Chatterbox Multilingual 是 Resemble AI 开源的多语言零样本语音合成模型，属 Chatterbox 系列，采用 0.5B 参数，最新 V3 版本在说话人相似度、稳定性与自然度上进一步提升，支持 23 种以上语言的跨语言声音克隆。

核心特性

• 广泛多语言覆盖：支持阿拉伯语、中文、英语、法语、德语、日语、韩语、西班牙语、俄语、葡萄牙语等 23 种语言，一套模型即可覆盖多语种内容生产
• 跨语言零样本克隆：仅需数秒参考音频即可复刻音色，并支持跨语言克隆（用 A 语言音色说 B 语言）；V3 显著提升跨语种说话人一致性与口音保留
• 更稳定的生成：V3 大幅降低幻觉、重复与脱稿问题，输出更自然、更具对话感，尤其改善早期多语种模型不稳定的场景
• 情感与节奏控制：支持 exaggeration（情感夸张度）与 cfg_weight（节奏/语速）等参数调节表达风格，默认参数适配大多数语种
• 内置 PerTh 水印：所有生成音频内嵌不可感知神经水印，可抵抗 MP3 压缩与常见编辑，便于内容溯源

适用场景

多语种配音与本地化、有声书与播客、数字人语音、跨语言内容创作、语音助手等。

更多信息可参考：https://github.com/resemble-ai/chatterbox