简介
开源语音合成这几年进步很快，但大多数模型做的是”读得清楚”；能做出情绪的仍然少见。
Chatterbox 是 Resemble AI 开源的模型，两个关键点：一是零样本克隆——给几秒参考音频就能模仿音色；二是情绪夸张控制——可以调出大笑、哭腔、惊讶这类带表演性的语气。
核心能力
- 零样本克隆：几秒干净参考音频即可复刻音色
- 情绪参数：exaggeration 调节情绪强度，适合有声书、短剧、游戏配音
- 中英双语：支持多语种输出，跨语言配音可用
- 开源自托管：权重与代码公开，MIT 许可可商用
适合谁
- 做有声内容、播客与短视频配音的创作者
- 对音频隐私敏感、不能走第三方 API 的团队
- 需要在产品内嵌 TTS 又不想按 token 计费的公司
使用建议
参考音频一定要干净、无背景噪声、单人说话、时长 5–10 秒最佳。参考音频的质量几乎决定了最终效果的上限。
同时提醒：声音克隆本身有明确的法律与伦理红线，务必取得声音本人的书面授权，不要用于冒充他人。
价格
开源免费，算力自备。
优缺点
优点：情绪表现与零样本克隆结合得好，且可商用。
缺点：长文本的稳定性、断句自然度与顶级闭源服务仍有差距。
