# Chatterbox Turbo (Sprachmodell)

> Schnelle lokale englische Text-to-Speech von Resemble AI (350M): die eigene Stimme des Modells oder eine aus einem 5–30-s-Clip geklonte Stimme, mit Sound-Tags wie \[laugh\], \[chuckle\] und \[cough\] im Text. Für Charakterdialoge und Voice-overs. Läuft mit llama.cpp auf einer GPU oder der CPU. MIT, kommerzielle Nutzung erlaubt.

- Id: `aigd.tts-chatterbox-turbo`
- Quelle: Offiziell (First-Party `aigd.*`)
- Kategorie: Audio
- Herausgeber: AI Game Dev (`aigd`), verifiziert
- Neueste Version: 1.0.3 (veröffentlicht am 2026-11-22)
- Lizenz: MIT
- Erfordert die AI Game Dev App: `>=0.32.0-beta.6`
- Nativer Code: nein
- Bewertung: noch nicht bewertet
- HTML-Seite: https://ai-game.dev/de/packages/aigd.tts-chatterbox-turbo

## Installieren

Mit der gamedev CLI im Projektordner:

```bash
gamedev pkg add aigd.tts-chatterbox-turbo
```

In der Desktop-App: Öffne das Fenster Packages (das Paket-Symbol in der Statusleiste), wähle **Browse**, suche nach `aigd.tts-chatterbox-turbo` und klicke auf **Add to Project**. Mehr: https://ai-game.dev/docs/wiki/app/packages

## Versionen

| Version | Veröffentlicht | Erfordert App | Hinweise |
|---|---|---|---|
| 1.0.3 | 2026-11-22 | `>=0.32.0-beta.6` | neueste |
| 1.0.2 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Beschreibung

````markdown
# Chatterbox Turbo (`aigd.tts-chatterbox-turbo`)

Chatterbox Turbo ist das [Chatterbox Turbo](https://huggingface.co/ResembleAI/chatterbox-turbo) von Resemble AI (350M): schnelle englische Sprachausgabe in der eigenen Stimme des Modells oder in einer Stimme, die aus einem kurzen Clip geklont wurde. Tags wie `[laugh]`, `[chuckle]` und `[cough]` im Text fügen diese Geräusche hinzu. In AI Game Dev läuft es über **Local speech** (`aigd.llamacpp`, llama.cpp) auf deinem eigenen Computer, auf einer GPU oder der CPU. Es eignet sich für englischsprachige Spiele, die lebendige Charakterzeilen in einer Stimme ihrer Wahl wollen.

## Was du damit machen kannst

- Englische Charakterdialoge in einer Stimme, die aus einem 5–30 s langen Clip geklont wurde (zum Beispiel deine eigene Stimme oder die eines Sprechers, der zugestimmt hat), sodass ein Cast über viele Zeilen hinweg konsistente Stimmen behält.
- Zeilen mit nonverbalen Geräuschen direkt im Text: Lachen, Kichern, Husten.
- Erzählertexte und Voice-overs in der eingebauten Stimme des Modells, wenn kein Clip angegeben wird.

## Beispielanfragen

- „Nimm `Audio/ref/captain.wav` als Stimme und sage: ‚Hold the line! [cough] They're coming.'“
- „Sprich den Gruß des Wirts mit einem Kichern am Ende.“
- „Sprich die Spottrede des Bösewichts in der geklonten Stimme: ‚You call that a sword? [laugh]'“

## Highlights

|  |  |
|---|---|
| Modell-ID | `aigd.tts-chatterbox-turbo.q8-0` |
| Sprache | Englisch |
| Stimmen | die eigene Stimme oder ein Klon aus einem 5–30 s langen Referenzclip (kein Transkript nötig) |
| Klang-Tags | `[laugh]`, `[chuckle]`, `[cough]` und ähnliche |
| Ausgabe | 24 kHz, mono; bis zu etwa 40 s pro Durchlauf |
| Text pro Anfrage | bis zu 500 Zeichen |
| Läuft auf | NVIDIA- (CUDA), Vulkan- und Mac-GPUs (Metal) oder der CPU |
| Download | 1,04 GB, 2 Dateien |
| Lizenz | MIT, kommerzielle Nutzung erlaubt |

## Turbo oder Multilingual V3

AI Game Dev bietet zwei Chatterbox-Pakete an:

- **Chatterbox Turbo** (dieses Paket): nur Englisch, Klang-Tags, läuft über llama.cpp auf einer GPU oder auf einer CPU (auf einer x86-CPU mit 16 Threads etwa 1,2–1,7× schneller als Echtzeit). Wähle es für englische Spiele.
- **[Chatterbox Multilingual V3](https://ai-game.dev/packages/aigd.tts-chatterbox-multilingual-v3)**: 20 Sprachen und eine Exaggeration-Steuerung (Emotion), auf der CPU in der mitgelieferten ONNX-Runtime der App, langsamer als Echtzeit. Wähle es, wenn du andere Sprachen als Englisch brauchst. Resemble AI pflegt es nicht mehr.

## So läuft es

Dieses Paket enthält nur Daten: Es benennt die Modelldateien. Nachdem du die Lizenz akzeptiert hast, lädt die App sie von Hugging Face herunter, prüft jede einzelne per sha256 und führt sie mit **Local speech** (`aigd.llamacpp`, llama.cpp) auf deinem Computer aus.

## Download

- **Chatterbox Turbo 350M (English)** (`aigd.tts-chatterbox-turbo.q8-0`): 1,04 GB, 2 Dateien von [`ggml-org/chatterbox-turbo-GGUF`](https://huggingface.co/ggml-org/chatterbox-turbo-GGUF/tree/66f0393558d0ac1e0337e23a4d15f26e8eca0e12), an diesen Commit gebunden: das auf Q8_0 quantisierte Speech-Token-Modell (`chatterbox-turbo-Q8_0.gguf`) und der Audio-Projektor mit Voice-Encoder, Flow-Decoder und Vocoder (`mmproj-chatterbox-turbo-F16.gguf`).

## Auf welchen Rechnern

Verwende eine GPU mit mindestens 3 GiB VRAM für CUDA oder Vulkan. Auf einer Windows-RTX 4090 belegte eine lange Sprach-Anfrage 2,9 GiB über der Baseline unter CUDA und 2,5 GiB unter Vulkan. Auf einer x86-CPU mit 16 Threads läuft es mit 2,5 GB Arbeitsspeicher etwa 1,2–1,7× schneller als Echtzeit.

## Stimmklonen

Gib einen Referenzclip von 5 bis 30 Sekunden mit sauberer Sprache an; ein Transkript ist nicht nötig. Ohne Clip spricht das Modell mit seiner eigenen Stimme. Ein Durchlauf erzeugt bis zu etwa 40 Sekunden Sprache (1000 Frames), daher ist der Text auf 500 Zeichen begrenzt.

## Lizenz

MIT. Kommerzielle Nutzung ist erlaubt. Behalte den Copyright-Hinweis und den MIT-Hinweis von Resemble AI bei, wenn du die Modelldateien weitergibst.

- Chatterbox Turbo von Resemble AI: [Modellkarte](https://huggingface.co/ResembleAI/chatterbox-turbo) (MIT); Lizenztext: [LICENSE](https://github.com/resemble-ai/chatterbox/blob/master/LICENSE), "Copyright (c) 2025 Resemble AI".
- Beide Dateien stammen von [`ggml-org/chatterbox-turbo-GGUF`](https://huggingface.co/ggml-org/chatterbox-turbo-GGUF) (MIT): die automatische Konvertierung von `ResembleAI/chatterbox-turbo` durch llama.cpp bei Commit `749d1c1a46eb10492095d68fbcf55691ccf137cd`.

Erforderliche Namensnennung: "Chatterbox Turbo, Copyright (c) 2025 Resemble AI, MIT licence."

Einschränkungen:

- Wenn du die Modelldateien weitergibst, behalte den Hinweis "Copyright (c) 2025 Resemble AI" und den MIT-Lizenztext bei.
- Das eigene Python-Paket von Resemble AI versieht jede Ausgabe mit einem unhörbaren PerTh-Wasserzeichen. llama.cpp tut das nicht, daher trägt die hier erzeugte Sprache kein Wasserzeichen.
- Klone nur Stimmen, für die du die Rechte hast; die Modellkarte bittet darum, das Modell nicht für Schaden einzusetzen.

Du bist dafür verantwortlich, die Lizenz des Modells zu befolgen, das du herunterlädst. Alle Dateien werden von Hugging Face heruntergeladen. AI Game Dev hostet sie nicht.
````
