Chatterbox Turbo - 文本转语音
使用 Chatterbox Turbo 从文本生成富有表现力、听起来自然的声音。快速、开源的 AI，内置水印和零样本语音克隆。
Save Your Audios
Login to save, manage and share all your generated audios
Community Audios
Chatterbox Turbo 可以做什么？
零样本语音克隆
仅需 5 秒的参考音频即可克隆任何声音。无需训练。非常适合在项目中创建一致的旁白。
副语言情感
使用基于文本的标签（例如 <laugh>、<sigh>、<cough> 和 <gasp>）添加自然的语音反应。使语音听起来真正像人声。
情感夸张控制
使用单个参数调整语音的表现力，从单调到极富表现力。 适用于任何内容语气。
内置水印
每个音频输出都包含 PerTh 水印，以实现负责任的 AI 部署。 在不影响质量的情况下跟踪 AI 生成的内容。
超快速生成
在 GPU 上比实时快 6 倍。非常适合实时应用程序、语音助手和交互式媒体。
开源且 MIT 许可
第一个不影响速度或质量的开源 TTS。 专为生产而构建，专为开发人员而设计。
如何使用 Chatterbox Turbo
- 1
输入您的文本
键入或粘贴要转换为语音的文本。 添加情感标签，例如 <laugh> 或 <sigh> 以获得自然的表达。
- 2
上传参考音频（可选）
上传 5 秒的音频来克隆任何声音。 跳过此步骤可使用默认声音。
- 3
调整设置
控制夸张程度、温度和创造力参数来微调您的语音输出。
- 4
生成并下载
点击生成并在几秒钟内收到您的高质量音频。 下载并在任何地方使用它。
常见问题
零样本语音克隆是如何工作的？
Chatterbox Turbo 仅需 5 秒的参考音频即可克隆任何声音。 只需上传您的音频文件，该模型就会匹配风格、音调和特征，而无需任何训练或微调。
支持哪些副语言标签？
Chatterbox Turbo 支持多种自然语音反应标签，包括 <laugh>、<chuckle>、<sigh>、<cough>、<sniffle>、<groan>、<yawn> 和 <gasp>。 这些标签在克隆的声音中生成自然反应，并具有匹配的情感基调。
Chatterbox Turbo 有多快？
Chatterbox Turbo 生成语音的速度比在 GPU 上实时快 6 倍。 这使其非常适合实时应用程序、语音助手和速度至关重要的交互式媒体。
什么是夸张参数？
夸张参数 (0.0-1.0) 控制语音的表现力。 较低的值会产生单调的语音，而较高的值会使语音更加生动和富有表现力。 默认值为 0.25 以实现自然的表达。
支持哪些音频格式的输入和输出？
您可以上传 MP3、WAV 或 MPEG 格式的参考音频。 Chatterbox Turbo 生成高质量的音频输出，适用于任何专业用例。
定价是如何计算的？
Chatterbox Turbo 对每 1000 个文本字符收取 6 个积分。 低于 1000 个字符的文本向上舍入到 1000 个字符。这使其成为最具成本效益的专业 TTS 解决方案之一。
内置水印有什么作用？
Chatterbox Turbo 生成的每个音频文件都包含 PerTh（感知阈值）水印。 这种深度神经网络水印以一种难以察觉的方式嵌入数据，帮助您跟踪 AI 生成的内容，以实现负责任的 AI 部署，而不会影响音频质量。
定价
提供免费套餐
- 文本转语音
- 每 1000 个字符 6 个积分
技术规格
| 输出格式 | 高品质音频 |
|---|---|
| 参考音频 | 语音克隆需要 5 秒 |
| 处理时间 | 比实时快 6 倍 |
| 成本 | 每 1000 个字符 6 个积分 |
| 夸张范围 | 0.0 - 1.0 |
| 温度范围 | 0.05 - 5.0 |
| 许可证 | MIT（开源） |
| 水印 | 内置 PerTH |