Resemble AI开源TTS Chatterbox，性能媲美ElevenLabs

近年来，文本转语音（TTS）技术在AI领域的热度持续攀升，从智能助手到内容创作，TTS正以前所未有的方式改变我们与声音的互动。而一款名为Chatterbox的开源TTS模型，凭借其卓越性能和创新功能，迅速成为科技圈热议的焦点。

Chatterbox：重新定义开源TTS

Chatterbox由Resemble AI开发，基于MIT许可证完全开源，允许开发者自由使用和修改。这款模型以0.5B规模的LLaMA架构为基础，训练数据包含超过50万小时的精选音频，性能直逼甚至超越部分闭源系统。据近期盲测结果显示，63.75%的听众更偏好Chatterbox生成的语音，相比行业标杆ElevenLabs，其真实感和流畅度令人惊艳。

除了高质量语音合成，Chatterbox还支持零样本语音克隆，仅需5秒参考音频即可生成高度逼真的个性化语音。此外，它的情感夸张控制功能让用户能够轻松调节情绪、语速和语调，为内容创作者和开发者提供了极大的灵活性。

技术亮点：实时合成与安全水印

Chatterbox的一大亮点是其实时语音合成能力，延迟低至200毫秒以下，非常适合虚拟助手和实时配音等交互式应用。同时，每段生成音频均嵌入了Resemble AI的Perth神经水印技术，即使经过编辑或压缩，检测准确率仍接近100%，有效防止滥用。

作为一款开源工具，Chatterbox不仅降低了技术门槛，还可能推动更多创新应用场景，如个性化播客、教育工具和多语言内容生成。然而，如何平衡开源传播与防止恶意使用，仍是社区需要共同面对的挑战。

项目地址：https://github.com/resemble-ai/chatterbox