Chatterbox sin conexión, clonación de voz, 20 idiomas
Dobla tus subtítulos en 20 idiomas con Chatterbox de Resemble AI, con la propia voz de cada hablante clonada a partir de unos segundos del vídeo, o con una de 8 voces predefinidas. Una voz clonada habla todos los idiomas, sea cual sea el idioma del clip. Funciona en el procesador de tu propio ordenador, aproximadamente en tiempo real, sin tarjeta gráfica.
Ajustes Complementos Chatterbox (offline, voice clone, 20 languages) Instalar
Subtitld lo descarga, comprueba su SHA-256 y lo mantiene actualizado.
- Idiomas
- 20
- Modelos
- 2
- Voces
- 9
- Descarga del complemento
- 39–62 MB
- RAM, como mínimo
- 2 GB
Escuchar
Qué hace
Subtitld recorta del vídeo unos segundos de cada hablante y los envía con cada línea. Chatterbox clona esa voz en cualquiera de sus 20 idiomas, así que un actor portugués puede doblarse al alemán y seguir sonando como él mismo.
Multilingual habla los 20 idiomas. Turbo solo habla inglés, suena más parecido al hablante, necesita menos memoria y lee etiquetas como [laugh] y [sigh] escritas en el subtítulo.
Funciona en el procesador aproximadamente en tiempo real, sin tarjeta gráfica: una línea de 10 segundos tarda unos 10 segundos.
El complemento es Apache-2.0, Chatterbox y sus modelos son MIT, y las voces predefinidas son lectores de LibriVox, de dominio público.
Antes de instalar
- Disco: Multilingual descarga 1,3 GB con su primera línea; Turbo, 725 MB.
- Memoria: cerca de 1,7 GB mientras habla con Multilingual, cerca de 1 GB con Turbo.
- Procesador: cualquier procesador Intel o AMD de 64 bits, o Apple Silicon. No se usa la tarjeta gráfica.
Clona una voz solo con el consentimiento de su dueño. Las versiones oficiales de Chatterbox marcan su audio con una marca de agua inaudible; este complemento no lo hace, así que la responsabilidad de cómo se use una voz clonada es tuya.
Voces
En la pestaña Hablantes, elige Chatterbox como Motor de doblaje de un hablante y luego elige una Voz. Activa Ajustar el doblaje a la duración del subtítulo para que cada línea de ese hablante se estire o se comprima hasta su subtítulo.
9 voces.
Con Speaker's own voice, Subtitld recorta una muestra de ese hablante del audio del proyecto, de uno de sus subtítulos o de varios cortos unidos. Si separaste la música de la voz en este vídeo, la muestra sale solo de la voz. El Fallback reference clip de los ajustes del complemento solo se usa cuando no se puede recortar ninguna muestra. La mejor muestra son de 5 a 20 segundos del hablante solo, sin música ni otras voces; el complemento usa sus primeros 10 segundos.
| Voces predefinidas | |
|---|---|
| Mujeres | Inglés, portugués, francés, alemán |
| Hombres | Inglés, portugués, francés, alemán |
Cada voz predefinida es un voluntario de LibriVox que lee un libro en ese idioma, los mismos lectores que en el complemento Sopro. Todas las voces predefinidas hablan los 20 idiomas; su propio idioma solo les da un acento, así que elige la más cercana al idioma de tu proyecto para el doblaje más natural.
Modelos
Ninguno de los dos modelos viene dentro del complemento: el que uses se descarga en la caché de modelos compartida de Subtitld la primera vez que doblas, desde Hugging Face en una revisión fija, con cada archivo comprobado. Una descarga interrumpida continúa donde se quedó. Actualizar o quitar el complemento conserva los modelos.
| Modelo | Idioma | Descarga | Ideal para |
|---|---|---|---|
| Chatterbox Multilingual (0.5B, 4-bit ONNX) Predeterminado multilingual | | Los 20 idiomas; el predeterminado | |
| Chatterbox Turbo (350M, 4-bit ONNX, English) turbo | en | Solo inglés: más parecido al hablante, menos memoria, y lee [laugh], [sigh] y [cough] |
El complemento ejecuta exportaciones de Chatterbox a ONNX, sin PyTorch. En nuestra prueba de 10 frases en inglés, portugués, francés, alemán, español, italiano, ruso y polaco, cada una clonada a partir de dos voces, Multilingual se equivocó en el 2,4 % de las palabras y sonó parecido al hablante; Turbo no falló ninguna en inglés y sonó aún más parecido.
Opciones
En Ajustes › Complementos › Chatterbox (offline, voice clone, 20 languages) › Configurar.
multilingualTurbo solo habla inglés. Con Turbo elegido, las líneas en otros idiomas las dice Multilingual. Solo hay un modelo en memoria a la vez.
0.5Solo Multilingual: cuánta emoción pone la voz. 0,5 es el valor predeterminado del propio Chatterbox; uno más alto es más dramático y suele hablar más rápido.
00 usa la mitad de los procesadores lógicos del ordenador, como máximo 8. Menos hilos mantienen el ordenador más ágil mientras dobla.
Un clip para la voz clonada cuando Subtitld no puede recortar uno del vídeo, por ejemplo sin ningún vídeo abierto: de 5 a 20 segundos de una persona hablando.
Idiomas
Alemán, árabe, coreano, danés, español, finlandés, francés, griego, hindi, inglés, italiano, malayo, neerlandés, noruego, polaco, portugués, ruso, suajili, sueco y turco. Un proyecto en cualquier otro idioma recibe un mensaje que lo indica: elige otro motor de doblaje para él.
Chatterbox también tiene hebreo, japonés y chino, que el complemento deja fuera: el hebreo necesita un segundo modelo que añada sus signos vocálicos, el japonés necesita un conversor cuya licencia no permite incluirlo, y el chino salió ininteligible en nuestras pruebas.
Escribe los números y los símbolos con letras cuando importe. Una línea se dice de una sola vez, hasta 40 segundos de habla.
ardadeelenesfifrhiitkomsnlnoplptrusvswtr
Plataformas
| Sistema | Descarga | Probado |
|---|---|---|
| Linux x86-64 | 62.5 MB | Doblado con los dos modelos en una máquina real y en el propio Subtitld |
| macOS (Apple silicon) | 43.7 MB | En CI, el complemento instalado descarga un modelo y dobla con él (Apple Silicon) |
| Windows x86-64 | 38.7 MB | En CI, el complemento instalado descarga un modelo y dobla con él |
Linux x86-64, macOS en Apple Silicon y Windows x86-64. Cada versión se compila en los tres, y en cada uno la CI instala el complemento como lo hace Subtitld, descarga un modelo y dobla con él.
Solución de problemas
network_unavailableNo se pudo descargar el modelo. Comprueba tu conexión y vuelve a intentarlo: la descarga continúa donde se quedó.disk_fullNo hay espacio en disco suficiente para el modelo: 1,3 GB para Multilingual, 725 MB para Turbo.unsupported_languageEl idioma del proyecto no es uno de los 20, o no está definido. Defínelo en el proyecto, o elige otro motor de doblaje.unsupported_voiceEl proyecto indica una voz que esta versión no tiene. Vuelve a elegir la voz en la pestaña Hablantes.bad_paramsLa línea no tiene texto, o la voz clonada no recibió ninguna muestra: abre el vídeo, o define un Fallback reference clip. El mensaje dice cuál de los dos.out_of_memoryEl ordenador se quedó sin memoria. Cierra otros programas, o elige Turbo para inglés: necesita cerca de 1 GB.internalAlgo falló dentro del complemento; el mensaje tiene los detalles.
Licencia
Apto para uso comercial: el complemento es Apache-2.0, y Chatterbox y los dos modelos son MIT. Las voces predefinidas son grabaciones de LibriVox, de dominio público; las de inglés llegan a través de LibriTTS-R, bajo CC-BY-4.0, y el complemento da crédito a cada una. Los doblajes que hagas son tuyos.
Versiones
- 26.10.1
Voice-cloning text-to-speech for Subtitld with Resemble AI's Chatterbox: 20 languages at 24 kHz with Chatterbox Multilingual, or English with Chatterbox Turbo, in the speaker's own voice cloned from the video, or in a preset voice.
The archive holds the add-on, ONNX Runtime and the preset voice clips. A model (Multilingual 1.3 GB, Turbo 0.7 GB) downloads on its first line, at a pinned revision, checked by sha256. It runs on the CPU at about real time.
The add-on is Apache-2.0; the Chatterbox models are MIT. Each archive carries
THIRD_PARTY_LICENSES/with the licence of everything frozen into it, and the preset clips are credited inbin/_internal/chatterbox_addon/presets/README.md. The Linux archive carries libquadmath (LGPL-2.1, with numpy); its complete source ischatterbox-<version>-libquadmath-source.tar.gzin this release.
Otros complementos de Voces
-
Piper Sin conexión
158 voces sin conexión en 49 idiomas, cada una una descarga pequeña aparte.
-
Kokoro Sin conexión
54 voces sin conexión en nueve idiomas, todas de un único modelo de 82 MB.
-
Supertonic Sin conexión
Diez voces sin conexión, cada una capaz de hablar los 31 idiomas del modelo.
-
sanoTTS Sin conexión
Voces sin conexión diminutas, 28 en 14 idiomas, cada una de menos de 10 MB.
-
Parler-TTS Sin conexión
Voces en inglés que siguen una descripción escrita; 34 hablantes con nombre.
-
Qwen3-TTS Clonación
Diez idiomas, nueve voces y clonación desde 3 segundos de un hablante.
-
Coqui XTTS Clonación
Clonación de voz en 16 idiomas, con licencia de modelo no comercial.
-
F5-TTS Clonación
Solo clonación de voz, en inglés y chino; modelo no comercial.
-
VoxCPM2 Clonación
30 idiomas a 48 kHz, con la propia voz del hablante o una descrita. Pesado.
-
Pocket TTS Sin conexión
Rápido y ligero, solo CPU. 23 voces en siete idiomas europeos.
-
Sopro Clonación
La propia voz del hablante, rápido en una CPU. Cuatro idiomas.
-
KittenTTS 2 Clonación
La propia voz del hablante en 16 idiomas, en una CPU. Pesos bajo una licencia restrictiva.
-
Ming-3.0-tts Clonación
7 idiomas a 44,1 kHz: voces clonadas, integradas o descritas, con emoción. Pesado.
-
Scylla's Band Sin conexión
Catorce voces en seis idiomas, ligero y rápido en una CPU. Solo voces predefinidas.
-
Audio8 TTS Clonación
La propia voz del hablante en 23 idiomas, cantonés y árabe incluidos. Lento en una CPU.
-
Inflect Sin conexión
Voz natural en inglés con un modelo diminuto, rápido en cualquier CPU.
-
Paradee Sin conexión
Cuatro voces naturales en inglés, americanas y británicas, con un solo modelo de 8,5 MB.
-
BlueTTS Clonación
Hebreo y yidis, y cinco idiomas más. La propia voz del hablante, rápido en una CPU.
-
ZONOS3-Mini Clonación
43 idiomas, del árabe al vietnamita. La propia voz del hablante, en una CPU.
-
Reverb Clonación
Siete idiomas europeos y la propia voz del hablante, en una CPU; modelo no comercial.
-
OmniVoice Clonación
646 idiomas, la propia voz del hablante de un idioma a otro; modelo no comercial.
-
VoxMel Clonación
Inglés y chino mandarín, con clones fieles de la propia voz del hablante.
-
tiny-voca Sin conexión
Dos voces en inglés americano con un modelo de 4,5 millones de parámetros, sin nada que descargar.