# Chatterbox Turbo（音声モデル）

> 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。

- ID: `aigd.tts-chatterbox-turbo`
- 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: 1.0.3 (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-turbo

## 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-turbo
```

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-turbo` 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 |
|---|---|---|---|
| 1.0.3 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.2 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 説明

````markdown
# Chatterbox Turbo（音声モデル、`aigd.tts-chatterbox-turbo`）

Chatterbox TurboはResemble AIの[Chatterbox Turbo](https://huggingface.co/ResembleAI/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](https://ai-game.dev/packages/aigd.tts-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`](https://huggingface.co/ggml-org/chatterbox-turbo-GGUF/tree/66f0393558d0ac1e0337e23a4d15f26e8eca0e12)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](https://huggingface.co/ResembleAI/chatterbox-turbo)（MIT）、ライセンス本文：[LICENSE](https://github.com/resemble-ai/chatterbox/blob/master/LICENSE)、「Copyright (c) 2025 Resemble AI」。
- どちらのファイルも[`ggml-org/chatterbox-turbo-GGUF`](https://huggingface.co/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。
````
