本文へスキップ

Chatterbox AI

感情制御を備えたオープンな本番向け音声合成モデル

公式サイトを見る

Chatterbox AI とは

本モデルは Resemble AI が出した初のオープンソース本番向け読み上げモデルと説明され、ゼロショット TTS と 0.5B Llama の骨格を用いる。感情の誇張制御や低遅延を備え、動画・ゲーム・AI エージェントなどの場面に向けられている。

できること

  • ゼロショット TTS で入力に応じた自然な音声を生成する
  • 音声の感情の誇張と強さを調整する
  • 安定したアライメント推論で滑らかな音声を得る
  • 生成した音声に内蔵のウォーターマークを付ける

活用場面

  • ゲームキャラクターの音声会話を作る
  • 動画に感情豊かなナレーションを添える
  • 固有の音声を持つ AI アシスタントを作る

導入の手順

  • pip install chatterbox-tts でライブラリを入れる
  • Python のコードで torchaudio と ChatterboxTTS を読み込む
  • from_pretrained でモデルを読み込みデバイスを cuda にする
  • 文章に generate を呼び音声データを作る

長所と短所

✓ 良い点

  • 50 万時間のクリーニング済みデータで学習
  • 生成音声にウォーターマークを内蔵

! 注意したい点

  • 読み込みの手順では cuda のデバイス指定が示される
  • 利用には chatterbox-tts の導入が必要

よくある質問

どんなモデル?

資料は Resemble AI 初のオープンソース本番向け TTS モデルと説明。

音声はどう作る?

手順では from_pretrained で読み込み、文章に generate を呼ぶと記載。

最終評価日: 2026-11-15

その他 AIオーディオツール ツール

すべて見る →

評価方法