WebGPUの最上位モデル

Chatterbox：仕様と要件

ChatterboxはResemble AIの5億パラメータモデル。ブラウザで動く最高品質のオープンTTSで、数秒のマイク録音から追加学習なしに音声をクローンできます。WebGPU経由のGPUと初回約1.5 GBのダウンロードが必要ですが、有料クラウドサービスに匹敵する出力です。

Chatterboxは統合作業中です。仕様と端末判定は下にあります。現在は利用可能なモデルを利用でき、互換性チェックでChatterboxが動くか確認できます。

仕様

開発者	Resemble AI
パラメーター	500百万
ダウンロードサイズ	1550 MB (q4混合)
出力	24.0 kHz mono
音声	1
言語	英語 (アメリカ合衆国)
音声クローン	はい
ストリーミング	いいえ
ライセンス	MIT
速度	デスクトップGPUのWebGPUでほぼリアルタイム。CPUでは実用的ではありません。
実行環境	WebGPU必須

Chatterboxは無料ですか？

はい。重みのライセンスはMITで、お使いの端末上で動作します。

Chatterboxに必要なハードウェアは？

WebGPU対応のブラウザーとGPU（Chrome/Edge、Safari 26以降、Firefox 141以降）、約8 GBのメモリが必要です。CPUのみでは実用的な速度で動作しません。

Chatterboxで使うテキストのプライバシーは守られますか？

はい。モデルはブラウザーのタブ内で実行され、テキストがサーバーへ送信されることはありません。

Chatterboxの音声を商用利用できますか？

商用利用前にモデル・音声・元データセットの最新規約をご確認ください。カタログ上のライセンスはMITです.