ChatterBoxTTSオープンソースのテキスト・トゥ・スピーチサービスにカスタマイズ可能なボイス設定とゼロショットのボイス・クライングが可能。

Chatterbox TTSは、Resemble AIによって作成されたオープンソースのテキスト・トゥ・スピーチモデルで、書き言葉を自然な感じで声のように聴くことができます。無料で、Webベースのインターフェースで使うことができ、登録やクレジットカードの情報が必要なくなるため、コンテンツ・クリエーター、開発者、一般ユーザーなど、すぐに必要なボイス・シンセシスに適しています。 サポートする言語とボイススタイルは多数あります。ユーザーは最長500文字のテキストを入力し、オプションで30秒以内の50MB以下の参照オーディオクリップをアップロードしてゼロショットのボイス・クライングを実現することもできます。これは、特定のスピーカーの声を模倣するためにシステムをトレーニングしなくても、システム自体が特定のスピーカーの声を複製できることを示しています。 Chatterbox TTSでは、感情の強度、ピッチ、ボイススタイル、誇張、CFG（コンテキストフリー・ゲート）ウェイト（ペース）、温度、ランダム・シードなど、多数のカスタマイズが可能です。これらのパラメーターは、声質の発声のレベルを制御し、ニュートラルなナレーションから高感動のナレーションまで、出力するトークの発音の調子やペースなどの細かい調節が可能です。 生成されたオーディオは秒単位で生成され、責任あるAIの使途を示すためにウォーター・マークが付加されます。ユーザーは、WAVやMP3などの一般的なフォーマットで結果をダウンロードできるため、ポッドキャスト、ゲーム、E-learningのモジュール、または仮想アシスタントなどの入力用途に適しています。 プラットフォームの特徴は、ゼロコストのアクセス、オープンソースの基盤、フィクスボイスの制御の柔軟性にある。欠点は、一時的で限られたテキスト入力の制限、すべての出力につきウォーター・マーク、最小限度の拡張値の誇張が使用された場合に出力を不安定にする可能性などが挙げられる。このサービスは、主にWebツールであるため、より深いAPI統合には関連する追加開発が必要となる。