Ana içeriğe geç
YeniSeedance 2.5 yayında→
ModelRunner
resemble-ai avatarı

Chatterbox HD TTS API

resemble-ai/chatterboxhd/text-to-speech

Metni dokuz adlandırılmış sesle ya da klonlanmış bir sesle yüksek tanımlı konuşmaya dönüştürün; daha yüksek sadakatli ses için isteğe bağlı 48kHz upscale seçeneğiyle.

üretilen ses için saniye başına 0.0006
OpenAPI

Model girdisi

Input

The text to synthesize into speech.

The named voice to speak the text. If a reference clip is provided in audio_url it overrides this setting; if both are left unset a random voice is used.

Optional reference recording for zero-shot voice cloning. Provide a clean, single-speaker clip to clone that voice; it overrides the voice selection. Leave unset to use the named voice.

Additional Settings

Customize your input with more control.

Min: 0.25 - Max: 2

Emotion and intensity exaggeration. Higher values produce more dramatic, expressive delivery; lower values are calmer and more measured.

Min: 0 - Max: 1

Classifier-free guidance weight controlling the conditioning factor. For expressive or dramatic speech, try lower values (e.g. ~0.3) and increase exaggeration to around 0.7 or higher. If the reference speaker has a fast speaking style, lowering cfg to around 0.3 can improve pacing.

When true, the generated audio is upscaled to 48kHz for higher quality at the cost of longer generation time. When false, the audio is 24kHz.

Min: 0

Random seed for reproducibility. Set a fixed integer to repeat a generation; 0 uses a random seed.

Min: 0.05 - Max: 5

Sampling temperature controlling the randomness of generation. Lower is steadier and more predictable; higher adds variation to prosody and delivery.

You need to be logged in to run this model and view results.
Log in

Model çıktısı

Output

Loading
Generated in 25.783 seconds
Logs (1 lines)

Örnek istekler

Örnekler

Chatterbox HD TTS API

Chatterbox HD TTS is a sound AI model by resemble-ai. On ModelRunner it runs through a REST API or via MCP from any AI assistant, at $0.0006 per second of audio.

POST https://queue.modelrunner.run/resemble-ai/chatterboxhd/text-to-speech

cURL

# Submit a request to the queue. Input fields go at the top level of the
# body. The optional reserved "metadata" object holds your own flat string
# tags — stored on the request, never sent to the model; filter later with
# GET https://queue.modelrunner.run/requests?metadata=<url-encoded JSON>.
curl -X POST https://queue.modelrunner.run/resemble-ai/chatterboxhd/text-to-speech \
  -H "Authorization: Key $MRUN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "cfg": 0.5,
    "seed": 0,
    "text": "Chapter one. The old lighthouse had not shone in forty years, yet on that stormy night, its lamp flickered back to life.",
    "voice": "Richard",
    "temperature": 0.8,
    "exaggeration": 0.5,
    "high_quality_audio": true,
    "metadata": {
      "project": "my-project"
    }
  }'
# → { "request_id": "...", "status_url": "...", "response_url": "..." }

# Poll status_url until "COMPLETED", then fetch the result
curl "https://queue.modelrunner.run/resemble-ai/chatterboxhd/text-to-speech/requests/$REQUEST_ID/status" \
  -H "Authorization: Key $MRUN_API_KEY"
curl "https://queue.modelrunner.run/resemble-ai/chatterboxhd/text-to-speech/requests/$REQUEST_ID" \
  -H "Authorization: Key $MRUN_API_KEY"

JavaScript

import { modelrunner } from "@modelrunner/client";

const result = await modelrunner.subscribe("resemble-ai/chatterboxhd/text-to-speech", {
  input: {
    "cfg": 0.5,
    "seed": 0,
    "text": "Chapter one. The old lighthouse had not shone in forty years, yet on that stormy night, its lamp flickered back to life.",
    "voice": "Richard",
    "temperature": 0.8,
    "exaggeration": 0.5,
    "high_quality_audio": true
  },
});
console.log(result);

Python

import os
import requests

headers = {"Authorization": f"Key {os.environ['MRUN_API_KEY']}"}

submitted = requests.post(
    "https://queue.modelrunner.run/resemble-ai/chatterboxhd/text-to-speech",
    headers=headers,
    json={
      "cfg": 0.5,
      "seed": 0,
      "text": "Chapter one. The old lighthouse had not shone in forty years, yet on that stormy night, its lamp flickered back to life.",
      "voice": "Richard",
      "temperature": 0.8,
      "exaggeration": 0.5,
      "high_quality_audio": true
    },
).json()

# Poll submitted["status_url"] until "COMPLETED", then:
result = requests.get(submitted["response_url"], headers=headers).json()

Input parameters

Input parameters of Chatterbox HD TTS
NameTypeRequiredDescription
textstringyesThe text to synthesize into speech.
voiceenumnoThe named voice to speak the text. If a reference clip is provided in audio_url it overrides this setting; if both are left unset a random voice is used. One of: Aurora, Blade, Britney, Carl, Cliff, Richard, Rico, Siobhan, Vicky. Default: "Aurora".
audio_urlstring (uri)noOptional reference recording for zero-shot voice cloning. Provide a clean, single-speaker clip to clone that voice; it overrides the voice selection. Leave unset to use the named voice.
exaggerationnumbernoEmotion and intensity exaggeration. Higher values produce more dramatic, expressive delivery; lower values are calmer and more measured. Default: 0.5.
cfgnumbernoClassifier-free guidance weight controlling the conditioning factor. For expressive or dramatic speech, try lower values (e.g. ~0.3) and increase exaggeration to around 0.7 or higher. If the reference speaker has a fast speaking style, lowering cfg to around 0.3 can improve pacing. Default: 0.5.
high_quality_audiobooleannoWhen true, the generated audio is upscaled to 48kHz for higher quality at the cost of longer generation time. When false, the audio is 24kHz. Default: false.
seedintegernoRandom seed for reproducibility. Set a fixed integer to repeat a generation; 0 uses a random seed. Default: 0.
temperaturenumbernoSampling temperature controlling the randomness of generation. Lower is steadier and more predictable; higher adds variation to prosody and delivery. Default: 0.8.

Machine-readable: OpenAPI schema · llms.txt

Use Chatterbox HD TTS from Claude & Cursor (MCP)

Point Claude Code, Claude Desktop, Cursor, or any MCP client at the ModelRunner MCP server and Chatterbox HD TTS becomes a tool your assistant can call directly — it authorizes via OAuth (no API key in config) and runs this model with the run_model tool using the endpoint resemble-ai/chatterboxhd/text-to-speech.

MCP client config (Claude Desktop, Cursor)

{
  "mcpServers": {
    "modelrunner": {
      "command": "npx",
      "args": ["-y", "mcp-remote", "https://mcp.modelrunner.run/mcp"]
    }
  }
}

Claude Code

claude mcp add --transport http modelrunner https://mcp.modelrunner.run/mcp

Then ask your assistant, for example: “Run resemble-ai/chatterboxhd/text-to-speech on ModelRunner to generate sound”. MCP setup guide.

Model Detayları

Model Detayları

Chatterbox HD, yazılı metni doğal ve ifadeli bir konuşmaya dönüştürür ve barındırılan bir WAV dosyası döndürür. Kullanıma hazır dokuz adlandırılmış sesle gelir (`Aurora`, `Blade`, `Britney`, `Carl`, `Cliff`, `Richard`, `Rico`, `Siobhan`, `Vicky`) ve bir sesi zero-shot olarak da klonlayabilir: `audio_url` ile kısa bir referans kayıt verin, metninizi o sesle okusun — eğitim ya da ses profili oluşturma adımı gerekmez. Standart Chatterbox kademesinden ayrıldığı nokta sadakattir: `high_quality_audio` alanını `true` yaparsanız çıktı, varsayılan 24kHz yerine 48kHz olarak upscale edilir (üretimi daha yavaş, kalitesi daha yüksek). `exaggeration` duygu yoğunluğunu ayarlar; bu da onu karakter diyalogları, seçtiğiniz bir sesle anlatım ve düz, nötr bir TTS’in yetersiz kalacağı ifadeli okumalar için güçlü bir tercih yapar.

## En uygun olduğu işler - 48kHz çıktı kalitesinin önemli olduğu yüksek sadakatli seslendirme ve anlatım - Klonlamaya gerek kalmadan dokuz adlandırılmış seçenek arasından kendine özgü, hazır bir ses seçmek - Karakter diyalogları ya da anlatım için kısa bir referans klipten belirli bir sesi klonlamak - Yoğunluğu ayarlanabilen ifadeli, duygu yüklü okumalar - Eğitim ya da ses profili oluşturma adımı olmadan hızlıca özel bir ses prototiplemek

## Şu durumlarda başka bir model seçin - Dil seçici sunan bir modelle İngilizce dışındaki bir dilde konuşma gerekiyorsa — çok dilli Chatterbox varyantını kullanın - Metinden sentezlemek yerine mevcut bir kaydı farklı bir sese dönüştürmek istiyorsanız — speech-to-speech bir ses değiştirici kullanın - Melodisi ve enstrümantasyonu olan bir müzik parçası istiyorsanız — bir müzik üretim modeli kullanın - Konuşma üretmek yerine konuşmayı metne dökmeniz gerekiyorsa — bir speech-to-text modeli kullanın

## İpuçları - Tutarlı ve tekrarlanabilir bir sonuç için dokuz adlandırılmış seçenekten bir `voice` seçin; `voice` ve `audio_url` alanlarının ikisi de boş kalırsa rastgele bir ses seçilir, bu yüzden deterministik çıktı için birini ayarlayın. - Bir sesi klonlamak için `audio_url` alanına temiz, tek konuşmacılı bir referans klip verin — `voice` alanını geçersiz kılar. - Sadakat önemliyse ve ek latency sorun değilse 48kHz upscale için `high_quality_audio: true` ayarlayın; daha hızlı ve daha ucuz okumalar için `false` (24kHz) bırakın. - Girdi metnini okunmasını istediğiniz gibi noktalayın — virgüller ve noktalar duraklamaları ve tonlamayı belirler.

## Gelişmiş Yapılandırma - `exaggeration` (0.25–2.0, varsayılan 0.5): duygu ve yoğunluk abartısı. Yüksek değerler daha dramatik, düşük değerler daha sakin ve ölçülü bir okuyuş verir. - `cfg` (0.0–1.0, varsayılan 0.5): classifier-free guidance ağırlığı. İfadeli ya da dramatik konuşma için düşük değerleri (~0.3) deneyin ve `exaggeration` değerini ~0.7+ seviyesine çıkarın. Referans konuşmacı hızlı konuşuyorsa `cfg` değerini ~0.3’e düşürmek tempoyu iyileştirebilir. - `temperature` (0.05–5.0, varsayılan 0.8): sampling temperature. Düşük değerler daha istikrarlı ve öngörülebilir sonuç verir; yüksek değerler prozodiye ve okuyuşa çeşitlilik katar. - `seed` (varsayılan 0 = rastgele): bir üretimi tekrarlanabilir kılmak için sabit bir tam sayı verin.

ModelRunner JavaScript client ile çalıştırmak için: ```js import { modelrunner } from "@modelrunner/client";

const result = await modelrunner.subscribe("resemble-ai/chatterboxhd/text-to-speech", { input: { text: "Welcome to ModelRunner. This is high-definition text to speech.", voice: "Aurora", high_quality_audio: true, }, }); ```