Chatterbox TTS Server
devnen/Chatterbox-TTS-ServerRevisado por IA
Revisado por RepoPicks Radar el
¿Qué es Chatterbox TTS Server?
Este proyecto envuelve los modelos de voz Chatterbox de Resemble AI en un servidor con una página web y una API. Pegas el texto, eliges una de las voces incluidas o subes una grabación corta para copiar una voz, y el proyecto genera el audio; los textos largos se dividen automáticamente, así que un libro entero se convierte en un solo archivo. Se ofrecen tres modelos (inglés, 23 idiomas, y uno Turbo más rápido) y cambias entre ellos en un menú desplegable. Funciona en Windows, Linux y Apple Silicon con Python 3.10, más rápido con una tarjeta gráfica NVIDIA o AMD, y también hay una vía con Docker y una demo en Google Colab.
Chatterbox TTS Server es gratis y de código abierto (MIT) y puede reemplazar a ElevenLabs, Murf y Speechify.
¿Qué tan fácil es instalar Chatterbox TTS Server?
C · instalar 1 o 2 herramientas · Windows
- Windows C
- macOS D
- Linux C
Windows es lo más fácil: instalas Python 3.10, clonas el repositorio y haces doble clic en start.bat, y el iniciador detecta tu tarjeta gráfica, instala todo y abre la página web (su Modo Portátil permite después mover la carpeta). Linux requiere el mismo trabajo con ./start.sh. macOS es más difícil (una D): la tabla de hardware marca Apple Silicon como "Manual install", así que armas el entorno e instalas los paquetes a mano.
Chatterbox TTS Server en GitHub
- Estrellas
- 1499el 10 nov 2026
- Descargas
- —todas las versiones
- Crecimiento
- +4estrellas en 6 días
Estrellas a lo largo del tiempo
Datos
- Funciona en
- Windows, Linux, macOS
- Necesitas instalar
- Python, Docker, Tarjeta NVIDIA, FFmpeg
- Para compilar desde el código
- Python, Docker, Tarjeta NVIDIA, FFmpeg
- Espacio en disco
- 950 MB–4,3 GB · estimación
- Cuentas o claves
- Hugging Face
- Costo
- Gratis · El servidor y los modelos son gratuitos para descargar y ejecutar en tu propia máquina; pagas en hardware y electricidad, o en tiempo de GPU alquilada.
- Licencia
- MIT (Permisiva)
- Puede reemplazar
- ElevenLabs, Murf, Speechify
- Último cambio en GitHub
- 26 may 2026
Señales de riesgo de Chatterbox TTS Server (6)
- AtenciónDependencias con vulnerabilidades conocidas
Dependencias fijadas con vulnerabilidades conocidas (OSV): torch: GHSA-63cw-57p8-fm3p, GHSA-qfhq-4f3w-5fph, GHSA-rrmf-rvhw-rf47; diffusers: GHSA-7wx4-6vff-v64p, GHSA-98h9-4798-4q5v, PYSEC-2026-2446; transformers: GHSA-29pf-2h5f-8g72, GHSA-37mw-44qp-f5jm, GHSA-4w7r-h757-3r74; torch: GHSA-rrmf-rvhw-rf47, PYSEC-2026-139; diffusers: GHSA-7wx4-6vff-v64p, GHSA-98h9-4798-4q5v, PYSEC-2026-2446; transformers: GHSA-29pf-2h5f-8g72, GHSA-37mw-44qp-f5jm, GHSA-4w7r-h757-3r74; torch: GHSA-3749-ghw9-m3mg, GHSA-53q9-r3pm-6pq6, GHSA-63cw-57p8-fm3p; diffusers: GHSA-7wx4-6vff-v64p, GHSA-98h9-4798-4q5v, PYSEC-2026-2446; transformers: GHSA-29pf-2h5f-8g72, GHSA-37mw-44qp-f5jm, GHSA-4w7r-h757-3r74; diffusers: GHSA-7wx4-6vff-v64p, GHSA-98h9-4798-4q5v, PYSEC-2026-2446; transformers: GHSA-29pf-2h5f-8g72, GHSA-37mw-44qp-f5jm, GHSA-4w7r-h757-3r74; torch: GHSA-3749-ghw9-m3mg, GHSA-53q9-r3pm-6pq6, GHSA-63cw-57p8-fm3p; diffusers: GHSA-7wx4-6vff-v64p, GHSA-98h9-4798-4q5v, PYSEC-2026-2446; transformers: GHSA-29pf-2h5f-8g72, GHSA-37mw-44qp-f5jm, GHSA-4w7r-h757-3r74; torch: GHSA-3749-ghw9-m3mg, GHSA-53q9-r3pm-6pq6, GHSA-63cw-57p8-fm3p; diffusers: GHSA-7wx4-6vff-v64p, GHSA-98h9-4798-4q5v, PYSEC-2026-2446; transformers: GHSA-29pf-2h5f-8g72, GHSA-37mw-44qp-f5jm, GHSA-4w7r-h757-3r74
revisión automática
- Atenciónmotor instalado desde un fork de git
Toda ruta de instalación termina con "pip install --no-deps git+https://github.com/devnen/chatterbox-v2.git@master" (Dockerfile y todos los archivos de requisitos). El motor de voz se obtiene del propio fork del mantenedor, con lo que sea que tenga la rama master ese día, y --no-deps omite las verificaciones de dependencias, así que lo que llega a tu máquina no está fijado a una versión.
revisión con IA
- Atenciónclonación de voces de personas reales
"Voice Cloning: Supports voice cloning using a reference audio file (.wav or .mp3)" sin ningún texto de consentimiento o de uso aceptable en todo el README. Una grabación corta de la voz de alguien basta para hacer que parezca decir cualquier cosa. El motor sí incluye la biblioteca de marca de agua de Resemble (resemble-perth==1.0.1 en los archivos de requisitos).
revisión con IA
- Atenciónservidor web sin contraseña
El servidor abre el puerto 8004 con una interfaz web y una API compatible con OpenAI, y la interfaz puede "view/edit config.yaml settings (server, model, paths)"; el README no describe ningún inicio de sesión ni token. Las notas de la versión v2.0.0 también registran un agujero pasado: "Security: CWE-22 path traversal fixed on /tts and /v1/audio/speech voice file parameters". Mantenlo en tu propia máquina o detrás de algo que pida una contraseña.
revisión con IA
- Infosolo python 3.10
Prerrequisitos del README: "Python: Version 3.10 required ... Python 3.11+ is not supported — key dependencies lack pre-built wheels, causing build failures." En Windows, el Modo Portátil descarga su propio Python 3.10 embebido.
revisión con IA
- Infoel docker de amd relaja el aislamiento del contenedor
docker-compose-rocm.yml, -rdna4.yml y -strixhalo.yml configuran "security_opt: seccomp=unconfined", "ipc: host" y acceso a los dispositivos /dev/kfd y /dev/dri, y sugieren descomentar "privileged: true" y "/dev/mem" si el acceso a la GPU falla, lo que le da al contenedor un acceso muy amplio al host.
revisión con IA
La evidencia aparece en su idioma original.
Lo que Radar no pudo verificar de Chatterbox TTS Server
- Si se instala y usa tu tarjeta gráfica en particular, dado que hay muchos archivos de requisitos separados por familia de tarjeta
- El uso real de disco: el propio README recomienda 10 GB o más para dependencias y caché de modelos, y los modelos por sí solos pesan unos 2 GB
- Qué tan bien suenan las voces clonadas y qué tan rápida es la generación en tu hardware
- Si todo archivo generado lleva la marca de agua Perth
- Si la demo de Google Colab todavía funciona