Chatterbox TTS: синтез речи и клонирование голоса на GPU

Запустите Chatterbox на GPU

Откройте приложение Chatterbox, сравните доступные GPU и запустите один инстанс. Пресету требуется не менее 8 ГБ VRAM. Во время установки скачиваются окружение и веса модели; следите за логом приложения в панели инстанса.

По умолчанию запускается Chatterbox Multilingual. Когда приложение готово, нажмите Открыть интерфейс синтеза в панели. Внутренний порт сервера — 8004; его внешний адрес указан в разделе Подключение → Порты. По умолчанию сервер использует HTTP: для браузера, который разрешает только HTTPS, нужен HTTPS-прокси с доверенным сертификатом.

Послушайте записанные примеры

Две записи созданы 13 октября 2026 года в Chatterbox TTS Server 2.0.2: движок Chatterbox Multilingual, RTX 4090 с 24 ГБ VRAM, встроенный голос Emily. Это исходные WAV-файлы, полученные через API /tts запущенного приложения: 24 кГц, моно, без последующего редактирования.

• Озвучка на русском — 8,32 секунды
• Озвучка на английском — 8,32 секунды
• Входные тексты, настройки и контрольные суммы файлов

Послушать обе записи на странице Chatterbox.

Создайте запись через API

Скопируйте внешний адрес для порта 8004 из раздела подключения к инстансу. Подставьте его вместо значений-заглушек:

TTS_URL='http://YOUR_INSTANCE_IP:YOUR_MAPPED_PORT'
curl --fail "$TTS_URL/api/model-info"
curl --fail "$TTS_URL/get_predefined_voices"

Проверьте, что информация о модели содержит loaded: true, type: multilingual и device: cuda, а в списке голосов есть Emily.wav. Сохраните запрос в файл request-ru.json:

{
  "voice_mode": "predefined",
  "predefined_voice_id": "Emily.wav",
  "output_format": "wav",
  "split_text": false,
  "temperature": 0.8,
  "exaggeration": 0.5,
  "cfg_weight": 0.5,
  "seed": 42,
  "speed_factor": 1.0,
  "stream": false,
  "language": "ru",
  "text": "Добро пожаловать на демонстрацию. Сегодня мы превратим короткий сценарий в озвучку, послушаем результат и скачаем файл для монтажа."
}

Отправьте запрос приложению и сохраните ответ:

curl --fail-with-body --max-time 180 \
  -H 'Content-Type: application/json' \
  --data-binary @request-ru.json \
  "$TTS_URL/tts" \
  --output voiceover-ru.wav

Для английского языка задайте language: en и замените text на английский текст из примеров. Сохраняйте каждую версию под отдельным именем. Значение языка должно соответствовать входному тексту.

Настройки записанных примеров: seed 42, temperature 0.8, exaggeration 0.5, CFG weight 0.5, скорость 1.0, разбиение текста отключено. До обработки длинного сценария проверьте произношение, паузы и окончания предложений. Время работы и результат могут меняться в зависимости от версии движка, GPU и входных данных.

Используйте собственный образец голоса

Записанные примеры используют встроенный голос. Для клонирования выберите соответствующий режим в веб-интерфейсе и загрузите чистую запись, которую имеете право использовать. Начните с речи одного человека без музыки и шума; сравните короткий результат перед обработкой длинного сценария.

В том же интерфейсе доступны Chatterbox Original для английского и Chatterbox Turbo. Движок переключается в работающем приложении. Записи на этой странице созданы в Chatterbox Multilingual.

Сохраните файлы и завершите сеанс

Скачайте аудио, сохраните входной текст, настройки и референсную запись. После работы проверьте статус инстанса и начисления в панели. При остановке GPU диск может продолжать тарифицироваться; удаление инстанса удаляет его локальные файлы и прекращает оплату хранения этого ресурса.

Актуальные цены GPU · Пакетная озвучка и расчёт стоимости · Калькулятор GPU