Chatterbox
Resemble AI · États-Unis
- Poids ouverts
- Licence : MIT
En bref : 76e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un peloton de 5 modèles que la marge d'erreur ne permet pas de séparer ; 28e sur 38 en synthèse vocale en anglais (TTS Arena).
Présentation
Modèle de synthèse vocale ouvert de Resemble AI, sous licence MIT, qui clone une voix à partir de quelques secondes d'audio sans entraînement. Il se distingue par un réglage de l'intensité émotionnelle et marque chaque fichier produit d'un filigrane audio imperceptible (PerTh). Lu sur resemble.ai, le 17/10/2026.
- Sortie
- 28 mai 2025 selon Artificial Analysis
- Taille
- 500 millions de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : anglais seulement (en). Lu sur huggingface.co.
- Évaluées par nos sources : anglais.
- Le français : absent des langues annoncées par l'éditeur ; pas évalué en français par nos sources.
Ses 2 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En anglais · Synthèse vocale
Synthèse vocale en anglais, Artificial Analysis
76e sur 96Elo 1 026, intervalle 1 015 à 1 037, 4 697 votes
Prix : 25 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
- En anglais · Synthèse vocale
Synthèse vocale en anglais, TTS Arena
28e sur 38Elo 1 476, intervalle 1 456 à 1 496, 1 784 votes
Source : TTS Arena V2, TTS-AGI · relevé du 19 octobre 2026.
Modèles proches
- Synthèse vocale en anglais, Artificial Analysis : devant, T2A-01-Turbo (74e, 1 030) · derrière, Lightning v3.1 (77e, 1 024)
- Synthèse vocale en anglais, TTS Arena : devant, Eleven v3 (27e, 1 496) · derrière, Voice.ai Text to Speech V1 (29e, 1 483)
Comment lire ces chiffres
Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.
D'où vient cette fiche
- Nom dans les sources
- Artificial Analysis :
Chatterbox; TTS Arena V2 :Chatterbox - Fiche
- Registre de QUELLE IA, lu sur https://huggingface.co/ResembleAI/chatterbox/raw/main/README.md (« license: mit »), 17/10/2026.
- Pages lues
- https://www.resemble.ai/chatterbox/ (« Chatterbox The original High quality, fast text-to-speech with emotion control and zero-shot voice cloning. »), 17/10/2026
- https://www.resemble.ai/chatterbox/ (« Built-in PerTh watermarking on every generation. »), 17/10/2026
- https://www.resemble.ai/chatterbox/ (« Clone any voice with just a few seconds of reference audio. No training required. »), 17/10/2026
- https://huggingface.co/ResembleAI/chatterbox/raw/main/README.md (« | Chatterbox | 500M | English | CFG and exaggeration tuning | General zero-shot TTS with creative controls | [Demo](https://huggingface.co/spaces/ResembleAI/Chatterbox) | »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.