Chatterbox Turbo 是什么？

Chatterbox Turbo 是一个拥有 3.5 亿参数的开源文本转语音（TTS）模型，能够实现快速、富有表现力的语音合成，并内置安全功能。它在单个 GPU 上的运行速度比实时快 6 倍以上，延迟低至 75 毫秒，适用于实时应用。该模型采用 MIT 许可证发布，是首个在每次生成的音频输出中包含 PerTh 水印 的开源 TTS 模型，确保可溯源性和责任性。

适用人群

• 语音 AI 开发者 — 构建实时语音助手、交互式媒体或低延迟代理循环，需要快速、支持流式推理的模型。
• 内容创作者和故事讲述者 — 希望生成富有表现力的配音，包含自然的语音反应（如叹息、笑声和低语），且全部使用克隆语音。
• 注重安全的团队 — 在生产环境中部署开源语音 AI，需要内置水印功能来验证 AI 生成的音频，同时不牺牲速度或质量。

主要功能

副语言提示

Chatterbox Turbo 引入了基于文本的标签，让您可以控制自然的语音反应——包括 [sigh]、[gasp]、[cough]、[laugh]、[whisper] 和 [breath]。这些反应会以克隆语音和相同的情感基调呈现，无需后期处理或手动音频编辑。

零样本语音克隆

仅需 5 秒参考音频 即可克隆任何语音——无需训练运行，无需微调。该模型在直接对比测试中优于专有闭源模型，对 ElevenLabs Turbo v2.5 的胜率为 65.3%，对 VibeVoice 7B 的胜率为 59.1%。

内置 PerTh 水印

Chatterbox Turbo 生成的每个音频文件都经过 Resemble AI 的 PerTh 水印器认证。这确保您可以随时验证内容是否由该模型创建，在保持高音频质量的同时，实现生产部署中的可问责性。

情感夸张控制

开源 TTS 模型中的独特功能：通过单个参数调整情感强度，从单调到极具表现力。这提供了对语音传达的精细控制，无需复杂的提示工程。

突出特点

唯一一个无需您在速度、表现力和安全性之间做出取舍的开源 TTS 模型。

Chatterbox Turbo 是首个将 内置 PerTh 水印 作为默认功能（而非事后添加）的开源 TTS 模型。这意味着开发者可以在生产环境中部署快速、富有表现力的语音 AI，同时保持可溯源性和责任性。结合副语言提示和仅需 5 秒音频的零样本克隆，它在单个 MIT 许可的软件包中提供了性能、控制和可信度的罕见组合。

值得关注，如果……

您需要一个在单个 GPU 上运行、支持实时语音合成并包含内置安全功能的快速开源 TTS 模型。尤其适合构建语音助手、交互式媒体或任何 可问责的 AI 生成语音 至关重要的应用——同时希望避免专有锁定或复杂的后期处理流程。