Vai al contenuto principale

Chatterbox API

Senza censura — Questo modello dichiara di non applicare alcun filtro sui contenuti. SpicyAPI inoltra la richiesta senza aggiungere controlli di piattaforma; gli obblighi di legge e la verifica del consenso restano a carico del cliente.Vedi tutti i modelli con questo livello di filtraggio
resemble-ai/chatterbox-v1/text-to-speech

Chatterbox text-to-speech open source di Resemble AI legge fino a 1.000 caratteri di inglese in un WAV mono a 24 kHz, con la voce integrata o con quella di una breve clip di riferimento che invii. Espressività e variazione sono regolabili.

Da $0.036/richiesta
Esegui il modello

Playground

Input

Da testo a voce
119/1000
Fino a 1000 caratteri di inglese, letti esattamente come scritti. I tag come <laugh> vengono letti ad alta voce; scrivi invece i suoni per esteso. almeno 1 caratteri · al massimo 1000 caratteri

Questo modello legge ad alta voce tag come [sighs]. Scrivi piuttosto i suoni per esteso, come «Mmm…» o «Ahah».

$0.036 fissi a richiesta, fino a 1000 caratteri

0/1

Trascina qui un file audio, oppure sfoglia · 1 file · Max 90 MB · MP3 · WAV

0 / 1 file
Clip MP3 o WAV facoltativo della voce da imitare: caricalo o indica un URL pubblico. La lettura assume il timbro di quel clip; le sue parole non vengono ripetute. Funzionano meglio pochi secondi di una sola voce pulita, senza musica. Usa solo voci che hai il diritto di usare. Non cambia il prezzo. almeno 1 caratteri
Espressività
Quanto è emotiva la lettura, da 0 (piatta) a 1 (drammatica). Valore predefinito: 0,5. non meno di 0 · non più di 1
Temperatura
Variazione tra le prove, da 0,05 a 2. Valore predefinito: 0,7. non meno di 0.05 · non più di 2
Quanto la lettura segue il ritmo naturale del testo, da 0,1 a 1. Valore predefinito: 0,5; abbassalo per rallentare una lettura affrettata. non meno di 0.1 · non più di 1
Controllo di sicurezzaDisattivato

SpicyAPI non applica nessun controllo di sicurezza a questo modello. Il tuo prompt e i tuoi media arrivano al modello così come li hai scritti, ed è il modello stesso a decidere che cosa torna indietro.

Controllo del tuo account prima di abilitare invio e prezzi.

Output

Pronto per una nuova esecuzione
Risultato di esempio
0:00 / –:––
Avatar
Da voce a testo
Sincronizzazione labiale

Modelli correlati e attività successive

Manca il modello che ti serve?

Dicci cosa aggiungere e dove lo useresti. Le richieste arrivano a chi decide quali modelli integrare per primi.

Una voce integrata, tre slider e nessun tag da combattere

Chatterbox è il modello di sintesi vocale open source di Resemble AI: invii fino a 1.000 caratteri di inglese e li rilegge con la sua unica voce integrata, come file WAV a 24 kHz. Questo endpoint non ha una lista di voci né clonazione: exaggeration, temperature e guidance_scale cambiano come quella voce unica interpreta il testo, non chi parla. Ogni richiesta costa lo stesso prezzo fisso indipendentemente dalla lunghezza, e i tag tra parentesi quadre o angolari come <laugh> vengono letti ad alta voce come parole invece che interpretati, quindi i suoni vanno scritti per esteso. SpicyAPI non applica alcun filtro sui contenuti, e nei nostri test i nostri script di test più intensi sono stati letti per intero.

Apri il playground
Voce
Una voce inglese integrata; nessuna lista, nessuna clonazione
Caratteri per richiesta
Fino a 1.000, solo inglese
Output
WAV mono a 24 kHz, 16 bit
Prezzo
0,036$ fisso a richiesta, qualsiasi lunghezza entro il limite
Tag
<laugh> e simili vengono letti ad alta voce, non interpretati
Licenza
Open source (MIT), Resemble AI, rilasciato a maggio 2025
Voce
Una voce, regolabile in tre modiNon c'è un campo voice_id perché esiste una sola voce. exaggeration, temperature e guidance_scale rimodellano come interpreta una battuta — più calma o più drammatica, più o meno variabile tra le take — senza mai cambiare quale voce sta parlando.
Prezzo
Un prezzo fisso, indipendente dalla lunghezzaUna riga di sei caratteri e un paragrafo di 1.000 caratteri costano lo stesso. Questo rende le battute brevi comparativamente costose per carattere e la narrazione lunga comparativamente economica: pianifica di conseguenza un lotto di righe brevi.
Tag
Scrivi il suono per esteso, non taggarloNei nostri test, indicazioni tra parentesi quadre come [sigh] o tag tra parentesi angolari come <laugh> sono stati letti ad alta voce come parole letterali invece che interpretati come suoni. Un «mmm...» o «ha...» scritto per esteso funziona dove un tag non funziona, e alzare exaggeration spinge un suono scritto per esteso ulteriormente verso il drammatico.

What the Chatterbox API does well

  • Una voce senza decisioni di configurazione da prendere

    Non c'è nulla da scegliere: ogni richiesta usa la stessa voce integrata, quindi nessun passaggio di casting, nessun confronto tra preset e nessun rischio che una serie vada alla deriva tra voci diverse perché qualcuno ne ha scelta un'altra a metà strada.

  • Tre slider invece di un prompt da scrivere

    exaggeration stabilisce quanto è emotiva la lettura, temperature aggiunge variazione tra le take, e guidance_scale controlla quanto l'interpretazione segue il ritmo naturale del testo. Insieme coprono una gamma di interpretazioni più ampia di quella che una singola voce offre di solito, senza bisogno di una descrizione testuale del tono.

  • Un prezzo fisso facile da preventivare

    Ogni richiesta costa lo stesso importo, qualunque sia il numero di caratteri fino al limite di 1.000. Un lotto di righe è una moltiplicazione diretta — numero di righe per il prezzo fisso — senza dover prima stimare il totale dei caratteri.

  • Output WAV senza perdita

    Il risultato è un file WAV mono PCM a 24 kHz, 16 bit, invece di un formato compresso, il che conta quando la clip dovrà essere mixata, sovrapposta a effetti, o ricodificata a valle invece che riprodotta così com'è.

  • Un modello open source dietro un endpoint ospitato

    Chatterbox è rilasciato con licenza MIT, ma eseguirlo bene significa comunque gestire l'inferenza su GPU. Questo endpoint elimina quel passaggio: gli stessi pesi aperti, chiamati via HTTP, a un prezzo fisso per richiesta.

  • Script senza filtro letti come scritti

    SpicyAPI non aggiunge alcun filtro sui contenuti al modello. Nei nostri test, Chatterbox ha letto per intero i nostri script di test più intensi, battute in prima persona e narrazione, inclusi suoni scritti per esteso, senza saltare nulla né interrompere la clip in anticipo.

Who Chatterbox is for

  • Studi di giochi e animazione

    Battute brevi di personaggio dove l'energia conta più della scelta del timbro

    Una voce con uno slider exaggeration copre molto terreno per grida, reazioni rapide e battute brevi, e il prezzo fisso per richiesta rende un grande lotto di righe brevi prevedibile da preventivare invece che punitivo per carattere.

  • Team di prototipazione

    Una voce segnaposto prima della vera decisione di casting

    Metti una voce su una demo, uno storyboard o un flusso di chatbot prima di impegnarti su una voce finale altrove nel catalogo. Il prezzo fisso per riga mantiene economica l'iterazione iniziale indipendentemente da quante take attraversa uno script.

  • Fiction audio senza censura

    Narrazione che continua fino alla fine della scena

    Nei nostri test, i nostri monologhi e script di narrazione più intensi sono stati letti per intero, e i suoni scritti per esteso sono stati pronunciati invece che saltati. Per un catalogo di fiction costruito su questo materiale, un passaggio di narrazione che non arretra è ciò che rende utilizzabile il flusso di lavoro.

  • Creator di video e formato breve

    Una traccia vocale da inserire in una timeline

    Genera la battuta come file WAV, poi passala a un modello talking-avatar o lip-sync, oppure inseriscila direttamente in un montaggio. L'output senza perdita regge meglio un passaggio di mix rispetto a un file compresso.

How to call the Chatterbox API

  1. Scrivi lo script in inglese, sotto i 1.000 caratteri

    Punteggia per le pause desiderate. Gli script più lunghi vanno divisi ai confini delle frasi in più richieste e poi ricomposti; ogni richiesta viene addebitata alla tariffa fissa indipendentemente dalla lunghezza.

  2. Scrivi i suoni per esteso invece di taggarli

    Nei nostri test, tag come <laugh> o [sigh] sono stati letti ad alta voce come parole, non interpretati. Scrivi «ha...», «mmm...» o «ahh...» direttamente nel testo e alza exaggeration per una lettura più drammatica.

  3. Imposta exaggeration per l'ampiezza emotiva

    0,5 è il valore predefinito e suona naturale per la maggior parte della narrazione. Alzalo verso 1 per battute drammatiche, senza fiato o urlate; abbassalo verso 0 per un'interpretazione piatta e calma.

  4. Regola guidance_scale se il ritmo non torna

    guidance_scale è impostato di default su 0,5. Abbassarlo verso 0,3 rallenta una lettura che risulta troppo veloce o troppo drammatica; alzare temperature aggiunge più variazione tra take separate della stessa battuta.

  5. Leggi il WAV dal risultato del task

    Il task restituisce un file WAV mono a 24 kHz, 16 bit, conservato nello storage di SpicyAPI per 14 giorni. Una richiesta fallita non viene addebitata.

Chatterbox worked examples

  • Un grido drammatico di personaggio

    Alzare exaggeration spinge una battuta breve verso un'interpretazione più drammatica e senza fiato — utile per un grido di gioco o una reazione animata.

    {"text": "Wait -- don't you dare walk out that door!", "exaggeration": 0.9, "temperature": 0.8}

  • Narrazione calma a tarda notte

    Abbassare exaggeration e guidance_scale dà una lettura più lenta e piatta, adatta a una battuta di narrazione tranquilla.

    {"text": "It's late, and the house is finally quiet. I could talk to you like this all night.", "exaggeration": 0.3, "guidance_scale": 0.3}

  • Un sospiro scritto per esteso invece di un tag

    Poiché i tag tra parentesi vengono letti come parole, un suono come un sospiro va scritto direttamente nel testo invece che taggato.

    {"text": "Mmm... I didn't expect you to say that.", "exaggeration": 0.6}

Chatterbox API questions

Dato che c'è una sola voce, gli slider sono l'unico modo per cambiare come suona una battuta: mantieni exaggeration vicino al valore predefinito per la narrazione e spingilo verso 1 solo per le battute che devono suonare drammatiche o senza fiato, dato che uno script intero letto con exaggeration alto tende a suonare uniformemente intenso invece che espressivo. Scrivi i suoni per esteso invece che come tag — un «mmm...» scritto per esteso combinato con un valore di exaggeration più alto si avvicina di più a un suono interpretato di quanto farebbe qualsiasi indicazione tra parentesi. Poiché il prezzo è fisso per richiesta e non per carattere, conviene combinare più battute brevi in meno richieste più lunghe dove lo script lo permette.