Esta página se tradujo automáticamente del inglés. Lee el original en inglés.

Chatterbox Multilingual V3 (modelo de voz)

OficialAudiov1.0.2aigd.tts-chatterbox-multilingual-v3
Instalar ¿Aún no tienes la app? Descárgala gratis
O desde el terminal
gamedev pkg add aigd.tts-chatterbox-multilingual-v3

Resumen

Texto a voz local en 20 idiomas de Resemble AI: clona una voz a partir de un clip de 3-60 s sin transcripción, o habla con su voz integrada, con un control Exaggeration para la emoción. Para diálogos y voces en off de juegos localizados. Se ejecuta en la CPU en el entorno de ejecución ONNX de la app, más lentamente que en tiempo real. MIT. Resemble AI ya no le da mantenimiento.

Chatterbox Multilingual V3 es el modelo de texto a voz con clonación de voz zero-shot de 0.5B de Resemble AI, versión 3 (publicada el 2026-06-10), para 20 idiomas. Dale un clip de referencia de una voz de 3–60 s y hablará tu texto con esa voz; sin clip, usa su voz integrada. En AI Game Dev se ejecuta en la CPU en el entorno de ejecución ONNX incluido en la app (onnx-tts@1), sin nada más que instalar. Encaja en juegos que necesitan las mismas voces de personajes en varios idiomas y pueden esperar a una generación más lenta que en tiempo real.

Qué puedes crear

  • Diálogos y voces en off localizados: una misma voz de personaje clonada que habla árabe, alemán, español, francés, hindi, coreano, ruso, turco y más.
  • Una interpretación más o menos emocional de la misma línea con el control Exaggeration.
  • Narración y anuncios con la voz integrada cuando no tengas un clip de referencia.

Ejemplos de solicitudes

  • «Clona la voz de Audio/ref/hero.wav y di “Nos vamos al amanecer” en inglés, alemán y español.»
  • «Lee esta línea de tutorial en coreano con la voz integrada.»
  • «Interpreta la línea del guardia enfadado en francés con Exaggeration 1.2.»

Aspectos destacados

Id del modeloaigd.tts-chatterbox-multilingual-v3.q4
Idiomasar, da, de, el, en, es, fi, fr, hi, it, ko, ms, nl, no, pl, pt, ru, sv, sw, tr
Vocesvoz integrada, o un clon de un clip de 3–60 s (no se necesita transcripción; se usan sus primeros 6 s)
Exaggeration0.25–2, predeterminado 0.5
Salida24 kHz, mono
Texto por solicitudhasta 3,000 caracteres
Se ejecuta enla CPU (modelo de lenguaje de 4 bits), unos 2.2 GB de memoria máxima en nuestra prueba
Descargaunos 1.55 GB
LicenciaMIT, se permite el uso comercial; la salida no lleva marca de agua

Multilingual V3 o Turbo

  • Chatterbox Multilingual V3 (este paquete): 20 idiomas y Exaggeration, solo CPU, más lento que en tiempo real. Elígelo para juegos multilingües.
  • Chatterbox Turbo: solo inglés, con etiquetas de sonido como [laugh] y [cough], en una GPU o en la CPU mediante llama.cpp, más rápido que en tiempo real en una CPU. Elígelo para juegos en inglés.

Cómo se ejecuta

El modelo se ejecuta en el entorno de ejecución ONNX incluido en la app (onnx-tts@1) en la CPU con un modelo de lenguaje de 4 bits, sin nada más que instalar. Un clip de referencia de 3–60 s no necesita transcripción; el modelo usa sus primeros 6 s. Exaggeration (0.25–2, predeterminado 0.5) define cuán emocional suena; los valores más altos también aceleran el habla.

Idiomas

ar, da, de, el, en, es, fi, fr, hi, it, ko, ms, nl, no, pl, pt, ru, sv, sw, tr. V3 también nombra chino, japonés y hebreo, pero no se ofrecen: esta compilación ONNX carece de los front-end de texto para chino (Cangjie) y japonés (kana), así que su texto está compuesto en su mayoría por tokens desconocidos, y el hebreo (que se introduce sin diacríticos, como hace el proyecto original) resulta en gran medida ininteligible con decodificación voraz. El ruso funciona, pero sin el front-end de marcas de acentuación del proyecto original, por lo que la acentuación puede ser incorrecta en algunas palabras.

Velocidad y límites conocidos

Medido en una CPU x86-64 de 32 núcleos (prueba de humo DEV-167): 4.0 s de habla en inglés tardaron 13.8 s, 2.7 s de alemán tardaron 11.8 s; memoria máxima de unos 2.2 GB. El texto se pronuncia frase por frase (hasta 200 caracteres por pieza) con decodificación voraz, como hace la referencia de ONNX; el muestreo y la guía sin clasificador del proyecto original no forman parte de la exportación. Sin el analizador de alineación del proyecto original, el decodificador voraz a veces no se detiene después del texto (visto con Exaggeration 0.8), así que cada pieza se limita a la duración del habla lenta de su texto más 1.5 s; es posible un murmullo final hasta ese límite.

Mantenimiento

A partir de agosto de 2026, Resemble AI ha retirado Chatterbox como proyecto de investigación y ya no le da mantenimiento. Resemble publica V3 solo como pesos de PyTorch; los grafos ONNX de aquí son una conversión independiente (Masterx/chatterbox-multilingual-v3-ONNX), no afiliada a Resemble AI. La exportación de onnx-community (onnx-community/chatterbox-multilingual-ONNX) es la versión 2 (2025), no V3.

Licencia

MIT. Se permite el uso comercial.

  • Chatterbox (modelo de lenguaje T3 t3_mtl23ls_v3, decodificador S3Gen, codificador de voz) © 2025 Resemble AI — licencia MIT, tarjeta del modelo (license: mit).
  • La conversión a ONNX y todos los archivos de este paquete (onnx/speech_encoder*, onnx/embed_tokens*, onnx/language_model_q4*, onnx/conditional_decoder*, tokenizer.json, default_voice.wav) de Masterx/chatterbox-multilingual-v3-ONNX en la revisión 19b94afe41de738624b2f3afc75b4cd56221fbeb — LICENSE (MIT, de Resemble AI) y NOTICE.md. default_voice.wav es el clip de referencia de onnx-community, incluido en esa conversión.
  • La limpieza de texto de la app (punc_norm) se ha portado desde el código de Resemble AI (MIT, © 2025 Resemble AI); su aviso está en THIRD_PARTY_NOTICES.md de la app.

Atribución obligatoria cuando redistribuyas los pesos: conserva el aviso MIT "Copyright (c) 2025 Resemble AI" y el texto de la licencia. No se requiere atribución por el habla que generes.

Restricciones, sin rodeos:

  • Marca de agua: el propio paquete de Python de Resemble AI inserta una marca de agua Perth imperceptible en cada salida. Estos grafos ONNX no contienen el marcador de agua, así que el audio hecho aquí no lleva marca de agua. El README del convertidor de ONNX pide a cualquiera que lo despliegue que siga poniendo marca de agua al audio generado (por ejemplo, ejecutando Perth sobre la salida) y que lo use de forma responsable; la propia tarjeta de Resemble solo dice «No uses este modelo para hacer cosas malas».
  • Consentimiento para la clonación: clona solo voces que tengas derecho a usar. La propia licencia MIT no impone ninguna restricción de uso al modelo; suplantar a personas puede seguir siendo ilegal donde estés.
  • Sin límite territorial, sin tope de ingresos.
  • Sin mantenimiento: Resemble AI retiró el modelo en agosto de 2026.

Todos los archivos se descargan de Hugging Face. AI Game Dev no los aloja.

Versiones

Versiones de Chatterbox Multilingual V3 (modelo de voz)
VersiónPublicadaRequiere la aplicación
1.0.2Última0.32.0-beta.6 o posterior
1.0.10.32.0-beta.6 o posterior

Instalar

En la app de escritorio

Abre la ventana Paquetes (el icono de paquete en la barra de estado), selecciona Explorar, busca aigd.tts-chatterbox-multilingual-v3 y haz clic en Añadir al proyecto.

¿Aún no tienes la app? Descarga AI Game Dev gratis para Windows, macOS o Linux.

Desde el terminal

Con la CLI gamedev, en la carpeta de tu proyecto:

gamedev pkg add aigd.tts-chatterbox-multilingual-v3

Requisitos

  • AI Game Dev 0.32.0-beta.6 o posterior

Más sobre los paquetes

Instalar
gamedev pkg add aigd.tts-chatterbox-multilingual-v3