Chatterbox Multilingual

Эта страница Soniqo описывает Chatterbox Multilingual из локальной реализации speech-swift / speech-core. Ссылки на Hugging Face находятся ниже после заметок по интеграции.

Сначала внутренняя страница

Карточки и меню документации сначала ведут сюда; ссылки на исходную модель и бандлы остаются на этой странице.

Кратко

Модель	Chatterbox Multilingual
Роль	Multilingual zero-shot voice-cloning TTS
Backend	MLX fp16 on Apple; LiteRT default-voice runtime in Speech Core
Вывод	24 kHz mono waveform
Языки	23 languages
Лицензия	MIT
Статус	MLX cloning runtime; LiteRT greedy/default-voice runtime for edge deployments
Источник	Resemble AI Chatterbox
Swift-продукт	`ChatterboxTTS`
CLI / runtime	Programmatic speech-swift runtime; LiteRT example CLI in speech-core/examples/litert

Использование

Фрагмент ниже соответствует текущему API или команде из speech-swift.

import ChatterboxTTS

let model = try await ChatterboxTTSModel.fromPretrained()
let pcm = try model.clone(
    referenceSamples: reference,
    sampleRate: 24_000,
    text: "The cloned voice now speaks a new sentence.",
    languageId: "en"
)

Ссылки модели

Заметки реализации

Download is split between the main Chatterbox bundle and the separate S3 tokenizer repository.
Pipeline is T3 text-to-speech tokens, S3Gen flow mel decoder, then HiFi-GAN / HiFTGenerator vocoder.
Reference clips are resampled to 24 kHz for S3Gen and 16 kHz for speaker/token conditioning.
speech-core's LiteRT path ships a default voice; fp16 T3 is recommended for Arabic quality.