Qu’est-ce que Chatterbox ?
Chatterbox est une famille de modèles ouverts de synthèse vocale de Resemble AI, publiés sous licence MIT. Le modèle phare actuel, Chatterbox Multilingual V3, compte 0,5 milliard de paramètres sur une base Llama et couvre 23 langues, avec des versions affinées séparées pour le chinois, l'hindi et l'espagnol et le portugais régionaux. Chatterbox-Turbo, un modèle anglais de 350 millions de paramètres sorti en décembre 2025, vise les agents vocaux à faible latence et accepte des balises comme [laugh] et [cough] ; Chatterbox-Nano, à 110 millions, tourne sur un CPU.
Toutes les variantes clonent une voix à partir d'un court extrait de référence, et le modèle d'origine ajoute un réglage d'« exagération » pour l'intensité émotionnelle. Resemble indique que les modèles ont été entraînés sur 0,5 million d'heures d'audio nettoyé. La page principale sur Hugging Face recense environ 1,8 million de téléchargements le mois dernier.
Combien coûte Chatterbox ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Self-hosted | Free | Licence MIT |
| Hosted Chatterbox | $25 per million characters | Tarif relevé par Artificial Analysis |
| Chatterbox HD (Resemble) | $40 per million characters | Tarif relevé par Artificial Analysis |
Gratuit sous licence MIT. Artificial Analysis indique Chatterbox hébergé à 25 $ et Chatterbox HD de Resemble à 40 $ par million de caractères.
Chatterbox vaut-il le coup ?
On choisit Chatterbox pour sa licence et son filigrane, pas pour son rendu. Dans l'arène d'Artificial Analysis, le modèle ouvert se classe 78e sur 98 avec 1 024 Elo, sous les 1 065 de Kokoro, tandis que Drama 3 Preview de Fish Audio mène les modèles ouverts à 1 248. Chatterbox HD hébergé par Resemble s'en sort mieux à 1 109. L'affirmation de la fiche du modèle selon laquelle Chatterbox bat ElevenLabs repose sur la propre comparaison Podonos de Resemble, pas sur une arène indépendante.
Contre les abus, il en fait plus que la plupart des modèles ouverts. Chaque extrait porte le filigrane Perth de Resemble, qui selon l'entreprise survit à la compression MP3 et au montage avec une détection de près de 100 %, et le dépôt fournit un court script qui le relit sous forme de 0.0 ou 1.0. La protection a ses limites : le filigrane est appliqué dans du code ouvert que n'importe qui peut modifier, la seule politique d'usage est un avertissement d'une ligne (« Don't use this model to do bad things »), et rien ne vérifie le consentement avant qu'une voix soit clonée.
La famille couvre désormais une gamme de matériel plus large que la plupart des projets TTS ouverts. Nano, à 110 millions de paramètres, tourne trois fois plus vite que le temps réel sur huit cœurs CPU ; Turbo, à 350 millions, distille le décodeur de dix étapes à une pour les agents vocaux ; Multilingual V3 gère 23 langues à 500 millions. Un piège pour les ingénieurs : le chargeur multilingue utilise encore par défaut l'ancien checkpoint V2, sauf si vous passez t3_model="v3".
Le volet latence est plus mince que ne le suggère le marketing. Le chiffre « sub 200ms » des fiches de modèles décrit le service hébergé payant de Resemble, et aucun chiffre de latence ou de VRAM n'est publié pour les poids ouverts. Le clonage entre langues demande aussi du soin : si la langue de l'extrait de référence diffère de la cible, la sortie reprend l'accent de l'extrait, sauf si CFG est réglé à zéro.
Là où il fait la différence
Une start-up d'agents vocaux qui fait tourner des bots téléphoniques en anglais sur ses propres GPU
Prononcer les réponses avec une voix de marque clonée sans frais au caractère
Faire tourner Turbo, dont le décodeur en une étape est conçu pour les agents, à partir d'un extrait de référence d'une dizaine de secondes. L'auto-hébergement n'entraîne aucun coût au caractère ; au tarif de 40 $ par million de caractères relevé par Artificial Analysis pour Chatterbox HD hébergé, 50M de caractères par mois coûteraient 2 000 $.
Un responsable trust and safety dans une entreprise de médias qui utilise une narration synthétique
Prouver quels extraits audio proviennent de la propre chaîne de l'entreprise
Passer le détecteur Perth sur l'audio sortant et contesté ; il renvoie 1.0 pour les fichiers filigranés. Comme le filigrane est appliqué dans du code ouvert, il marque l'usage honnête plutôt qu'il n'arrête un faussaire déterminé.
Une entreprise d'e-learning qui localise des cours en hindi, espagnol et portugais
Garder la voix d'un même narrateur d'une langue à l'autre
Charger Multilingual V3 avec t3_model="v3", ou les versions affinées pour l'hindi, l'espagnol d'Amérique latine et le portugais du Brésil, et régler CFG à zéro quand l'extrait de référence est dans une autre langue pour éviter que l'accent ne déteigne.
Un développeur qui construit une application de lecture hors ligne pour ordinateurs portables
Générer de la parole sur CPU sans serveur
Chatterbox-Nano se charge via la classe Turbo avec nano=True et tourne trois fois plus vite que le temps réel sur huit cœurs CPU, selon Resemble. Il est uniquement anglais, les applications multilingues ont donc toujours besoin du modèle de 500M.
Avant de vous engager
- Mise en route
- pip install chatterbox-tts ; Resemble teste sur Python 3.11 et Debian 11, et les modèles tournent sur CUDA, CPU ou Apple MPS. Le clonage exige un extrait de référence ; l'exemple utilise une dizaine de secondes.
- Intégrations
- Paquet Python et poids sur Hugging Face ; fal est indiqué comme fournisseur d'inférence, et Resemble vend un Chatterbox HD hébergé à latence plus faible.
- Données et confidentialité
- Auto-hébergé, si bien que texte et audio de référence restent en local. Licence MIT sans limite de chiffre d'affaires ; la seule politique d'usage est « Don't use this model to do bad things », et il n'y a aucune vérification du consentement pour les voix clonées.
- Coût à grande échelle
- Poids gratuits ; le coût est le calcul, et Nano tourne sur CPU. Artificial Analysis indique Chatterbox hébergé à 25 $ et Chatterbox HD à 40 $ par million de caractères, contre 0,65 $ pour Kokoro hébergé.
- Limites
- Ni latence, ni VRAM, ni longueur maximale de texte publiées pour les modèles ouverts. Turbo et Nano sont uniquement anglais, et des langues de référence et de cible différentes font déteindre l'accent sauf si CFG vaut zéro.
Les points forts
- Licence MIT, usage commercial compris
- Filigrane Perth sur chaque extrait, avec un script de détection
- Nano (110M) tourne 3x plus vite que le temps réel sur 8 cœurs CPU
- 23 langues dans Multilingual V3, plus des versions affinées pour les dialectes
Les points faibles
- 78e sur 98 dans l'arène d'Artificial Analysis pour le modèle ouvert
- Aucune vérification du consentement avant de cloner une voix
- Aucun chiffre de latence ou de VRAM publié pour les modèles ouverts
- Le chargeur multilingue utilise V2 par défaut sauf indication contraire
Idéal pour
Les équipes qui ont besoin d'un clonage de voix ouvert utilisable commercialement, avec marquage de provenance, et acceptent une qualité vocale de milieu de tableau.
Alternatives à Chatterbox
Chatterbox : questions fréquentes
- Chatterbox vaut-il le coup ?
- Chatterbox est le cloneur de voix ouvert qu'une équipe conformité peut valider, grâce à son filigrane, mais pas celui qu'un auditeur choisirait. Nous lui donnons 3.7 sur 5.
- Combien coûte Chatterbox ?
- Gratuit sous licence MIT. Artificial Analysis indique Chatterbox hébergé à 25 $ et Chatterbox HD de Resemble à 40 $ par million de caractères.
- Quels sont les inconvénients de Chatterbox ?
- 78e sur 98 dans l'arène d'Artificial Analysis pour le modèle ouvert; aucune vérification du consentement avant de cloner une voix; aucun chiffre de latence ou de VRAM publié pour les modèles ouverts; le chargeur multilingue utilise V2 par défaut sauf indication contraire.
- À qui s’adresse Chatterbox ?
- Les équipes qui ont besoin d'un clonage de voix ouvert utilisable commercialement, avec marquage de provenance, et acceptent une qualité vocale de milieu de tableau.
- Combien coûte Chatterbox pour une équipe ou en production ?
- Poids gratuits ; le coût est le calcul, et Nano tourne sur CPU. Artificial Analysis indique Chatterbox hébergé à 25 $ et Chatterbox HD à 40 $ par million de caractères, contre 0,65 $ pour Kokoro hébergé.
- Chatterbox est-il sûr pour les données de l’entreprise ?
- Auto-hébergé, si bien que texte et audio de référence restent en local. Licence MIT sans limite de chiffre d'affaires ; la seule politique d'usage est « Don't use this model to do bad things », et il n'y a aucune vérification du consentement pour les voix clonées.
- Quelles sont les meilleures alternatives à Chatterbox ?
- Les alternatives les plus proches que nous avons testées sont Kokoro-82M, Qwen3-TTS, Eleven v4 and v4 Turbo et OmniVoice.
Réponses vérifiées le 22 oct. 2026.