WebGPU 旗舰

Chatterbox：规格与要求

Chatterbox 是 Resemble AI 的 5 亿参数模型，也是可在浏览器运行的最高品质开放 TTS，几秒麦克风录音即可零样本克隆声音。需要通过 WebGPU 使用实际 GPU，并一次性下载约 1.5 GB，但输出可媲美付费云服务。

Chatterbox仍在集成，下方可查看规格与硬件评估。目前可用可用模型，也可通过兼容性检查判断设备能否运行Chatterbox。

规格

开发者Resemble AI
参数500百万
下载大小1550 MB (q4 混合)
输出24.0 kHz mono
声音1
语言英语 (美国)
声音克隆是
流式生成否
许可证MIT
速度桌面 GPU 配合 WebGPU 接近实时；CPU 上不实用。
运行环境需要WebGPU

来源：onnx-community/chatterbox-ONNX

优点

  • +可在浏览器运行的开放模型中品质最佳
  • +用 5–10 秒样本克隆声音，全程本地完成
  • +标准 MIT 许可

限制

  • −需要 WebGPU 和约 8 GB 内存，桌面级硬件
  • −首次使用前需下载 1.5 GB

Chatterbox常见问题

Chatterbox免费吗？

是的，权重采用MIT许可证，在你的设备上运行。

Chatterbox需要什么硬件？

需要支持WebGPU的浏览器及GPU（Chrome/Edge、Safari 26+、Firefox 141+），以及约8 GB内存。仅用CPU速度过慢，无法实用。

使用Chatterbox时我的文字会保持私密吗？

是的。模型在浏览器标签页内运行，文字绝不发送到服务器。

Chatterbox生成的音频可以商用吗？

商用前请审阅模型、声音及源数据集的最新条款。目录为此模型列出的许可证是MIT.