# Chatterbox Turbo（語音模型）

> Resemble AI 推出的快速本機英文文字轉語音模型（350M）：可用模型內建聲音，或使用複製自 5-30 秒音檔的聲音，並可在文字中加入 \[laugh\]、\[chuckle\]、\[cough\] 等聲音標籤。適合角色對白與旁白配音。透過 llama.cpp 在 GPU 或 CPU 上執行。MIT 授權，允許商業使用。

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

## 安裝

在專案資料夾中，使用 gamedev CLI：

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

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

## 說明

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

Chatterbox Turbo 是 Resemble AI 的 [Chatterbox Turbo](https://huggingface.co/ResembleAI/chatterbox-turbo)（350M）：快速的英文文字轉語音，可用模型本身的聲音，或用短片段複製而來的聲音。文字中的 `[laugh]`、`[chuckle]`、`[cough]` 等標籤會加入這些聲音。在 AI Game Dev 中，它透過 **Local speech**（`aigd.llamacpp`，llama.cpp）在你的電腦上執行，可用 GPU 或 CPU。它適合想要用自選聲音呈現生動角色台詞的英文遊戲。

## 你可以製作的內容

- 用 5–30 秒片段複製而成的聲音（例如你自己的聲音，或同意授權的配音員）來呈現英文角色對白，讓同一批角色在許多台詞中維持一致的聲音。
- 在台詞中直接寫出非語音聲音：笑聲、輕笑、咳嗽。
- 未提供片段時，以模型內建的聲音呈現旁白與配音。

## 範例請求

- 「用 `Audio/ref/captain.wav` 當聲音，說：『Hold the line! [cough] They're coming.』」
- 「用聲音演出酒館老闆的招呼，最後加一聲輕笑。」
- 「用複製的聲音演出反派的嘲諷：『You call that a sword? [laugh]』」

## 重點特色

|  |  |
|---|---|
| 模型 ID | `aigd.tts-chatterbox-turbo.q8-0` |
| 語言 | 英文 |
| 聲音 | 模型本身的聲音，或複製自 5–30 秒參考片段（不需要逐字稿） |
| 聲音標籤 | `[laugh]`、`[chuckle]`、`[cough]` 等 |
| 輸出 | 24 kHz，單聲道；每次執行最多約 40 秒 |
| 每次請求的文字 | 最多 500 個字元 |
| 執行環境 | NVIDIA（CUDA）、Vulkan 與 Mac（Metal）GPU，或 CPU |
| 下載 | 1.04 GB，2 個檔案 |
| 授權 | MIT，允許商業使用 |

## Turbo 還是 Multilingual V3

AI Game Dev 提供兩個 Chatterbox 套件：

- **Chatterbox Turbo**（本套件）：僅支援英文、具備聲音標籤，透過 llama.cpp 在 GPU 或 CPU 上執行（在 16 執行緒的 x86 CPU 上約比即時快 1.2–1.7 倍）。英文遊戲請選這個。
- **[Chatterbox Multilingual V3](https://ai-game.dev/packages/aigd.tts-chatterbox-multilingual-v3)**：支援 20 種語言與 Exaggeration（情緒）控制，在應用程式內建的 ONNX 執行環境中以 CPU 執行，速度比即時慢。需要英文以外的語言時請選這個。Resemble AI 已不再維護它。

## 運作方式

本套件只包含資料：它記載模型檔案的名稱。在你接受授權後，應用程式會從 Hugging Face 下載這些檔案，逐一以 sha256 檢查，然後透過 **Local speech**（`aigd.llamacpp`，llama.cpp）在你的電腦上執行。

## 下載

- **Chatterbox Turbo 350M（English）**（`aigd.tts-chatterbox-turbo.q8-0`）：1.04 GB，2 個檔案來自 [`ggml-org/chatterbox-turbo-GGUF`](https://huggingface.co/ggml-org/chatterbox-turbo-GGUF/tree/66f0393558d0ac1e0337e23a4d15f26e8eca0e12)，固定於該 commit：量化為 Q8_0 的語音 token 模型（`chatterbox-turbo-Q8_0.gguf`），以及包含聲音編碼器、流解碼器與聲碼器的音訊投影器（`mmproj-chatterbox-turbo-F16.gguf`）。

## 適用電腦

使用 CUDA 或 Vulkan 時，請準備至少有 3 GiB VRAM 的 GPU。在 Windows 的 RTX 4090 上，一次長時間的語音請求在 CUDA 上比基準多用 2.9 GiB，在 Vulkan 上則多用 2.5 GiB。在 16 執行緒的 x86 CPU 上，它使用 2.5 GB 記憶體，速度約比即時快 1.2–1.7 倍。

## 聲音複製

提供 5 到 30 秒乾淨語音的參考片段；不需要逐字稿。若沒有片段，模型會用本身的聲音說話。每次執行最多產生約 40 秒語音（1000 個影格），因此文字上限為 500 個字元。

## 授權

MIT。允許商業使用。分享模型檔案時，請保留 Resemble AI 的著作權與 MIT 聲明。

- Resemble AI 的 Chatterbox Turbo：[model card](https://huggingface.co/ResembleAI/chatterbox-turbo)（MIT）；授權條文：[LICENSE](https://github.com/resemble-ai/chatterbox/blob/master/LICENSE)，「Copyright (c) 2025 Resemble AI」。
- 兩個檔案都來自 [`ggml-org/chatterbox-turbo-GGUF`](https://huggingface.co/ggml-org/chatterbox-turbo-GGUF)（MIT）：llama.cpp 在 commit `749d1c1a46eb10492095d68fbcf55691ccf137cd` 對 `ResembleAI/chatterbox-turbo` 的自動轉換。

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

限制：

- 如果你分享模型檔案，請保留聲明 "Copyright (c) 2025 Resemble AI" 與 MIT 授權條文。
- Resemble AI 自家的 Python 套件會在每段輸出加上聽不見的 PerTh 浮水印。llama.cpp 不會，因此這裡產生的語音不帶浮水印。
- 只複製你有權使用的聲音；模型卡要求不得將其用於造成傷害。

你有責任遵守所下載模型的授權。所有檔案都從 Hugging Face 下載，AI Game Dev 並不代為託管。
````
