初创企业 resemble ai 已在 mit 开源协议下正式发布其全新文本转语音模型——“chatterbox turbo”。该模型在语音合成能力上取得重大进展：仅依赖5秒长的参考语音样本，即可高保真复刻目标人声；更令人瞩目的是，它能在150毫秒内完成首段音频的生成与输出。
如此超低延迟的响应特性，使其特别适用于实时 AI 助理、智能客服系统、可交互的动态游戏 NPC、数字人形象以及社交应用中的即时语音互动等场景。Resemble AI 表示，Chatterbox Turbo 在音质自然度与表达连贯性方面已优于当前主流闭源方案，为开发者带来更接近真人语感的语音合成体验。
在安全与合规层面，该模型集成了名为“PerTh”的神经水印技术，专为金融、医疗等强监管行业设计，可自动嵌入并验证语音内容是否由 AI 生成，从而增强对语音伪造行为的识别与防控能力。
现阶段，Resemble AI 不仅开放了完整源代码，还同步上线了云托管服务，并预告将在不久后推出延迟进一步压缩的新版本，力图借力开源协作生态，推动语音合成技术走向更高性能、更广普及与更强可信的新阶段。
源码地址：点击下载
