Chatterbox

Resemble AIのMITライセンス音声クローンTTS(Multilingual V3、言語パック6種)。2026年8月に退役:更新なしのアーカイブ。

ひとことで. Chatterboxはテキストを読み上げ、短いサンプルから声を複製できます。GPU 1枚で動作し、20数か国語に対応し、すべての音声に聞こえない透かしを埋め込み、MITライセンスを採用しています。開発元は2026年8月に販売と保守を停止したため、現在は凍結されたアーカイブです。

概要

ChatterboxはResemble AIによるオープンなテキスト読み上げモデルのファミリーです。最初の英語向けモデルは2025年に登場し、同年の後半には23言語版が続きました。Chatterbox Multilingual V3は2026年6月10日にリリースされ、0.5BのLlamaバックボーンはそのままです。Resembleによれば、V3は話者との類似度を改善し、プロンプトから外れた出力や繰り返しを減らし、より自然に聞こえるといいます。発表では21言語と4つの地域バリアントが挙げられ、中国語、ヒンディー語、ブラジルとヨーロッパのポルトガル語、ラテンアメリカとヨーロッパのスペイン語をカバーする6種類の単一言語ファインチューニングも公開されています。

Chatterboxは短い音声プロンプトから声をクローンでき、話し方のドラマチックさを制御するexaggeration(誇張度)設定とCFGウェイトを備えています。すべての出力にはPerTh透かしが付きます。V3のチェックポイントファイルは合計約3.2 GBで、pip install chatterbox-ttsでコードをインストールします。2026年11月11日までの30日間で、Hugging Faceのダウンロード数は約240万回でした。

注意すべき最大の点はその状態です。2026年8月、Resemble AIはディープフェイク検出に業務を移し、音声生成の販売を終えたと発表しました。GitHubリポジトリは現在、Chatterboxは退役した研究プロジェクトであり保守されていないと明記しています。コードはMITライセンスのアーカイブとして公開が続いていますが、サポートも更新もありません。動作はし、ライセンスも寛容ですが、修正や新しい言語の追加は期待しないでください。

おすすめの用途

  • 短い参照音声からの声のクローンと感情表現のあるナレーション、exaggeration(誇張度)のコントロール付き
  • MITライセンスでの多言語音声エージェントとローカライズ作業
  • デフォルトで透かし入りの出力が欲しいチーム

注意点

  • Resemble AIは2026年8月にChatterboxを退役させたため、リポジトリは保守されていないアーカイブです
  • モデルカードは23言語、V3の発表は21言語と4バリアントを掲げており、導入前に必要な言語をテストしてください
  • 言語をまたぐクローンでは参照音声のアクセントが残ります。参照音声は言語タグと一致させてください
  • 出力にはPerTh透かしが付きます

性能に関する主張は開発元によるもので、独自検証は行っていません。

必要なメモリはどのくらい?

Chatterbox の各バリエーションのメモリ数値です。画像・動画・音声・音楽の生成パイプラインはテキストエンコーダやデコーダも読み込むため、必要メモリはメインのチェックポイントより大きくなることがあります。

バリエーション パラメータ数 ダウンロードサイズ 必要メモリ 動かせるマシン
Chatterbox Multilingual V3 500M 3.21 GB 3.69 GB ノートPCまたはスマートフォン

ダウンロードサイズには、モデルの実行に必要なすべてのコンポーネント(ジェネレータ、テキストエンコーダ、デコーダなど)が含まれます。必要メモリは、開発元が公表している実測の最小値があればそれを採用し、なければダウンロードサイズに約15%を加えた推定値です。より大きな画像、より長いクリップ、より高い解像度ではさらに多くのメモリが必要です。

このライセンスをやさしく解説

最も短くシンプルな宽松型ライセンスです。著作権表示とライセンス表示を残す限り、モデルに対してほぼ何でもできます。

MIT の詳細

よくある質問

Chatterbox とは何ですか?
Chatterboxはテキストを読み上げ、短いサンプルから声を複製できます。GPU 1枚で動作し、20数か国語に対応し、すべての音声に聞こえない透かしを埋め込み、MITライセンスを採用しています。開発元は2026年8月に販売と保守を停止したため、現在は凍結されたアーカイブです。
Chatterbox は商用利用できますか?
はい。Chatterbox はパーミッシブライセンスの MIT で公開されています。ライセンス表示の保持といった標準的な条件を守れば、商用利用できます。
Chatterbox はオープンソースですか?
Chatterbox は、Open Source Initiative(OSI)が承認したライセンス MIT で公開されています。訓練データや訓練コードは公開されていない場合もあるため、「オープンソースライセンス下のオープンウェイトモデル」と表現するのが正確です。
Chatterbox を自分のPCで動かせますか?
はい。最小のバリエーション Chatterbox Multilingual V3 は、4ビット精度で約 3.69 GB のメモリが必要です。最新のノートPCやミドルクラスのグラフィックボードで動きます。
Chatterbox はいつリリースされましたか?
Chatterbox は Resemble AI が 2026年6月10日 にリリースしました。

公式リンク

出典

仕様は以下の一次資料に基づきます。ベンチマークの主張がある場合は開発元の公表値です。

リリース日と掲載内容は 2026年11月11日 時点で確認済みです。

関連モデル

モデル リリース日 パラメータ数 コンテキスト ライセンス 最小バリエーションの必要メモリ
Kokoro EN hexgrad 82M – Apache 2.0 (パーミッシブ) 0.38 GB ノートPCまたはスマートフォン
Pocket TTS EN Kyutai 18M – 100M – CC BY 4.0 (パーミッシブ) 0.127 GB ノートPCまたはスマートフォン
VoxCPM2 EN OpenBMB 2.29B – Apache 2.0 (パーミッシブ) 8 GB ノートPCまたはスマートフォン
Qwen3-TTS EN Alibaba Qwen 910M – 1.92B – Apache 2.0 (パーミッシブ) 3.68 GB ノートPCまたはスマートフォン