Descripción
Chatterbox Turbo, desarrollado por Resemble AI, es un modelo de texto a voz (TTS) de código abierto diseñado para la velocidad y la expresividad. Con 350 millones de parámetros, logra una latencia de solo 75 milisegundos, lo que lo hace hasta seis veces más rápido que el tiempo real en una GPU.
Este modelo admite clonación de voz en cero disparos, lo que permite a los usuarios replicar cualquier voz utilizando solo cinco segundos de audio de referencia, sin necesidad de entrenamiento adicional o ajuste fino.
Chatterbox Turbo es único por su inclusión de indicaciones paralingüísticas, que permiten al modelo realizar reacciones vocales naturales como suspiros, jadeos y tos en la voz clonada. Esta característica mejora la expresividad del audio generado, haciéndolo adecuado para aplicaciones en asistentes de voz, medios interactivos y bucles de agentes en tiempo real.
El modelo está construido con la preparación para producción en mente, ofreciendo un proceso de instalación simple y documentación completa. Está disponible bajo la licencia MIT, lo que garantiza flexibilidad para los desarrolladores. Chatterbox Turbo también incluye marcas de agua PerTh, una técnica psicoacústica que incrusta datos en las salidas de audio, asegurando autenticidad y trazabilidad sin comprometer la calidad del audio.
El rendimiento de Chatterbox Turbo ha sido probado contra modelos propietarios como ElevenLabs Turbo v2.5 y Cartesia Sonic 3, demostrando resultados superiores en escenarios de cero disparos. El modelo es accesible a través de GitHub y Hugging Face, proporcionando a los desarrolladores las herramientas y recursos necesarios para integrarlo rápidamente en sus proyectos.
Aspectos destacados de Chatterbox Turbo
Modelo TTS de código abierto
350 millones de parámetros
75 ms de latencia
Clonación de voz en cero disparos
Indicaciones paralingüísticas
Marcas de agua PerTh
Licencia MIT
Inferencia lista para streaming
Primeros pasos con Chatterbox Turbo
Instalar: Utilizar pip para la instalación
Configurar: Configurar con scripts de referencia
Usar: Clonar voces y generar habla
Optimizar: Ajustar emoción y etiquetas paralingüísticas
Casos de uso de Chatterbox Turbo
- Asistentes de Voz
- Medios Interactivos
- Clonación de Voz
- Control de Emoción
- Audio Seguro
