# Chatterbox Multilingual V3 (modelo de voz)

> 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.

- Id: `aigd.tts-chatterbox-multilingual-v3`
- Origen: Oficial (propio `aigd.*`)
- Categoría: Audio
- Editor: AI Game Dev (`aigd`), verificado
- Última versión: 1.0.2 (publicado el 2026-11-22)
- Licencia: MIT
- Requiere la app AI Game Dev: `>=0.32.0-beta.6`
- Código nativo: no
- Valoración: aún sin valoraciones
- Página HTML: https://ai-game.dev/es/packages/aigd.tts-chatterbox-multilingual-v3

## Instalar

Con la CLI gamedev, en la carpeta del proyecto:

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

En la app de escritorio: abre la ventana Packages (el icono de paquete en la barra de estado), selecciona **Browse**, busca `aigd.tts-chatterbox-multilingual-v3` y haz clic en **Add to Project**. Más: https://ai-game.dev/docs/wiki/app/packages

## Versiones

| Versión | Publicado | Requiere app | Notas |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | la más reciente |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Descripción

````markdown
# Chatterbox Multilingual V3 (`aigd.tts-chatterbox-multilingual-v3`)

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 modelo | `aigd.tts-chatterbox-multilingual-v3.q4` |
| Idiomas | ar, da, de, el, en, es, fi, fr, hi, it, ko, ms, nl, no, pl, pt, ru, sv, sw, tr |
| Voces | voz integrada, o un clon de un clip de 3–60 s (no se necesita transcripción; se usan sus primeros 6 s) |
| Exaggeration | 0.25–2, predeterminado 0.5 |
| Salida | 24 kHz, mono |
| Texto por solicitud | hasta 3,000 caracteres |
| Se ejecuta en | la CPU (modelo de lenguaje de 4 bits), unos 2.2 GB de memoria máxima en nuestra prueba |
| Descarga | unos 1.55 GB |
| Licencia | MIT, 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](https://ai-game.dev/packages/aigd.tts-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`](https://huggingface.co/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](https://github.com/resemble-ai/chatterbox/blob/ab55923c27757c90cfcc407baa57dc25a7d25217/LICENSE), [tarjeta del modelo](https://huggingface.co/ResembleAI/chatterbox) (`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`](https://huggingface.co/Masterx/chatterbox-multilingual-v3-ONNX/tree/19b94afe41de738624b2f3afc75b4cd56221fbeb) en la revisión `19b94afe41de738624b2f3afc75b4cd56221fbeb` — [LICENSE](https://huggingface.co/Masterx/chatterbox-multilingual-v3-ONNX/blob/19b94afe41de738624b2f3afc75b4cd56221fbeb/LICENSE) (MIT, de Resemble AI) y [NOTICE.md](https://huggingface.co/Masterx/chatterbox-multilingual-v3-ONNX/blob/19b94afe41de738624b2f3afc75b4cd56221fbeb/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.
````
