Chatterbox Turbo(音声モデル)
gamedev pkg add aigd.tts-chatterbox-turbo概要
Resemble AIの高速なローカル英語テキスト読み上げ(350M)。モデル自身の声、または5〜30秒のクリップからクローンした声を使え、テキストには[laugh]、[chuckle]、[cough]などのサウンドタグを記述できます。キャラクターのセリフやボイスオーバーに。llama.cppによりGPUまたはCPUで動作します。MIT、商用利用可能。
Chatterbox TurboはResemble AIのChatterbox Turbo(350M)です。モデル自身の声、または短いクリップからクローンした声で、高速な英語のテキスト読み上げを行います。テキスト内に[laugh]、[chuckle]、[cough]などのタグを入れると、その音声が追加されます。AI Game Devでは、Local speech(aigd.llamacpp、llama.cpp)を通じて、GPUまたはCPUを使いお使いのコンピューター上で動作します。好みの声で生き生きとしたキャラクターのセリフを聞かせたい英語のゲームに適しています。
作れるもの
- 5〜30秒のクリップ(たとえば自分の声や、同意を得た俳優の声)からクローンした声で英語のキャラクターのセリフを作れるため、多くのセリフにわたってキャストの声を一貫させられます。
- セリフの中に非言語音をインラインで書けます。笑い声、くすくす笑い、咳などです。
- クリップを指定しない場合は、モデル内蔵の声でナレーションやボイスオーバーを作れます。
リクエストの例
- 「
Audio/ref/captain.wavを声に使い、こう言って:『持ちこたえろ![cough] やつらが来るぞ。』」 - 「酒場の主人の挨拶を、最後にくすくす笑いを添えて読み上げて。」
- 「悪役のあざけりをクローンした声で:『それが剣か?[laugh]』」
主な特長
| モデルID | aigd.tts-chatterbox-turbo.q8-0 |
| 言語 | 英語 |
| 声 | モデル自身の声、または5〜30秒の参照クリップのクローン(書き起こし不要) |
| サウンドタグ | [laugh]、[chuckle]、[cough]など |
| 出力 | 24 kHz、モノラル、1回あたり最大約40秒 |
| 1リクエストあたりのテキスト | 最大500文字 |
| 動作環境 | NVIDIA(CUDA)、Vulkan、Mac(Metal)のGPU、またはCPU |
| ダウンロード | 1.04 GB、2ファイル |
| ライセンス | MIT、商用利用可 |
TurboとMultilingual V3のどちらを選ぶか
AI Game Devでは2つのChatterboxパッケージを提供しています:
- Chatterbox Turbo(このパッケージ):英語のみ、サウンドタグ対応、llama.cppを通じてGPUまたはCPU(16スレッドのx86 CPUで実時間の約1.2〜1.7倍の速さ)で動作します。英語のゲームにはこれを選んでください。
- Chatterbox Multilingual V3:20言語とExaggeration(感情)コントロールに対応し、アプリに同梱されたONNXランタイムでCPU上を動作しますが、実時間より遅くなります。英語以外の言語が必要なときに選んでください。Resemble AIはすでにこれをメンテナンスしていません。
動作の仕組み
このパッケージはデータのみで、モデルファイルを指定するものです。ライセンスに同意すると、アプリがHugging Faceからファイルをダウンロードし、それぞれをsha256で検証して、Local speech(aigd.llamacpp、llama.cpp)でお使いのコンピューター上で実行します。
ダウンロード
- Chatterbox Turbo 350M (English)(
aigd.tts-chatterbox-turbo.q8-0):1.04 GB、ggml-org/chatterbox-turbo-GGUFから取得する2ファイルで、そのコミットに固定されています。Q8_0に量子化された音声トークンモデル(chatterbox-turbo-Q8_0.gguf)と、音声エンコーダー、フローデコーダー、ボコーダーを備えたオーディオプロジェクター(mmproj-chatterbox-turbo-F16.gguf)です。
対応コンピューター
CUDAまたはVulkanを使う場合は、少なくとも3 GiBのVRAMを搭載したGPUを使用してください。WindowsのRTX 4090では、長い音声リクエストでCUDAではベースラインから2.9 GiB、Vulkanでは2.5 GiBを追加で使用しました。16スレッドのx86 CPUでは、2.5 GBのメモリで実時間の約1.2〜1.7倍の速さで動作します。
声のクローン
5〜30秒のクリーンな音声の参照クリップを指定してください。書き起こしは不要です。クリップを指定しない場合、モデルは自身の声で話します。1回の実行で最大約40秒(1000フレーム)の音声を生成するため、テキストは500文字に制限されています。
ライセンス
MITです。商用利用は許可されています。モデルファイルを共有するときは、Resemble AIの著作権表示とMITライセンスの表示を残してください。
- Chatterbox Turbo(Resemble AI):モデルカード(MIT)、ライセンス本文:LICENSE、「Copyright (c) 2025 Resemble AI」。
- どちらのファイルも
ggml-org/chatterbox-turbo-GGUF(MIT)から取得したものです。llama.cppによる、コミット749d1c1a46eb10492095d68fbcf55691ccf137cd時点のResembleAI/chatterbox-turboの自動変換です。
必須のクレジット表示:"Chatterbox Turbo, Copyright (c) 2025 Resemble AI, MIT licence."
制限事項:
- モデルファイルを共有する場合は、"Copyright (c) 2025 Resemble AI"の表示とMITライセンス本文を残してください。
- Resemble AIのPythonパッケージは、すべての出力に聴こえないPerThウォーターマークを埋め込みます。llama.cppはこれを埋め込まないため、ここで生成した音声にはウォーターマークがありません。
- 使用する権利のある声だけをクローンしてください。モデルカードは、害を与える目的で使用しないことを求めています。
ダウンロードしたモデルのライセンスを守るのはあなたの責任です。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。
バージョン
| バージョン | リリース日 | アプリが必要 |
|---|---|---|
| 1.0.3最新 | 0.32.0-beta.6 以降 | |
| 1.0.2 | 0.32.0-beta.6 以降 |
インストール
デスクトップアプリで
Packages ウィンドウを開き(ステータスバーのパッケージアイコン)、Browse を選んで aigd.tts-chatterbox-turbo を検索し、Add to Project をクリックします。
アプリがまだない方は、Windows、macOS、Linux 用の AI Game Dev を無料でダウンロードしてください。
ターミナルから
gamedev CLI を使い、プロジェクトフォルダーで実行します。
gamedev pkg add aigd.tts-chatterbox-turbo必要条件
- AI Game Dev 0.32.0-beta.6 以降
gamedev pkg add aigd.tts-chatterbox-turbo