文本转语音（TTS）技术近年来随着AI的快速发展突飞猛进，但要在真实感、情绪表达和实时性上达到顶尖水平，仍是巨大挑战。
但零样本TTS和情感控制的兴起，涌现了一大批优秀的TTS模型，让语音合成进入了新的纪元。
最近，开源 TTS 领域迎来了一位超级重磅新星，它叫：Chatterbox，开源 2 天即冲上 GitHub 热榜，星标狂飙超 3K！
截止到我昨晚写这篇文章时，GitHub上已有 3.2K Star！成为近年来增长最快的开源 TTS 模型之一！
项目介绍
Chatterbox 是 Resemble AI 推出的首个生产级开源 TTS 模型，它还是首个支持情感夸张控制的开源 TTS 模型。
支持情绪控制、超低延迟（<200ms），还能嵌入神经水印确保AI安全。
凭借LLaMA架构（0.5B参数）、50万小时训练数据和创新的情绪夸张控制，它不仅媲美闭源巨头 ElevenLabs，还在最新盲测中超越对手。
它经过了两年的线上检验，处理了数百万个请求，有 63.75% 听众认为 Chatterbox 的音质优于 ElevenLabs，堪称史上最真实的开源语音合成模型之一。
核心功能亮点
情绪夸张控制：首个支持情绪夸张控制的开源 TTS 模型，可调节语音表现力，适用于戏剧性语音生成。
零样本语音克隆：仅需5秒参考音频即可克隆目标声音，无需额外训练。
超低延迟：推理延迟低于200ms，适合实时对话应用。
PerTh神经水印：隐秘嵌入内容标记，提升安全性与可溯源。
轻量高效：0.5B参数，24GB显存即可运行（推荐配置）。
盲测力压ElevenLabs：语音自然度和情感表现超闭源标杆ElevenLabs。
安装与部署
Chatterbox 的安装也极其友好且简单，官方将其直接打包为一个Python包，可通过 pip 命令直接安装。
pip install chatterbox-tts三行代码即可解锁超真实语音生成体验。
import torchaudio as tafrom chatterbox.tts import ChatterboxTTSmodel = ChatterboxTTS.from_pretrained(device="cuda")text = "Ezreal and Jinx teamed up with Ahri, Yasuo, and Teemo to take down the enemy's Nexus in an epic late-game pentakill."wav = model.generate(text)ta.save("test-1.wav", wav, model.sr)# 如果你想使用不同的声音进行合成，请指定音频提示AUDIO_PROMPT_PATH="YOUR_FILE.wav"wav = model.generate(text, audio_prompt_path=AUDIO_PROMPT_PATH)ta.save("test-2.wav", wav, model.sr)同时 Chatterbox 在 HuggingFace 上也有部署好的Demo在线体验版本，有兴趣的小伙伴可以前往体验。
Tips：默认设置（exaggeration=0.5, cfg_weight=0.5）适合大多数场景，快速语音用cfg_weight=0.3，戏剧化场景用exaggeration=0.7。
适用场景
Chatterbox的情感控制和低延迟让它适用于多种场景，直击TTS痛点：
播客与短视频：生成生动配音，情绪夸张控制让内容更具吸引力，省去专业配音成本。
游戏开发：为NPC生成多样化语音，支持克隆玩家声音，增强沉浸感。
虚拟助手：超低延迟（<200ms）支持实时对话，打造自然流畅的AI客服。
教育内容：生成多语言教学音频，情绪控制让讲解更生动，适合在线课程。
戏剧化场景：高exaggeration值生成夸张语音，适合动画、广告、配音表演。
写在最后
Chatterbox 发布仅两天，GitHub 星标已达 3K+，增长速度令人惊叹！
Resemble AI 后续还计划优化模型效率，增加多语言支持和更细粒度的情绪控制。
作为一名互联网科技博主，我对 Resemble AI 的开源精神和 Chatterbox 的卓越性能佩服不已。无论是创意视频、游戏配音还是实时助手，Chatterbox 都能让你的内容“开口说话”，充满生命力。
而且其真实度、控制力均超行业领先的 ElevenLabs，是当前最接近人类表现力的 TTS 模型之一！
GitHub 项目地址：github.com/resemble-ai…
HF 在线体验：huggingface.co/spaces/Rese…
