Áudio

Chatterbox Clonagem de Voz

Envie um clipe curto de voz, escreva as palavras e transfira um WAV de 24 kHz nessa voz.

Chatterbox by Resemble AI

Licenças do modelo

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.

Licença incluída

Aviso

GratuitoOnlineIlimitadoChatterbox by Resemble AI Acesso à API

Referência da API

Submeter via REST

Utilize a sua chave de API pessoal (msk_…) para criar tarefas para esta carga de trabalho a partir das suas próprias ferramentas. As tarefas iniciadas desta forma são executadas nos mesmos dispositivos que ligou em Os seus dispositivos — pelo menos um tem de estar online.

Ocultar detalhes da API
POSThttps://cp.meshlabs.cloud/v1/organizations/jobs

Autentique-se com X-Organization-Api-Key: msk_your_personal_api_key. O nome do cabeçalho é o mesmo das chaves de organização; as chaves pessoais utilizam o mesmo endpoint.

Ficheiros de entrada:Chame POST https://cp.meshlabs.cloud/v1/organizations/job-inputs/presign com a mesma chave de API, carregue o seu ficheiro para o upload_url devolvido e depois passe download_url em job_spec (por exemplo, como input_image_url).

Corpo do pedido

{
  "workload_type": "chatterbox-tts",
  "job_spec": {
    "prompt": "A photorealistic lighthouse at dusk",
    "max_new_tokens": 256,
    "repetition_penalty": 1.2
  }
}

Campos de job_spec

CampoObrigatórioPredefiniçãoDescrição
promptSim—Texto em inglês a dizer. Tags paralinguísticas como [laugh] e [chuckle] são mantidas como tokens quando existem no tokenizador publicado.
input_audio_urlNão—Clipe de referência a clonar. Opcional — trabalhos do catálogo sem clipe usam o ficheiro de exemplo default_voice.wav incluído, não uma gravação do utilizador. Envie um ficheiro ou grave neste dispositivo; não os dois.
max_new_tokensNão256Limite de tokens de fala amostrados após o token inicial.
repetition_penaltyNão1.2O valor predefinido oficial de generation_config é 1.2.

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}

Consulte com a mesma chave de API até status ser terminal (COMPLETED, FAILED, CANCELED ou MODERATION_BLOCKED). Quando a moderação de conteúdos está ativada, as tarefas podem começar em MODERATION_PENDING antes de entrarem na fila de computação. As tarefas concluídas incluem valores download_url pré-assinados em cada resultado.

Resposta de criação

{
  "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"
}

Resposta de conclusão

{
  "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>"
}

Envie um clipe de referência e as palavras que quer ouvir. O Chatterbox clona essa voz e transfere um WAV de 24 kHz — clonagem de voz grátis nos dispositivos que liga. Ele funciona em inglês e o modelo tem licença MIT. Ele clona um clipe fornecido por si; não inventa a voz de uma celebridade e não é um estúdio em setenta idiomas. A primeira execução transfere o modelo para os seus dispositivos.