# Chatterbox Multilingual V3 (語音模型)

> Resemble AI 推出的 20 種語言本機文字轉語音：可從 3–60 秒片段克隆聲音，無需逐字稿，或以內建聲音朗讀，並有 Exaggeration 控制情緒。適合在地化遊戲對白與配音。在應用程式的 ONNX runtime 中以 CPU 執行，速度比即時慢。MIT。Resemble AI 已不再維護。

- ID: `aigd.tts-chatterbox-multilingual-v3`
- 來源: 官方 (第一方 `aigd.*`)
- 分類: 音訊
- 發佈者: AI Game Dev (`aigd`), 已驗證
- 最新版本: 1.0.2 (發佈於 2026-11-22)
- 授權條款: MIT
- 需要 AI Game Dev 應用程式: `>=0.32.0-beta.6`
- 原生程式碼: 否
- 評分: 尚無評分
- HTML 頁面: https://ai-game.dev/zh-hant/packages/aigd.tts-chatterbox-multilingual-v3

## 安裝

在專案資料夾中，使用 gamedev CLI：

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

在桌面應用程式中：開啟「套件」視窗（狀態列上的套件圖示），選擇 **瀏覽**，搜尋 `aigd.tts-chatterbox-multilingual-v3`，然後點 **加入專案**。更多資訊：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 發佈日期 | 需要應用程式 | 備註 |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 說明

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

Chatterbox Multilingual V3 是 Resemble AI 的 0.5B 零樣本語音克隆文字轉語音模型，第 3 版（2026-06-10 發布），支援 20 種語言。給它一段 3–60 秒的參考語音片段，它就會用該聲音朗讀你的文字；沒有片段時則使用內建聲音。在 AI Game Dev 中，它會在應用程式內附的 ONNX runtime（`onnx-tts@1`）中以 CPU 執行，無需另外安裝任何東西。適合需要在多種語言中使用同一角色聲音，且能接受產生速度比即時慢的遊戲。

## 你可以製作什麼

- 在地化對白與配音：同一個克隆角色聲音可說阿拉伯語、德語、西班牙語、法語、印地語、韓語、俄語、土耳其語等。
- 透過 **Exaggeration** 控制，讓同一句台詞的情緒表現更強或更弱。
- 沒有參考片段時，可用內建聲音進行旁白與播報。

## 範例請求

- 「克隆 `Audio/ref/hero.wav` 中的聲音，並用英語、德語和西班牙語說出『我們在黎明出發』。」
- 「用內建聲音朗讀這句韓語教學台詞。」
- 「用法語、以 Exaggeration 1.2 為生氣守衛的台詞配音。」

## 亮點

|  |  |
|---|---|
| 模型 ID | `aigd.tts-chatterbox-multilingual-v3.q4` |
| 語言 | ar, da, de, el, en, es, fi, fr, hi, it, ko, ms, nl, no, pl, pt, ru, sv, sw, tr |
| 聲音 | 內建聲音，或克隆一段 3–60 秒的片段（無需逐字稿；會使用前 6 秒） |
| Exaggeration | 0.25–2，預設 0.5 |
| 輸出 | 24 kHz，單聲道 |
| 每次請求文字上限 | 最多 3,000 個字元 |
| 執行於 | CPU（4 位元語言模型），我們的測試中尖峰記憶體約 2.2 GB |
| 下載 | 約 1.55 GB |
| 授權 | MIT，允許商業使用；輸出未加上浮水印 |

## Multilingual V3 或 Turbo

- **Chatterbox Multilingual V3**（本套件）：支援 20 種語言與 Exaggeration，僅限 CPU，速度比即時慢。多語言遊戲請選它。
- **[Chatterbox Turbo](https://ai-game.dev/packages/aigd.tts-chatterbox-turbo)**：僅支援英語，具備如 `[laugh]` 與 `[cough]` 的聲音標籤，可在 GPU 上執行，或透過 llama.cpp 在 CPU 上執行，在 CPU 上比即時快。英語遊戲請選它。

## 運作方式

模型會在應用程式內附的 ONNX runtime（`onnx-tts@1`）中，以 4 位元語言模型在 CPU 上執行，無需另外安裝任何東西。3–60 秒的參考片段不需要逐字稿；模型會使用前 6 秒。**Exaggeration**（0.25–2，預設 0.5）決定聲音聽起來多有情緒；數值越高也會讓語速變快。

## 語言

ar, da, de, el, en, es, fi, fr, hi, it, ko, ms, nl, no, pl, pt, ru, sv, sw, tr。V3 也列出中文、日文與希伯來文，但並未提供：這個 ONNX 建置缺少中文（倉頡）與日文（假名）的文字前端，因此這些文字大多會變成未知 token；而希伯來文（依上游做法，在未加變音符號的情況下輸入）在貪婪解碼下大多難以理解。俄語可用，但缺少上游的重音標記前端，因此某些詞的重音可能出錯。

## 速度與已知限制

在 32 核心 x86-64 CPU 上測得（DEV-167 快速驗證）：13.8 秒產生 4.0 秒英語語音，11.8 秒產生 2.7 秒德語語音；尖峰記憶體約 2.2 GB。文字會以貪婪解碼逐句朗讀（每段最多 200 個字元），與 ONNX 參考實作相同；上游的取樣與無分類器引導並未包含在匯出檔中。少了上游的對齊分析器，貪婪解碼器有時不會在文字結束後停止（曾在 Exaggeration 0.8 觀察到），因此每段會以該段文字慢速朗讀的長度再加 1.5 秒為上限；可能出現長度不超過該上限的尾端模糊低語。

## 維護

截至 2026 年 8 月，Resemble AI 已將 Chatterbox 作為研究專案退役，並不再維護。Resemble 僅以 PyTorch 權重形式發布 V3；此處的 ONNX 計算圖是獨立轉換（[`Masterx/chatterbox-multilingual-v3-ONNX`](https://huggingface.co/Masterx/chatterbox-multilingual-v3-ONNX)），與 Resemble AI 無關。onnx-community 匯出的版本（`onnx-community/chatterbox-multilingual-ONNX`）是第 2 版（2025），不是 V3。

## 授權

**MIT**。允許商業使用。

- Chatterbox（T3 語言模型 `t3_mtl23ls_v3`、S3Gen 解碼器、聲音編碼器）© 2025 Resemble AI — [MIT 授權](https://github.com/resemble-ai/chatterbox/blob/ab55923c27757c90cfcc407baa57dc25a7d25217/LICENSE)、[模型卡](https://huggingface.co/ResembleAI/chatterbox)（`license: mit`）。
- ONNX 轉換與本套件中的每個檔案（`onnx/speech_encoder*`、`onnx/embed_tokens*`、`onnx/language_model_q4*`、`onnx/conditional_decoder*`、`tokenizer.json`、`default_voice.wav`）來自 [`Masterx/chatterbox-multilingual-v3-ONNX`](https://huggingface.co/Masterx/chatterbox-multilingual-v3-ONNX/tree/19b94afe41de738624b2f3afc75b4cd56221fbeb) 的修訂版 `19b94afe41de738624b2f3afc75b4cd56221fbeb` — [LICENSE](https://huggingface.co/Masterx/chatterbox-multilingual-v3-ONNX/blob/19b94afe41de738624b2f3afc75b4cd56221fbeb/LICENSE)（MIT，Resemble AI 的）與 [NOTICE.md](https://huggingface.co/Masterx/chatterbox-multilingual-v3-ONNX/blob/19b94afe41de738624b2f3afc75b4cd56221fbeb/NOTICE.md)。`default_voice.wav` 是 onnx-community 的參考片段，由該轉換一併沿用。
- 應用程式的文字清理功能（`punc_norm`）移植自 Resemble AI 的程式碼（MIT，© 2025 Resemble AI）；其聲明位於應用程式的 `THIRD_PARTY_NOTICES.md`。

重新散布權重時必須標示來源：保留 MIT 聲明 "Copyright (c) 2025 Resemble AI" 與授權條文。你產生的語音不需要標示來源。

限制，明確如下：

- **浮水印：** Resemble AI 自家的 Python 套件會在每份輸出嵌入不可察覺的 Perth 浮水印。這些 ONNX 計算圖不含浮水印器，因此**這裡產生的音訊不會加上浮水印**。ONNX 轉換器的 README 要求任何部署它的人持續為產生的音訊加上浮水印（例如對輸出執行 Perth），並負責任地使用；Resemble 自己的模型卡只寫道「不要用這個模型做壞事」。
- **克隆的同意：** 只克隆你有權使用的聲音。MIT 授權本身並未對模型設下使用限制；在你所在地區，冒充他人仍可能違法。
- 無地區限制，無營收上限。
- 不再維護：Resemble AI 已於 2026 年 8 月將此模型退役。

所有檔案都從 Hugging Face 下載。AI Game Dev 並不代為託管。
````
