音声
Chatterbox ボイスクローン
短い音声クリップをアップロードし、話させたい言葉を入力して、その声の 24 kHz WAV をダウンロード。
Chatterbox by Resemble AI
API リファレンス
REST で送信
個人用 API キー(msk_…)を使うと、ご自身のツールからこのワークロードのジョブを作成できます。この方法で開始したジョブは、あなたのデバイス で接続したのと同じデバイスで実行されます。少なくとも 1 台がオンラインである必要があります。
https://cp.meshlabs.cloud/v1/organizations/jobsX-Organization-Api-Key: msk_your_personal_api_key で認証します。ヘッダー名は組織キーと同じで、個人キーも同じエンドポイントを使用します。
POST https://cp.meshlabs.cloud/v1/organizations/job-inputs/presign を呼び出し、返された upload_url にファイルをアップロードしてから、job_spec に download_url を渡します(例:input_image_url として)。リクエストボディ
{
"workload_type": "chatterbox-tts",
"job_spec": {
"prompt": "A photorealistic lighthouse at dusk",
"max_new_tokens": 256,
"repetition_penalty": 1.2
}
}job_spec のフィールド
| フィールド | 必須 | デフォルト | 説明 |
|---|---|---|---|
prompt | はい | — | 読み上げる英語のテキスト。[laugh] や [chuckle] などの準言語タグは、公開されているトークナイザーに存在する場合、トークンとしてそのまま保持されます。 |
input_audio_url | いいえ | — | クローンする参照クリップ。任意です。クリップなしのカタログジョブでは、ユーザーの録音ではなく、同梱の default_voice.wav フィクスチャが使われます。ファイルのアップロードかこのデバイスでの録音のどちらか一方を選んでください。 |
max_new_tokens | いいえ | 256 | 開始トークンの後にサンプリングされる音声トークン数の上限。 |
repetition_penalty | いいえ | 1.2 | 公式の generation_config の既定値は 1.2 です。 |
cURL
curl -X POST https://cp.meshlabs.cloud/v1/organizations/jobs \
-H "X-Organization-Api-Key: msk_your_personal_api_key" \
-H "Content-Type: application/json" \
-d '{
"workload_type": "chatterbox-tts",
"job_spec": {
"prompt": "A photorealistic lighthouse at dusk",
"max_new_tokens": 256,
"repetition_penalty": 1.2
}
}'https://cp.meshlabs.cloud/v1/organizations/jobs/{job_id}status が終了状態(COMPLETED、FAILED、CANCELED、MODERATION_BLOCKED)になるまで、同じ API キーでポーリングします。コンテンツモデレーションが有効な場合、ジョブはコンピュートキューに入る前に MODERATION_PENDING から始まることがあります。完了したジョブには、各出力に署名済みの download_url の値が含まれます。
作成時のレスポンス
{
"id": "3fa85f64-5717-4562-b3fc-2c963f66afa6",
"workload_type": "chatterbox-tts",
"status": "PENDING",
"job_spec_json": {
"prompt": "A photorealistic lighthouse at dusk",
"max_new_tokens": 256,
"repetition_penalty": 1.2
},
"work_units": [],
"outputs": [],
"created_at": "2026-06-08T12:00:00Z",
"updated_at": "2026-06-08T12:00:00Z"
}完了時のレスポンス
{
"id": "3fa85f64-5717-4562-b3fc-2c963f66afa6",
"workload_type": "chatterbox-tts",
"status": "COMPLETED",
"job_spec_json": {
"prompt": "A photorealistic lighthouse at dusk",
"max_new_tokens": 256,
"repetition_penalty": 1.2
},
"work_units": [
{
"id": "…",
"index": 0,
"status": "COMPLETED"
}
],
"outputs": [
{
"id": "…",
"output_type": "<output type>",
"filename": "<output filename>",
"size_bytes": 524288,
"download_url": "<presigned output download URL>"
}
],
"created_at": "2026-06-08T12:00:00Z",
"updated_at": "<completion timestamp>"
}参照用のクリップと、話させたい言葉をアップロードしてください。Chatterbox がその声をクローンし、24 kHz の WAV をダウンロードできます。接続したデバイスで無料のボイスクローンです。対応言語は英語で、モデルは MIT ライセンスです。クローンするのはご自身が用意したクリップの声であり、有名人の声を作り出すことはなく、70 言語に対応するスタジオでもありません。初回はお使いのデバイスにモデルをダウンロードします。