Chatterbox TTS
Familia de modelos de texto a voz de código abierto retirada con clonación de voz zero-shot, mantenida pública como archivo.
Código con licencia MIT para los modelos de voz Turbo, Nano y Multilingual V3, sin soporte desde agosto de 2026.
Chatterbox es una familia de modelos de texto a voz de código abierto de Resemble AI que clonan una voz a partir de un breve clip de referencia. El archivo README indica que, a partir de agosto de 2026, es una investigación retirada y ya no se mantiene. Úsalo solo si aceptas un archivo sin soporte ni actualizaciones.
Qué es
Instalas el paquete de Python chatterbox-tts y generas voz con Turbo (350M, inglés, etiquetas paralingüísticas como [laugh]), Nano (110M, inglés, se ejecuta en CPU), Multilingual V3 (500M, más de 23 idiomas) o el modelo original en inglés. Cada archivo generado lleva la marca de agua Perth de Resemble.
Para quién
Es adecuado para desarrolladores e investigadores que quieran estudiar o ejecutar por su cuenta modelos de clonación de voz y sepan manejar PyTorch y una GPU. No es adecuado para quienes necesiten actualizaciones, correcciones de seguridad o un servicio comercial: el README indica que no hay soporte ni nivel de pago, y Resemble AI no vende TTS.
Funciones clave
Clonación de voz zero-shot
Clona una voz a partir de un clip de referencia de unos 10 segundos.
Modelo Turbo con etiquetas
Modelo en inglés de 350M con etiquetas nativas como [cough], [laugh] y [chuckle].
Nano para CPU
Modelo de 110M que, según el README, se ejecuta 3 veces más rápido que en tiempo real en 8 núcleos de CPU.
Multilingual V3
Modelo de 500M para más de 23 idiomas, incluidos árabe, hindi, japonés y suajili.
Paquete de idioma único
Seis ajustes finos dedicados para idiomas prioritarios y variantes regionales.
Marca de agua Perth integrada
Todo el audio generado incluye una marca de agua neuronal imperceptible que puedes extraer.
Listo en 3 pasos
Nuestro veredicto honesto
Lo mejor
- La clonación de voz a partir de un breve clip de referencia no requiere entrenamiento por voz.
- Nano se ejecuta en CPU, por lo que puedes probarlo sin una GPU.
- Las etiquetas paralingüísticas en Turbo te permiten añadir risas o tos de forma integrada en el texto.
- La salida incluye una marca de agua con un script de extracción, lo que te ayuda a etiquetar audio sintético.
Sus límites
- El README indica que está retirado y sin mantenimiento: sin soporte, sin actualizaciones, sin correcciones de seguridad y sin nivel de pago.
- Resemble AI no vende productos de voz y se ha pasado a la detección de deepfakes, por lo que no hay una vía comercial para este modelo.
- Turbo y los modelos multilingües necesitan PyTorch y, para una buena velocidad, una GPU CUDA; el README indica que se desarrolló en Python 3.11 sobre Debian 11.
- Dado que las dependencias están fijadas en pyproject.toml, puede entrar en conflicto con versiones más recientes de Python o de bibliotecas con el tiempo.
Precios y licencia
El código tiene licencia MIT y es gratuito. El README indica que no hay nivel de pago ni soporte; Resemble AI no vende texto a voz, por lo que tu único coste es la máquina en la que lo ejecutes.
Empleos para hispanohablantes
766 puestos remotos abiertos de entrenamiento de IA, actualizados el 14 de noviembre de 2026; la mayoría paga $20–$175 por hora. 20 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Alternativas
Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.
Úsalo, o deja que lo configuremos
FAQ
¿Sigue manteniendo Chatterbox?
No. El README indica que a partir de agosto de 2026 Chatterbox es una investigación retirada y ya no se mantiene, conservada como archivo público bajo la licencia MIT.
¿Necesita una GPU?
Los ejemplos usan cuda, pero el README dice que Nano está enfocado a la inferencia en CPU y el modelo original también enumera dispositivos cpu y mps.
¿Qué idiomas admite Multilingual?
El README enumera 23 idiomas, desde árabe y danés hasta suajili, turco y chino.
