定義
Chatterbox(チャッターボックス)とは、Resemble AIが公開したオープンソースの音声合成(TTS)モデルで、短い音声から声を再現し感情の強さも調整できる技術のこと。
Chatterbox (チャッターボックス)とは（詳しく解説）
Chatterboxは、Resemble AIが2025年にオープンソース公開した音声合成(TTS)モデルで、数秒程度の参照音声だけで話者の声色を再現するゼロショット音声クローニングと、感情の強弱(エグザジェレーション)を数値パラメータで調整できる点が業界標準の商用TTSとの差別化点とされる。ライセンス上は商用利用も可能な形で提供されており、自前サーバーで動かせばAPI従量課金型のサービスより相場感としてはコストを抑えやすいとされるが、2026年時点の実運用では日本語の自然さやアクセントの精度は英語ネイティブ話者向けモデルに一歩譲るとされ、現場では日本語ナレーション用途は他モデルとの比較検証が推奨される。GPU確保や推論速度の最適化もオンプレ運用のハードルとして挙げられる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「Chatterbox (チャッターボックス)とは」 https://aipicks.jp/glossary/chatterbox
Chatterbox (チャッターボックス)の使用例
- 参照音声を数秒分用意し、読み上げテキストと感情の強弱(exaggeration)パラメータを指定して音声を生成する。
- 既存キャラクターの声で新しいセリフを読み上げさせたい場合に、声色サンプルを入力して合成する。
