Chatterbox Multilingual V3

💻 Requisitos del sistema

🧠RAM

Se recomienda GPU NVIDIA de 4 GB o más; CPU y Apple MPS son compatibles pero más lentos. En H100, TTFB <300 ms y RTF ~5×

💾Almacenamiento

Unos 500 MB por modelo de 0,5B; 4–5 GB con el paquete completo y Language Packs

⚡ Instalación

4-1. Inicio rápido

pip install chatterbox-tts

4-2. Uso básico (Multilingual V3)

from chatterbox.mtl_tts import ChatterboxMultilingualTTS

model = ChatterboxMultilingualTTS.from_pretrained(device="cuda", t3_model="v3")
wav = model.generate(
    "Bonjour, comment allez-vous aujourd'hui?",
    language_id="fr",
    audio_prompt_path="ref_speaker.wav"
)

4-3. Variante Turbo (inglés de baja latencia)

from chatterbox.tts_turbo import ChatterboxTurboTTS

model = ChatterboxTurboTTS.from_pretrained(device="cuda")
wav = model.generate(
    "Hi there [chuckle], have you got a minute?",
    audio_prompt_path="ref_clip.wav"
)

4-4. Instalación desde el código fuente

git clone https://github.com/resemble-ai/chatterbox.git
cd chatterbox
pip install -e .

🧬 Casos de uso en biociencias

🔬

Agentes de voz multilingües

Integra V3 en un chatbot de atención para generar respuestas en francés, alemán y español; NVIDIA NIM permite cientos de sesiones y PerTh aporta trazabilidad.

🧬

Automatización de audiolibros y podcasts

Clona al narrador con 5–20 segundos de audio y convierte textos largos en voz natural, ajustando Exaggeration ≥ 0,7 y CFG weight 0,3 para el ritmo.

💊

Contenido de voz conforme a la EU AI Act

Inserta automáticamente marcas PerTh en toda voz generada, manteniendo detección tras compresión MP3, códecs telefónicos y edición.

FAQ

¿Qué es Chatterbox Multilingual V3?

Chatterbox Multilingual V3, publicado por Resemble AI el 10 de junio de 2026, convierte texto en voz natural en 25 idiomas. Clona voces con muestras de 5–20 segundos y permite controlar la expresividad mediante Classifier-Free Guidance y Exaggeration. Su licencia MIT permite despliegues comerciales sin cuotas; incorpora marcas de agua PerTh inaudibles que sobreviven a compresión y edición y ayudan a cumplir el artículo 50 de la EU AI Act. Con 36.700 horas de datos mejora la estabilidad y similitud del hablante; H100 logra TTFB inferior a 300 ms.

¿Cuándo debería usar Chatterbox Multilingual V3?

Modelo TTS open source multilingüe de 0,5B parámetros basado en Llama

¿Cuál es un caso de uso biomédico de Chatterbox Multilingual V3?

Agentes de voz multilingües: Integra V3 en un chatbot de atención para generar respuestas en francés, alemán y español; NVIDIA NIM permite cientos de sesiones y PerTh aporta trazabilidad.

📄 Documentación oficial 🐙 GitHub

📝 Notas de actualización

Aún no hay notas de actualización.

BioPlayground