# Chatterbox Multilingual V3 (modelo de fala)

> Conversão de texto em fala local em 20 idiomas da Resemble AI: clona uma voz a partir de um clipe de 3–60 s sem transcrição, ou fala com a voz embutida, com um controle de Exagero para emoção. Para diálogos e dublagens localizados de jogos. Roda na CPU no runtime ONNX do app, mais lento que o tempo real. MIT. A Resemble AI não o mantém mais.

- Id: `aigd.tts-chatterbox-multilingual-v3`
- Origem: Oficial (de primeira parte `aigd.*`)
- Categoria: Áudio
- Publicador: AI Game Dev (`aigd`), verificado
- Versão mais recente: 1.0.2 (publicado em 2026-11-22)
- Licença: MIT
- Requer o app AI Game Dev: `>=0.32.0-beta.6`
- Código nativo: não
- Avaliação: ainda sem avaliações
- Página HTML: https://ai-game.dev/pt-br/packages/aigd.tts-chatterbox-multilingual-v3

## Instalar

Com o CLI gamedev, na pasta do projeto:

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

No app desktop: abra a janela Packages (o ícone de pacote na barra de status), selecione **Browse**, busque `aigd.tts-chatterbox-multilingual-v3` e clique em **Add to Project**. Mais: https://ai-game.dev/docs/wiki/app/packages

## Versões

| Versão | Publicado | Requer o app | Observações |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | mais recente |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Descrição

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

O Chatterbox Multilingual V3 é o modelo de conversão de texto em fala com clonagem de voz zero-shot de 0.5B da Resemble AI, versão 3 (lançada em 2026-06-10), para 20 idiomas. Dê a ele um clipe de referência de 3–60 s de uma voz e ele fala seu texto naquela voz; sem um clipe, ele usa a voz embutida. No AI Game Dev ele roda na CPU no runtime ONNX incluído no app (`onnx-tts@1`), sem nada mais para instalar. Ele serve para jogos que precisam das mesmas vozes de personagem em vários idiomas e podem esperar por uma geração mais lenta que o tempo real.

## O que você pode criar

- Diálogos e dublagens localizados: uma voz de personagem clonada falando árabe, alemão, espanhol, francês, hindi, coreano, russo, turco e mais.
- Uma entrega mais ou menos emotiva da mesma fala com o controle **Exagero**.
- Narração e anúncios na voz embutida quando você não tem um clipe de referência.

## Exemplos de pedidos

- "Clone a voz em `Audio/ref/hero.wav` e diga 'Partimos ao amanhecer' em inglês, alemão e espanhol."
- "Leia esta linha de tutorial em coreano com a voz embutida."
- "Duble a fala do guarda furioso em francês com Exagero 1.2."

## Destaques

|  |  |
|---|---|
| Id do 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 |
| Vozes | voz embutida, ou um clone de um clipe de 3–60 s (sem transcrição; são usados os primeiros 6 s) |
| Exagero | 0.25–2, padrão 0.5 |
| Saída | 24 kHz, mono |
| Texto por requisição | até 3,000 caracteres |
| Roda em | na CPU (modelo de linguagem 4-bit), cerca de 2.2 GB de memória de pico no nosso teste |
| Download | cerca de 1.55 GB |
| Licença | MIT, uso comercial permitido; a saída não tem marca d'água |

## Multilingual V3 ou Turbo

- **Chatterbox Multilingual V3** (este pacote): 20 idiomas e Exagero, somente CPU, mais lento que o tempo real. Escolha-o para jogos multilíngues.
- **[Chatterbox Turbo](https://ai-game.dev/packages/aigd.tts-chatterbox-turbo)**: somente inglês, com tags de som como `[laugh]` e `[cough]`, em uma GPU ou na CPU via llama.cpp, mais rápido que o tempo real em uma CPU. Escolha-o para jogos em inglês.

## Como ele roda

O modelo roda no runtime ONNX incluído no App (`onnx-tts@1`) na CPU com um modelo de linguagem 4-bit, sem nada mais para instalar. Um clipe de referência de 3–60 s não precisa de transcrição; o modelo usa os primeiros 6 s. **Exagero** (0.25–2, padrão 0.5) define o quão emotivo ele soa; valores mais altos também aceleram a fala.

## Idiomas

ar, da, de, el, en, es, fi, fr, hi, it, ko, ms, nl, no, pl, pt, ru, sv, sw, tr. A V3 também cita chinês, japonês e hebraico, mas eles não são oferecidos: esta build ONNX não tem os front ends de texto de chinês (Cangjie) e de japonês (kana), então o texto deles vira em grande parte tokens desconhecidos, e o hebraico (alimentado sem diacríticos, como o upstream faz) sai em grande parte ininteligível com decodificação greedy. O russo funciona, mas sem o front end de marcas de tonicidade do upstream, então a tonicidade pode sair errada em algumas palavras.

## Velocidade e limites conhecidos

Medido em uma CPU x86-64 de 32 núcleos (smoke test DEV-167): 4.0 s de fala em inglês em 13.8 s, 2.7 s de alemão em 11.8 s; memória de pico de cerca de 2.2 GB. O texto é falado frase por frase (até 200 caracteres por trecho) com decodificação greedy, como faz a referência ONNX; a amostragem e o classifier-free guidance do upstream não fazem parte da exportação. Sem o analisador de alinhamento do upstream, o decodificador greedy às vezes não para depois do texto (visto com Exagero 0.8), então cada trecho é limitado ao comprimento da fala lenta do seu texto mais 1.5 s; um murmúrio no final até esse limite é possível.

## Manutenção

Desde agosto de 2026 a Resemble AI aposentou o Chatterbox como pesquisa e não o mantém mais. A Resemble publica a V3 apenas como pesos PyTorch; os grafos ONNX aqui são uma conversão independente ([`Masterx/chatterbox-multilingual-v3-ONNX`](https://huggingface.co/Masterx/chatterbox-multilingual-v3-ONNX)), sem vínculo com a Resemble AI. A exportação da onnx-community (`onnx-community/chatterbox-multilingual-ONNX`) é a versão 2 (2025), não a V3.

## Licença

**MIT.** O uso comercial é permitido.

- Chatterbox (modelo de linguagem T3 `t3_mtl23ls_v3`, decodificador S3Gen, codificador de voz) © 2025 Resemble AI — [licença MIT](https://github.com/resemble-ai/chatterbox/blob/ab55923c27757c90cfcc407baa57dc25a7d25217/LICENSE), [ficha do modelo](https://huggingface.co/ResembleAI/chatterbox) (`license: mit`).
- Conversão ONNX e todos os arquivos deste pacote (`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) na revisão `19b94afe41de738624b2f3afc75b4cd56221fbeb` — [LICENSE](https://huggingface.co/Masterx/chatterbox-multilingual-v3-ONNX/blob/19b94afe41de738624b2f3afc75b4cd56221fbeb/LICENSE) (MIT, da Resemble AI) e [NOTICE.md](https://huggingface.co/Masterx/chatterbox-multilingual-v3-ONNX/blob/19b94afe41de738624b2f3afc75b4cd56221fbeb/NOTICE.md). `default_voice.wav` é o clipe de referência da onnx-community, trazido por essa conversão.
- A limpeza de texto do App (`punc_norm`) foi portada do código da Resemble AI (MIT, © 2025 Resemble AI); o aviso dela está no `THIRD_PARTY_NOTICES.md` do App.

Atribuição obrigatória quando você redistribuir os pesos: mantenha o aviso MIT "Copyright (c) 2025 Resemble AI" e o texto da licença. Nenhuma atribuição é exigida para a fala que você gera.

Restrições, sem rodeios:

- **Marca d'água:** o próprio pacote Python da Resemble AI embute uma marca d'água Perth imperceptível em cada saída. Esses grafos ONNX não contêm o marcador de marca d'água, então **o áudio feito aqui não tem marca d'água**. O README do conversor ONNX pede que quem o implantar continue aplicando marca d'água ao áudio gerado (por exemplo, rodando o Perth na saída) e o use com responsabilidade; a ficha da própria Resemble diz apenas "Não use este modelo para fazer coisas ruins".
- **Consentimento para clonagem:** clone apenas vozes que você tem o direito de usar. A própria licença MIT não impõe restrição de uso ao modelo; impersonar pessoas ainda pode ser ilegal onde você está.
- Sem limite territorial, sem teto de receita.
- Sem manutenção: a Resemble AI aposentou o modelo em agosto de 2026.

Todos os arquivos são baixados do Hugging Face. O AI Game Dev não os hospeda.
````
