTS）模型，无需训练、无需配音演员，只要一块显卡甚至纯 CPU，就能开始做多说话人对话、视频解说和助手配音。

认识 Chatterbox：一个家族，三档模型

Chatterbox 不是一个模型，而是一族：Multilingual V3 约 5 亿参数，支持 23 种以上语言，比上一版说话人相似度更高、乱说话的情况更少；Turbo 约 3.5 亿参数，主打低延迟英文语音交互，原生支持[laugh]、[chuckle]这类副语言标签；Nano 只有 1.1 亿参数，能在 CPU 上跑，8 核机器上约为实时速度的 3 倍。所有生成的音频都会隐式写入 Perth 水印，可用来追溯音频是否由模型生成。整个项目免费开源，适合需要做角色配音、多语言解说或语音助手的开发者和内容创作者。

三步装好并生成第一段语音

1. 安装：一条命令装好，依赖版本在pyproject.toml中已固定。想改代码或依赖时，可从 https://gitcode.com/GitHub_Trending/chatterbox7/chatterbox 拉取源码，进入目录后执行pip install -e .。

pip install chatterbox-tts

2. 加载模型并生成：

import torchaudio as ta from chatterbox.mtl_tts import ChatterboxMultilingualTTS model = ChatterboxMultilingualTTS.from_pretrained(device="cuda", t3_model="v3") wav = model.generate("你好，今天天气真不错。", language_id="zh", audio_prompt_path="ref.wav") ta.save("out.wav", wav, model.sr)

3. 听结果：device可填cuda、mps或cpu；language_id指定目标语言；audio_prompt_path传入参考录音即可启用声音克隆；模型权重首次运行会自动下载。

拆解四个核心能力

零样本声音克隆：一段录音换一个声音

能做什么：不训练、不微调，直接用别人的声音说新文本。怎么做：把一段录音路径传给generate的audio_prompt_path，模型内部会自动提取说话人特征。效果：说话人音色和口癖基本保留，参考音频建议选 5～10 秒、安静清晰的片段。适合给游戏角色一人一份录音做全套台词。

23 种语言自由切换：一个声音说多种话

能做什么：同一个声音克隆体说法语、中文、日语等 23 种以上语言。怎么做：generate时传对应的language_id，如fr、zh。效果：V3 版本针对跨语言场景优化，音色和口音的稳定性比 V2 更好。适合做本地化视频解说或多语言有声内容。

情感强度可调：平静到夸张之间滑动

能做什么：控制语音的情绪表现力。怎么做：exaggeration管情绪强弱（同时会让语速变快），cfg_weight管多贴参考音色（数值越低越自由）。效果：两个参数配合就能从平稳播报滑到夸张表演，适合广告配音这类需要戏剧张力的场景。

低延迟与 CPU 部署：没有显卡也能跑

能做什么：在资源紧张的环境里实时出声。怎么做：用ChatterboxTurboTTS加载 Turbo，加nano=True换成 Nano，device直接写cpu。效果：解码步骤从 10 步压缩到 1 步，Turbo 的算力与显存占用低于老模型，Nano 面向端侧和 CPU 推理。适合实时语音助手和电话客服这类对延迟敏感的应用。

此外还有一项独立能力：语音转换。ChatterboxVC的generate接收原始音频和目标音色路径，能把一段已有录音"换声"成目标说话人的声音，适合给旧素材重新配音。

按场景选参数：对照表与三个常见坑

问：合成其他语言时，声音带着参考音频的口音怎么办？ 答：让参考录音的语言和language_id一致；确实需要跨语言克隆时，把cfg_weight设为0。

问：生成的语音语速忽快忽慢、听感不稳？ 答：多半是exaggeration调太高导致语速被推快，把它降回 0.5 左右，再用cfg_weight微调节奏。

问：显存不够或者干脆没有 GPU？ 答：换成 Turbo 或 Nano（nano=True），device填cpu，架构相同且解码只走一步，速度差距可接受。

从示例脚本开始你的第一条合成

Chatterbox 把"多说话人、多语言、可调节情绪"三件事打包进了一个 pip 可装的开源项目，从一段录音到成品音频之间只剩几行代码。下一步建议先运行 example_tts.py 跑通英文和多语言合成，再打开 example_vc.py 试试set_target_voice与语音转换，example_tts_turbo.py 则能演示副语言标签的用法。

【免费下载链接】chatterboxSoTA open-source TTS项目地址: https://gitcode.com/GitHub_Trending/chatterbox7/chatterbox