音频

Chatterbox 声音克隆

上传一段简短的声音片段,输入文字,下载用该声音朗读的 24 kHz WAV。

Chatterbox by Resemble AI

模型许可证

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.

随附许可证

声明

免费在线无限Chatterbox by Resemble AI API 访问

API 参考

通过 REST 提交

使用您的个人 API 密钥(msk_…),从您自己的工具为此工作负载创建任务。以这种方式启动的任务会在您于您的设备中连接的同一批设备上运行——至少需要有一台在线。

隐藏 API 详情
POSThttps://cp.meshlabs.cloud/v1/organizations/jobs

使用 X-Organization-Api-Key: msk_your_personal_api_key 进行身份验证。该请求头名称与组织密钥相同;个人密钥使用相同的端点。

输入文件:使用同一 API 密钥调用 POST https://cp.meshlabs.cloud/v1/organizations/job-inputs/presign,将文件上传到返回的 upload_url,然后在 job_spec 中传入 download_url(例如作为 input_image_url)。

请求体

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

job_spec 字段

字段必填默认值说明
prompt是—要朗读的英文文本。当已发布的分词器中存在 [laugh]、[chuckle] 等副语言标签时,它们会作为 token 保留。
input_audio_url否—要克隆的参考片段。可选:未提供片段的目录任务会使用内置的 default_voice.wav 样例,而不是用户录音。可上传文件或在本设备上录音,二者只能选其一。
max_new_tokens否256起始 token 之后采样的语音 token 数上限。
repetition_penalty否1.2官方 generation_config 默认值为 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}

使用同一 API 密钥轮询,直到 status 进入终态(COMPLETED、FAILED、CANCELED 或 MODERATION_BLOCKED)。启用内容审核时,任务可能会先处于 MODERATION_PENDING 状态,然后才进入计算队列。已完成的任务会在每个输出上包含预签名的 download_url 值。

创建响应

{
  "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"
}

完成响应

{
  "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>"
}

上传一段参考声音片段和想要朗读的文字。Chatterbox 会克隆该声音并下载 24 kHz WAV,在您连接的设备上免费克隆声音。支持英语,模型采用 MIT 许可。它克隆的是您提供的片段,不会凭空生成名人的声音,也不是支持七十种语言的录音棚。首次运行会把模型下载到您的设备上。