# Chatterbox Multilingual V3（音声モデル）

> Resemble AIによる20言語のローカルテキスト読み上げです。3～60秒のクリップからトランスクリプトなしで音声をクローンするか、組み込み音声で話せます。感情調整用のExaggerationコントロール付きです。ローカライズしたゲームの会話やボイスオーバー向けです。アプリのONNXランタイムでCPU上で動作し、リアルタイムより遅くなります。MIT。Resemble AIはメンテナンスを終了しています。

- ID: `aigd.tts-chatterbox-multilingual-v3`
- ソース: 公式 (ファーストパーティ `aigd.*`)
- カテゴリ: オーディオ
- パブリッシャー: AI Game Dev (`aigd`), 確認済み
- 最新バージョン: 1.0.2 (公開日 2026-11-22)
- ライセンス: MIT
- AI Game Dev アプリが必要です: `>=0.32.0-beta.6`
- ネイティブコード: いいえ
- 評価: まだ評価はありません
- HTML ページ: https://ai-game.dev/ja/packages/aigd.tts-chatterbox-multilingual-v3

## インストール

gamedev CLI を使用する場合は、プロジェクトフォルダで:

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

デスクトップアプリで: パッケージウィンドウ（ステータスバーのパッケージアイコン）を開き、**参照** を選択して `aigd.tts-chatterbox-multilingual-v3` を検索し、**プロジェクトに追加** をクリックします。詳細: https://ai-game.dev/docs/wiki/app/packages

## バージョン

| バージョン | 公開日 | アプリが必要 | 備考 |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 説明

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

Chatterbox Multilingual V3は、Resemble AIによる0.5Bのゼロショット音声クローニング対応テキスト読み上げモデル、バージョン3（2026-06-10リリース）で、20言語に対応します。3～60秒の参照クリップを渡すと、その声でテキストを読み上げます。クリップがない場合は組み込み音声を使用します。AI Game Devでは、アプリに同梱されたONNXランタイム（`onnx-tts@1`）でCPU上で動作し、ほかにインストールするものはありません。複数言語で同じキャラクター音声が必要で、リアルタイムより遅い生成を許容できるゲームに向いています。

## 作成できるもの

- ローカライズした会話とボイスオーバー：クローンした1つのキャラクター音声で、アラビア語、ドイツ語、スペイン語、フランス語、ヒンディー語、韓国語、ロシア語、トルコ語などを話せます。
- 同じセリフの感情の強さを**Exaggeration**コントロールで強めたり弱めたりできます。
- 参照クリップがない場合は、組み込み音声でナレーションやアナウンスを作成できます。

## リクエスト例

- 「`Audio/ref/hero.wav`の音声をクローンし、『夜明けに出発します』を英語、ドイツ語、スペイン語で話させてください。」
- 「この韓国語のチュートリアル行を組み込み音声で読み上げてください。」
- 「怒った警備兵のセリフを、Exaggeration 1.2でフランス語で声にしてください。」

## ハイライト

|  |  |
|---|---|
| モデルID | `aigd.tts-chatterbox-multilingual-v3.q4` |
| 言語 | ar, da, de, el, en, es, fi, fr, hi, it, ko, ms, nl, no, pl, pt, ru, sv, sw, tr |
| 音声 | 組み込み音声、または3～60秒のクリップのクローン（トランスクリプト不要。クリップの最初の6秒を使用） |
| Exaggeration | 0.25～2、デフォルト0.5 |
| 出力 | 24 kHz、モノラル |
| 1リクエストあたりのテキスト | 最大3,000文字 |
| 実行環境 | CPU（4-bit言語モデル）、今回のテストではピークメモリ約2.2 GB |
| ダウンロード | 約1.55 GB |
| ライセンス | MIT、商用利用可。出力にはウォーターマークが入りません |

## Multilingual V3かTurboか

- **Chatterbox Multilingual V3**（本パッケージ）：20言語とExaggerationに対応し、CPU専用で、リアルタイムより遅くなります。多言語ゲームにはこれを選んでください。
- **[Chatterbox Turbo](https://ai-game.dev/packages/aigd.tts-chatterbox-turbo)**：英語のみで、`[laugh]`や`[cough]`などのサウンドタグに対応し、GPUまたはllama.cpp経由のCPUで動作し、CPUではリアルタイムより高速です。英語ゲームにはこれを選んでください。

## 動作の仕組み

モデルはアプリに同梱されたONNXランタイム（`onnx-tts@1`）で、4-bit言語モデルを使ってCPU上で動作し、ほかにインストールするものはありません。3～60秒の参照クリップにはトランスクリプトが不要で、モデルはその最初の6秒を使用します。**Exaggeration**（0.25～2、デフォルト0.5）は音声の感情の強さを設定します。値を大きくすると話速も上がります。

## 言語

ar, da, de, el, en, es, fi, fr, hi, it, ko, ms, nl, no, pl, pt, ru, sv, sw, tr。V3は中国語、日本語、ヘブライ語も挙げていますが、提供されていません。このONNXビルドには中国語（Cangjie）と日本語（かな）のテキストフロントエンドがないため、これらのテキストは大半が未知のトークンになります。またヘブライ語は（アップストリームと同様にダイアクリティカルマークなしで入力されるため）、貪欲法デコードでは大半が聞き取れない出力になります。ロシア語は動作しますが、アップストリームのアクセント記号フロントエンドがないため、一部の単語でアクセントが誤ることがあります。

## 速度と既知の制限

32コアのx86-64 CPU（DEV-167スモークテスト）で測定：英語音声4.0秒を13.8秒で、ドイツ語2.7秒を11.8秒で生成しました。ピークメモリは約2.2 GBです。テキストはONNXリファレンスと同様に、文単位（1ピース最大200文字）で貪欲法デコードによって読み上げられます。アップストリームのサンプリングとclassifier-free guidanceはエクスポートに含まれていません。アップストリームのアラインメントアナライザーがないため、貪欲法デコーダーがテキストの後で停止しないことがあります（Exaggeration 0.8で確認）。そのため各ピースは、そのテキストを低速で読み上げた長さに1.5秒を加えた長さを上限とします。その上限まで末尾に小声が続く可能性があります。

## メンテナンス

2026年8月時点で、Resemble AIはChatterboxを研究用として終了し、メンテナンスを行っていません。ResembleはV3をPyTorchの重みとしてのみ公開しています。ここで使用しているONNXグラフは独立した変換（[`Masterx/chatterbox-multilingual-v3-ONNX`](https://huggingface.co/Masterx/chatterbox-multilingual-v3-ONNX)）であり、Resemble AIとは提携していません。onnx-communityのエクスポート（`onnx-community/chatterbox-multilingual-ONNX`）はバージョン2（2025）であり、V3ではありません。

## ライセンス

**MIT**。商用利用が可能です。

- Chatterbox（T3言語モデル`t3_mtl23ls_v3`、S3Genデコーダー、音声エンコーダー）© 2025 Resemble AI — [MITライセンス](https://github.com/resemble-ai/chatterbox/blob/ab55923c27757c90cfcc407baa57dc25a7d25217/LICENSE)、[モデルカード](https://huggingface.co/ResembleAI/chatterbox)（`license: mit`）。
- ONNX変換と本パッケージ内のすべてのファイル（`onnx/speech_encoder*`、`onnx/embed_tokens*`、`onnx/language_model_q4*`、`onnx/conditional_decoder*`、`tokenizer.json`、`default_voice.wav`）は、[`Masterx/chatterbox-multilingual-v3-ONNX`](https://huggingface.co/Masterx/chatterbox-multilingual-v3-ONNX/tree/19b94afe41de738624b2f3afc75b4cd56221fbeb)のリビジョン`19b94afe41de738624b2f3afc75b4cd56221fbeb`に由来します — [LICENSE](https://huggingface.co/Masterx/chatterbox-multilingual-v3-ONNX/blob/19b94afe41de738624b2f3afc75b4cd56221fbeb/LICENSE)（MIT、Resemble AIのもの）および[NOTICE.md](https://huggingface.co/Masterx/chatterbox-multilingual-v3-ONNX/blob/19b94afe41de738624b2f3afc75b4cd56221fbeb/NOTICE.md)。`default_voice.wav`はonnx-communityの参照クリップで、その変換によって引き継がれています。
- アプリのテキストクリーンアップ（`punc_norm`）はResemble AIのコード（MIT、© 2025 Resemble AI）から移植されたものです。その通知はアプリの`THIRD_PARTY_NOTICES.md`に含まれています。

重みを再配布する際に必要な帰属表示：MITの通知"Copyright (c) 2025 Resemble AI"とライセンス本文を保持してください。生成した音声には帰属表示は不要です。

制限事項は次のとおりです：

- **ウォーターマーク：** Resemble AIの独自Pythonパッケージは、すべての出力に知覚できないPerthウォーターマークを埋め込みます。これらのONNXグラフにはウォーターマーカーが含まれていないため、**ここで作成した音声にはウォーターマークが入りません**。ONNXコンバーターのREADMEは、導入するすべての人に対して、生成音声へのウォーターマーク付与を続けること（たとえば出力にPerthを実行する）と、責任ある方法で使用することを求めています。Resemble自身のカードには「このモデルを悪いことに使わないでください」とだけ書かれています。
- **クローンに関する同意：** 使用する権利がある音声のみをクローンしてください。MITライセンス自体はモデルに利用制限を課していませんが、人をなりすます行為は、あなたのいる地域で依然として違法となる場合があります。
- 地域制限はありません。収益上限もありません。
- メンテナンスはありません：Resemble AIは2026年8月にこのモデルを終了しました。

すべてのファイルはHugging Faceからダウンロードされます。AI Game Devはそれらをホストしていません。
````
