# Chatterbox Turbo（语音模型）

> 来自 Resemble AI 的快速本地英语文本转语音模型（350M）：可使用模型自带的声音，或使用从 5-30 s 片段克隆的声音，并可在文本中加入 \[laugh\]、\[chuckle\] 和 \[cough\] 等声音标签。适用于角色对话和旁白配音。通过 llama.cpp 在 GPU 或 CPU 上运行。MIT，允许商用。

- ID: `aigd.tts-chatterbox-turbo`
- 来源: 官方 (第一方 `aigd.*`)
- 分类: 音频
- 发布者: AI Game Dev (`aigd`), 已验证
- 最新版本: 1.0.3 (发布于 2026-11-22)
- 许可证: MIT
- 需要 AI Game Dev 应用: `>=0.32.0-beta.6`
- 原生代码: 否
- 评分: 暂无评分
- HTML 页面: https://ai-game.dev/zh-hans/packages/aigd.tts-chatterbox-turbo

## 安装

使用 gamedev CLI，在项目文件夹中运行：

```bash
gamedev pkg add aigd.tts-chatterbox-turbo
```

在桌面应用中：打开 Packages 窗口（状态栏中的包图标），选择 **Browse**，搜索 `aigd.tts-chatterbox-turbo`，然后点击 **Add to Project**。更多：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 发布时间 | 需要应用 | 备注 |
|---|---|---|---|
| 1.0.3 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.2 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 描述

````markdown
# Chatterbox Turbo（语音模型）（`aigd.tts-chatterbox-turbo`）

Chatterbox Turbo 是 Resemble AI 的 [Chatterbox Turbo](https://huggingface.co/ResembleAI/chatterbox-turbo)（350M）：快速的英语文本转语音，可使用模型自带的音色，也可使用从短片段克隆的音色。文本中的 `[laugh]`、`[chuckle]`、`[cough]` 等标签会加入相应的声音。在 AI Game Dev 中，它通过 **Local speech**（`aigd.llamacpp`，llama.cpp）在你自己的电脑上运行，可使用 GPU 或 CPU。它适合希望用自选音色生成生动角色台词的英语游戏。

## 你可以制作什么

- 用 5–30 s 片段克隆出的音色演绎英语角色对话（例如你自己的声音，或已同意的演员的声音），让同一角色在大量台词中保持一致的音色。
- 在文本中内联写入非语言声音的台词：大笑、轻笑、咳嗽。
- 未提供音频片段时，使用模型内置音色录制旁白和画外音。

## 示例请求

- “以 `Audio/ref/captain.wav` 作为音色，说：‘Hold the line! [cough] They're coming.’”
- “为酒馆老板的问候配音，结尾带一声轻笑。”
- “用克隆的音色为反派的嘲讽配音：‘You call that a sword? [laugh]’”

## 亮点

|  |  |
|---|---|
| 模型 id | `aigd.tts-chatterbox-turbo.q8-0` |
| 语言 | 英语 |
| 音色 | 自带音色，或从 5–30 s 参考片段克隆的音色（无需转录文本） |
| 声音标签 | `[laugh]`、`[chuckle]`、`[cough]` 及类似标签 |
| 输出 | 24 kHz，单声道；每次运行最长约 40 s |
| 每次请求的文本 | 最多 500 个字符 |
| 运行于 | NVIDIA（CUDA）、Vulkan 和 Mac（Metal）GPU，或 CPU |
| 下载 | 1.04 GB，2 个文件 |
| 许可证 | MIT，允许商业使用 |

## Turbo 还是 Multilingual V3

AI Game Dev 提供两个 Chatterbox 包：

- **Chatterbox Turbo**（本包）：仅英语，支持声音标签，通过 llama.cpp 在 GPU 或 CPU 上运行（在 16 线程 x86 CPU 上约为实时的 1.2–1.7 倍）。做英语游戏就选它。
- **[Chatterbox Multilingual V3](https://ai-game.dev/packages/aigd.tts-chatterbox-multilingual-v3)**：支持 20 种语言和 Exaggeration（情绪）控制，在应用内置的 ONNX 运行时中以 CPU 运行，慢于实时。当你需要英语以外的语言时选它。Resemble AI 已不再维护它。

## 运行方式

本包只包含数据：它指定模型文件。在你接受许可证后，应用会从 Hugging Face 下载这些文件，逐个用 sha256 校验，并通过 **Local speech**（`aigd.llamacpp`，llama.cpp）在你的电脑上运行。

## 下载

- **Chatterbox Turbo 350M（英语）**（`aigd.tts-chatterbox-turbo.q8-0`）：1.04 GB，来自 [`ggml-org/chatterbox-turbo-GGUF`](https://huggingface.co/ggml-org/chatterbox-turbo-GGUF/tree/66f0393558d0ac1e0337e23a4d15f26e8eca0e12) 的 2 个文件，固定到该 commit：量化为 Q8_0 的语音 token 模型（`chatterbox-turbo-Q8_0.gguf`），以及包含音色编码器、flow 解码器和声码器的音频投影器（`mmproj-chatterbox-turbo-F16.gguf`）。

## 适用电脑

使用 CUDA 或 Vulkan 时，请选用显存至少 3 GiB 的 GPU。在 Windows 的 RTX 4090 上，一次较长的语音请求在 CUDA 上比基线多占用 2.9 GiB，在 Vulkan 上多占用 2.5 GiB。在 16 线程 x86 CPU 上，它占用 2.5 GB 内存，以约 1.2–1.7 倍于实时的速度运行。

## 音色克隆

提供一段 5 到 30 秒的干净语音作为参考片段；无需转录文本。没有片段时，模型会用自带音色说话。一次运行最多生成约 40 秒语音（1000 帧），因此文本限制为 500 个字符。

## 许可证

MIT。允许商业使用。分享模型文件时，请保留 Resemble AI 的版权声明和 MIT 声明。

- Chatterbox Turbo 由 Resemble AI 开发：[模型卡](https://huggingface.co/ResembleAI/chatterbox-turbo)（MIT）；许可证文本：[LICENSE](https://github.com/resemble-ai/chatterbox/blob/master/LICENSE)，“Copyright (c) 2025 Resemble AI”。
- 两个文件均来自 [`ggml-org/chatterbox-turbo-GGUF`](https://huggingface.co/ggml-org/chatterbox-turbo-GGUF)（MIT）：llama.cpp 对 commit `749d1c1a46eb10492095d68fbcf55691ccf137cd` 上的 `ResembleAI/chatterbox-turbo` 所做的自动转换。

必需的署名："Chatterbox Turbo, Copyright (c) 2025 Resemble AI, MIT licence."

限制：

- 如果你分享模型文件，请保留声明 "Copyright (c) 2025 Resemble AI" 和 MIT 许可证文本。
- Resemble AI 自己的 Python 包会为每个输出加上听不见的 PerTh 水印。llama.cpp 不会，因此在这里生成的语音不带水印。
- 只克隆你有权使用的音色；模型卡要求不得将其用于造成伤害。

你有责任遵守所下载模型的许可证。所有文件均从 Hugging Face 下载。AI Game Dev 不托管这些文件。
````
