Flagowy model WebGPU
Chatterbox: specyfikacja i wymagania
Chatterbox to model Resemble AI z 500 milionami parametrów — najwyższej jakości otwarty TTS działający w przeglądarce, klonujący głos bez treningu z kilku sekund mikrofonu. Wymaga GPU przez WebGPU i jednorazowego pobrania około 1,5 GB, ale jakością dorównuje płatnej chmurze.
Trwa integracja Chatterbox. Specyfikacja i oceny sprzętu są niżej. Dostępne modele już działają, a Sprawdź zgodność sprawdzi gotowość na Chatterbox.
Specyfikacja
| Twórca | Resemble AI |
|---|---|
| Parametry | 500 mln |
| Rozmiar pobierania | 1550 MB (mieszane q4) |
| Wynik | 24.0 kHz mono |
| Głosy | 1 |
| Języki | angielski (Stany Zjednoczone) |
| Klonowanie głosu | Tak |
| Strumieniowanie | Nie |
| Licencja | MIT |
| Tempo | Niemal w czasie rzeczywistym na desktopowym GPU WebGPU; niepraktyczne na CPU. |
| Środowisko uruchomieniowe | Wymaga WebGPU |
Źródło: onnx-community/chatterbox-ONNX
Zalety
- +Najlepsza jakość otwartych modeli działających w przeglądarce
- +Klonuj głos z próbki 5–10 sekund, całkowicie na urządzeniu
- +Zwykła licencja MIT
Ograniczenia
- −Wymaga WebGPU i około 8 GB RAM — sprzęt klasy desktop
- −Pobranie 1,5 GB przed pierwszym użyciem
Chatterbox — pytania
Czy Chatterbox jest darmowy?
Tak. Wagi są na licencji MIT i działają na Twoim urządzeniu.
Jakiego sprzętu wymaga Chatterbox?
Wymaga przeglądarki i GPU z WebGPU (Chrome/Edge, Safari 26+, Firefox 141+) oraz około 8 GB RAM. Sam CPU jest zbyt wolny.
Czy mój tekst pozostaje prywatny w Chatterbox?
Tak. Model działa w karcie przeglądarki; tekst nigdy nie trafia na serwer.
Czy mogę używać dźwięku z Chatterbox komercyjnie?
Przed użyciem komercyjnym sprawdź aktualne warunki modelu, głosu i danych. Katalog podaje MIT dla tego modelu.