Chatterbox TTS
रिटायर्ड ओपन-सोर्स टेक्स्ट-टू-स्पीच मॉडल परिवार, ज़ीरो-शॉट वॉइस क्लोनिंग के साथ, जिसे एक आर्काइव के रूप में पब्लिक रखा गया है।
Turbo, Nano और Multilingual V3 स्पीच मॉडल के लिए MIT कोड, अगस्त 2026 से बिना किसी सपोर्ट के।
Chatterbox, Resemble AI का ओपन-सोर्स टेक्स्ट-टू-स्पीच मॉडल परिवार है जो एक छोटे रेफरेंस क्लिप से आवाज़ को क्लोन करता है। README के अनुसार अगस्त 2026 तक यह रिटायर्ड रिसर्च है और अब मेंटेन नहीं किया जाता। इसे केवल तभी उपयोग करें जब आप बिना सपोर्ट या अपडेट वाले आर्काइव को स्वीकार करते हैं।
यह क्या है
आप chatterbox-tts पाइथन पैकेज इंस्टॉल करते हैं और Turbo (350M, अंग्रेज़ी, [laugh] जैसे पैरलिंग्विस्टिक टैग), Nano (110M, अंग्रेज़ी, CPU पर चलता है), Multilingual V3 (500M, 23+ भाषाएँ) या मूल अंग्रेज़ी मॉडल के साथ स्पीच जनरेट करते हैं। हर जनरेट की गई फ़ाइल में Resemble का Perth वॉटरमार्क होता है।
किसके लिए
यह उन डेवलपर्स और रिसर्चर्स के लिए उपयुक्त है जो वॉइस क्लोनिंग मॉडल का अध्ययन करना या उन्हें खुद चलाना चाहते हैं और PyTorch तथा GPU को संभाल सकते हैं। यह किसी ऐसे व्यक्ति के लिए उपयुक्त नहीं है जिसे अपडेट, सुरक्षा सुधार या कमर्शियल सर्विस की आवश्यकता हो: README में कहा गया है कि कोई सपोर्ट या पेड टियर नहीं है, और Resemble AI TTS नहीं बेचता है।
मुख्य विशेषताएँ
ज़ीरो-शॉट वॉइस क्लोनिंग
लगभग 10 सेकंड के रेफरेंस क्लिप से आवाज़ क्लोन करें।
टैग के साथ Turbo मॉडल
[cough], [laugh] और [chuckle] जैसे नेटिव टैग के साथ 350M अंग्रेज़ी मॉडल।
CPU के लिए Nano
110M मॉडल जिसके बारे में README में कहा गया है कि यह 8 CPU कोर पर रियलटाइम से 3x तेज़ी से चलता है।
Multilingual V3
अरबी, हिंदी, जापानी और स्वाहिली सहित 23+ भाषाओं के लिए 500M मॉडल।
सिंगल लैंग्वेज पैक
प्राथमिकता वाली भाषाओं और क्षेत्रीय वेरिएंट्स के लिए छह समर्पित फ़ाइनट्यून।
बिल्ट-इन Perth वॉटरमार्क
सभी जनरेट किए गए ऑडियो में एक अदृश्य न्यूरल वॉटरमार्क शामिल होता है जिसे आप निकाल सकते हैं।
3 चरणों में तैयार
हमारा ईमानदार फैसला
क्या अच्छा है
- एक छोटे रेफरेंस क्लिप से वॉइस क्लोनिंग के लिए प्रति-आवाज़ ट्रेनिंग की आवश्यकता नहीं होती है।
- Nano CPU पर चलता है, इसलिए आप इसे बिना GPU के आज़मा सकते हैं।
- Turbo में पैरलिंग्विस्टिक टैग आपको टेक्स्ट में इनलाइन हंसी या खांसी जोड़ने की अनुमति देते हैं।
- आउटपुट में निष्कर्षण स्क्रिप्ट के साथ एक वॉटरमार्क होता है, जो सिंथेटिक ऑडियो को लेबल करने में आपकी मदद करता है।
कहाँ कमी है
- README कहता है कि यह रिटायर्ड और अनमेंटेंड है: कोई सपोर्ट नहीं, कोई अपडेट नहीं, कोई सुरक्षा सुधार नहीं, और कोई पेड टियर नहीं।
- Resemble AI वॉइस उत्पाद नहीं बेचता है और डीपफेक डिटेक्शन पर स्थानांतरित हो गया है, इसलिए इस मॉडल के लिए कोई कमर्शियल रास्ता नहीं है।
- Turbo और बहुभाषी मॉडल को PyTorch और, अच्छी गति के लिए, एक CUDA GPU की आवश्यकता होती है; README में कहा गया है कि इसे Debian 11 पर Python 3.11 पर विकसित किया गया था।
- चूँकि डिपेंडेंसी pyproject.toml में पिन की गई हैं, यह समय के साथ नए Python या लाइब्रेरी वर्ज़न के साथ संघर्ष कर सकता है।
मूल्य & लाइसेंस
कोड MIT-लाइसेंस प्राप्त और मुफ़्त है। README के अनुसार कोई पेड टियर और कोई सपोर्ट नहीं है; Resemble AI टेक्स्ट-टू-स्पीच नहीं बेचता है, इसलिए आपका एकमात्र खर्च वह मशीन है जिस पर आप इसे चलाते हैं।
हिंदी बोलने वालों के लिए जॉब्स
876 खुले रिमोट AI-ट्रेनिंग रोल, 15 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$170 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
विकल्प
ये समीक्षित AI टूल यही काम तुरंत करते हैं — हमारी स्कोर की गई डायरेक्टरी से।
इसे उपयोग करें, या हमसे सेट करवाएं
सामान्य प्रश्न
क्या Chatterbox अभी भी मेंटेन किया जाता है?
नहीं। README बताता है कि अगस्त 2026 तक Chatterbox रिटायर्ड रिसर्च है और अब मेंटेन नहीं किया जाता, जिसे MIT लाइसेंस के तहत एक आर्काइव के रूप में पब्लिक रखा गया है।
क्या इसके लिए GPU की आवश्यकता है?
उदाहरण cuda का उपयोग करते हैं, लेकिन README कहता है कि Nano का लक्ष्य CPU इन्फेरेंस है और मूल मॉडल भी cpu और mps डिवाइस सूचीबद्ध करता है।
Multilingual किन भाषाओं को सपोर्ट करता है?
README में अरबी और डैनिश से लेकर स्वाहिली, तुर्की और चीनी तक 23 भाषाएं सूचीबद्ध हैं।
