WebGPU 旗艦

Chatterbox：規格與需求

Chatterbox 是 Resemble AI 的 5 億參數模型，也是可在瀏覽器執行的最高品質開放 TTS，幾秒麥克風錄音即可零樣本複製聲音。需要透過 WebGPU 使用實際 GPU，並一次下載約 1.5 GB，但輸出可媲美付費雲端服務。

Chatterbox仍在整合，下方可查看規格與硬體評估。目前可用可用模型，也可透過相容性檢查判斷裝置能否執行Chatterbox。

規格

開發者Resemble AI
參數500百萬
下載大小1550 MB (q4 混合)
輸出24.0 kHz mono
聲音1
語言英文 (美國)
聲音複製是
串流生成否
授權條款MIT
速度桌面 GPU 配合 WebGPU 接近即時；CPU 上不實用。
執行環境需要WebGPU

來源：onnx-community/chatterbox-ONNX

優點

  • +可在瀏覽器執行的開放模型中品質最佳
  • +用 5–10 秒樣本複製聲音，全程本機完成
  • +標準 MIT 授權

限制

  • −需要 WebGPU 和約 8 GB 記憶體，桌面級硬體
  • −首次使用前需下載 1.5 GB

Chatterbox常見問題

Chatterbox免費嗎？

是的，權重採用MIT授權，在你的裝置上執行。

Chatterbox需要什麼硬體？

需要支援WebGPU的瀏覽器與GPU（Chrome/Edge、Safari 26+、Firefox 141+），以及約8 GB記憶體。僅用CPU速度過慢，無法實用。

使用Chatterbox時我的文字會保持私密嗎？

是的。模型在瀏覽器分頁內執行，文字絕不傳送至伺服器。

Chatterbox產生的音訊可以商用嗎？

商用前請審閱模型、聲音與來源資料集的最新條款。目錄為此模型列出的授權是MIT.