品玩12月31日讯，据 The Decode 报道，AI 初创公司 Resemble AI 发布开源文本到语音模型 “Chatterbox Turbo”，仅需 5 秒音频即可克隆人声。

该公司称，该模型在音质上优于 ElevenLabs 与 Cartesia，且首段音频输出延迟低于 150 毫秒，适用于实时智能体、客服系统、游戏、虚拟形象及社交平台等场景。

Chatterbox Turbo 采用 MIT 许可证发布，支持免费商用、修改与再分发。模型已在 Hugging Face、RunPod、Modal、Replicate 和 Fal 上线，完整代码托管于 GitHub。Resemble AI 同时提供托管服务，并计划推出低延迟版本。模型内置 “PerTh” 水印，便于监管行业验证语音是否由 AI 生成。