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

モデルのライセンス

Chatterbox-Turbo official fp32 ONNX and associated tokenizer/config assets · MIT

Retain the MIT copyright and permission notice. The original publisher model-card limitations and acknowledgements are preserved in the accompanying notice.

同梱ライセンス

通知

無料オンライン無制限Chatterbox by Resemble AI API アクセス

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。

API の詳細を非表示
POSThttps://cp.meshlabs.cloud/v1/organizations/jobs

X-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。

入力ファイル:同じ API キーで 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
  }
}'
GEThttps://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。