Chatterbox
TTS de clonación de voz de Resemble AI (0.5B, MIT): Multilingual V3, 6 idiomas. Retirado en agosto de 2026: archivo sin actualizaciones.
En resumen. Chatterbox lee textos en voz alta y puede copiar una voz a partir de una muestra breve. Funciona en una sola GPU, cubre unas dos docenas de idiomas, añade una marca de agua inaudible a cada clip y usa la licencia MIT. Su creador dejó de venderlo y mantenerlo en agosto de 2026, así que hoy es un archivo congelado.
Resumen
Chatterbox es una familia de modelos de texto a voz abiertos de Resemble AI. El modelo original en inglés salió en 2025, y ese mismo año llegó después una versión de 23 idiomas. Chatterbox Multilingual V3 se publicó el 10 de junio de 2026 con la misma columna vertebral Llama de 0.5B. Según Resemble, V3 mejora la similitud con el hablante, reduce las salidas que se desvían del guion y las repeticiones, y suena más natural. Su anuncio enumera 21 idiomas más 4 variantes regionales, y seis ajustes finos dedicados a un solo idioma cubren chino, hindi, portugués de Brasil y de Europa, y español latinoamericano y europeo.
Chatterbox clona una voz a partir de un prompt de audio corto, y tiene un ajuste de exaggeration y un peso CFG para controlar lo dramática que es la entonación. Cada salida lleva una marca de agua PerTh. Los archivos del checkpoint de V3 suman unos 3.2 GB, y pip install chatterbox-tts instala el código. Hugging Face contó unos 2,4 millones de descargas en los 30 días hasta el 11 de noviembre de 2026.
La gran advertencia es su estado. En agosto de 2026, Resemble AI dijo que se había pasado a la detección de deepfakes y que ya no vende generación de voz. El repositorio de GitHub dice ahora que Chatterbox es investigación retirada y que ya no se mantiene: el código sigue público bajo la licencia MIT como archivo, sin soporte ni actualizaciones. Sigue funcionando y la licencia es permisiva, pero no esperes correcciones ni idiomas nuevos.
Ideal para
- Clonación de voz y narración expresiva desde un clip de referencia corto, con control de exaggeration
- Agentes de voz multilingües y trabajo de localización bajo la licencia MIT
- Equipos que quieren salida con marca de agua por defecto
A tener en cuenta
- Resemble AI retiró Chatterbox en agosto de 2026, así que el repositorio es un archivo sin mantenimiento
- La ficha del modelo lista 23 idiomas mientras el anuncio de V3 habla de 21 más 4 variantes, así que prueba tu idioma antes de comprometerte
- La clonación entre idiomas conserva el acento del clip de referencia, y el clip debe coincidir con la etiqueta de idioma
- Las salidas llevan una marca de agua PerTh
Las afirmaciones de rendimiento provienen del desarrollador y no se han verificado de forma independiente.
¿Cuánta memoria necesita?
Cifras de memoria para cada variante de Chatterbox. Los flujos de imagen, vídeo, voz y música también cargan un codificador de texto y un decodificador, así que la memoria necesaria puede ser mayor que la del checkpoint principal.
| Variantes | Parámetros | Tamaño de descarga | Memoria necesaria | Cabe en |
|---|---|---|---|---|
| Chatterbox Multilingual V3 | 500M | 3.21 GB | 3.69 GB | Portátil o móvil |
El tamaño de descarga incluye todos los componentes necesarios para ejecutar el modelo, como el generador, el codificador de texto y el decodificador. La memoria necesaria es el mínimo declarado o el mínimo medido publicado cuando existe; en caso contrario, es el tamaño de descarga más un 15 % aproximadamente. Las imágenes más grandes, los clips más largos y las resoluciones más altas necesitan más.
La licencia en palabras sencillas
La licencia permisiva más corta y sencilla. Puedes hacer casi cualquier cosa con el modelo mientras conserves el aviso de copyright y la licencia.
Preguntas frecuentes
- ¿Qué es Chatterbox?
- Chatterbox lee textos en voz alta y puede copiar una voz a partir de una muestra breve. Funciona en una sola GPU, cubre unas dos docenas de idiomas, añade una marca de agua inaudible a cada clip y usa la licencia MIT. Su creador dejó de venderlo y mantenerlo en agosto de 2026, así que hoy es un archivo congelado.
- ¿Puedo usar Chatterbox comercialmente?
- Sí. Chatterbox se publica bajo MIT, una licencia permisiva. Puedes usarlo comercialmente si cumples las condiciones estándar, como mantener el aviso de licencia.
- ¿Es Chatterbox de código abierto?
- Chatterbox se publica bajo MIT, una licencia aprobada por la Open Source Initiative. Los datos y el código de entrenamiento pueden no ser públicos, así que lo más preciso es describirlo como pesos abiertos bajo una licencia de código abierto.
- ¿Puedo ejecutar Chatterbox en mi propio equipo?
- Sí. La variante más pequeña, Chatterbox Multilingual V3, necesita unos 3.69 GB de memoria con precisión de 4 bits, lo que cabe en un portátil moderno o en una tarjeta gráfica de gama media.
- ¿Cuándo se lanzó Chatterbox?
- Chatterbox fue lanzado por Resemble AI el 10 de junio de 2026.
Enlaces oficiales
Fuentes
Las especificaciones provienen de estas fuentes primarias. Las afirmaciones sobre benchmarks, cuando se mencionan, son las que reporta el desarrollador.
- Chatterbox Multilingual v3 announcement (Resemble AI, 10 Jun 2026) resemble.ai
- Chatterbox repository, with the August 2026 retirement notice (GitHub) github.com
- Chatterbox model card (Hugging Face) huggingface.co
- Why Resemble AI went all in on deepfake detection (13 Aug 2026) resemble.ai
Fecha de lanzamiento y datos verificados por última vez: 11 de noviembre de 2026.
Modelos relacionados
| Modelo | Lanzamiento | Parámetros | Contexto | Licencia | Necesario para la variante más pequeña |
|---|---|---|---|---|---|
| Kokoro EN hexgrad | 82M | – | Apache 2.0 (Permisiva) | 0.38 GB Portátil o móvil | |
| Pocket TTS EN Kyutai | 18M – 100M | – | CC BY 4.0 (Permisiva) | 0.127 GB Portátil o móvil | |
| VoxCPM2 EN OpenBMB | 2.29B | – | Apache 2.0 (Permisiva) | 8 GB Portátil o móvil | |
| Qwen3-TTS EN Alibaba Qwen | 910M – 1.92B | – | Apache 2.0 (Permisiva) | 3.68 GB Portátil o móvil |