# Chatterbox TTS oder SuperClonica: sofortiger Klon oder trainierte Stimmdatei Aktualisiert 2026-10-23 Chatterbox ist eine Familie offener Text-to-Speech-Modelle von Resemble AI unter MIT-Lizenz. Jedes Modell klont eine Stimme zero-shot aus einem kurzen Referenzclip. Zur Familie gehören Multilingual V3 mit 500 Millionen Parametern und 23 Sprachen, das englische Turbo-Modell mit 350 Millionen, das englische Nano-Modell mit 110 Millionen für die CPU und eine Reihe nachtrainierter Einzelsprachmodelle. SuperClonica geht den umgekehrten Weg: Eine Stimme wird einmal in eine Supertonic-3-Datei trainiert und läuft danach schnell auf einer gewöhnlichen CPU. Chatterbox steht nicht in unserer Vergleichstabelle, eigene Tempo- oder Qualitätswerte nennen wir dafür nicht. ## Die Chatterbox-Modelle Multilingual V3 ist das allgemeine Modell: Arabisch, Dänisch, Deutsch, Griechisch, Englisch, Spanisch, Finnisch, Französisch, Hebräisch, Hindi, Italienisch, Japanisch, Koreanisch, Malaiisch, Niederländisch, Norwegisch, Polnisch, Portugiesisch, Russisch, Schwedisch, Swahili, Türkisch und Chinesisch. Eigene Feintunings gibt es für Chinesisch, lateinamerikanisches und europäisches Spanisch, brasilianisches und europäisches Portugiesisch sowie Hindi. Turbo zielt auf englische Sprachagenten mit niedriger Latenz und versteht Tags wie \[laugh\] und \[cough\]. Nano teilt die Architektur bei 110 Millionen Parametern; laut Resemble AI läuft es auf 8 CPU-Kernen 3-mal schneller als Echtzeit. Das Paket wird mit pip install chatterbox-tts installiert und wurde mit Python 3.11 getestet. ## Klon aus einem Clip oder trainierte Stimme Bei Chatterbox übergeben Sie mit jeder Anfrage eine Referenzaufnahme, und das Modell baut die Stimme daraus neu auf. Das ist der schnellste Weg zu einer neuen Stimme, und das Ergebnis hängt vom Clip ab. SuperClonica trainiert die Stimme einmal. Sie brauchen eine saubere Aufnahme von 5 bis 10 Sekunden mit exaktem Transkript und eine NVIDIA-GPU im eigenen Rechner; das Training ist kostenlos, die JSON-Datei ebenfalls. Ohne GPU beauftragen Sie einen Autor, das Budget bleibt reserviert, bis Sie das Ergebnis annehmen, oder Sie wählen eine fertige Stimme mit Hörproben aus dem Katalog. Danach startet jede Anfrage von derselben Datei. ## Chatterbox-Tempo auf der CPU Chatterbox haben wir nicht gemessen. Resemble AI nennt für Nano 3-mal schneller als Echtzeit auf 8 CPU-Kernen; die Beispiele für die größeren Modelle laufen auf CUDA. Für SuperClonica schätzen wir 6,4- bis 9,7-mal schneller als Echtzeit auf einer Desktop-CPU mit 8 Kernen. Beide Zahlen stammen aus unterschiedlichen Tests mit unterschiedlichen Texten; nehmen Sie sie als Ausgangspunkt und messen Sie auf Ihrem Rechner. ## Lizenzen und Wasserzeichen Code und Gewichte von Chatterbox stehen unter MIT, einer der freiesten Lizenzen überhaupt. Jede von Chatterbox erzeugte Datei trägt das PerTh-Wasserzeichen von Resemble AI, eine unhörbare Markierung, die MP3-Kompression und Schnitt überstehen soll, damit sich die Sprache später als synthetisch erkennen lässt. Supertonic 3 steht unter OpenRAIL-M, einer gebührenfreien Lizenz mit einer Liste verbotener Nutzungen. Bei SuperClonica gekaufte Stimmen sind für Ihre eigenen Projekte bestimmt und dürfen nicht weiterverkauft werden. ## Wann Chatterbox die bessere Wahl ist SuperClonica passt, wenn Sie eine feste Stimmdatei wollen, schnelle Sprachausgabe auf der CPU in den 31 Sprachen von Supertonic 3 oder eine Stimme, die ein Autor für Sie anfertigt. Chatterbox ist besser für: - Sofortiges Klonen aus einem Clip, ohne Training. - Chinesisch, Hebräisch, Malaiisch oder Swahili, die Supertonic 3 nicht abdeckt. - Ausdrucksstarkes Englisch mit Lachen, Husten und anderen nonverbalen Tags. - Projekte, die für die Modellgewichte die MIT-Lizenz brauchen. ## Mehr zu Text-to-Speech - [Text-to-Speech, das auf Ihrem eigenen Rechner läuft](https://superclonica.com/de/text-to-speech) - [Supertonic vs. SuperClonica: dasselbe Modell, schneller und sauberer](https://superclonica.com/de/compare/supertonic) - [Fish Audio und Fish Speech im Vergleich mit SuperClonica](https://superclonica.com/de/compare/fish-audio) - [OmniVoice oder SuperClonica: mehr Sprachen oder mehr Tempo](https://superclonica.com/de/compare/omnivoice) - [Qwen3-TTS oder SuperClonica für lokale Sprachsynthese](https://superclonica.com/de/compare/qwen3-tts) - [VoxCPM 2 oder SuperClonica: Studioklang oder CPU-Tempo](https://superclonica.com/de/compare/voxcpm) - [F5-TTS oder SuperClonica: Zero-Shot-Klonen oder schnelle Sprache auf der CPU](https://superclonica.com/de/compare/f5-tts) - [Eine Offline-Alternative zu ElevenLabs](https://superclonica.com/de/compare/elevenlabs) - [Kokoro TTS oder SuperClonica: zwei kleine Modelle für lokale Sprachsynthese](https://superclonica.com/de/compare/kokoro) - [Piper TTS oder SuperClonica: kleine Geräte oder eigene Stimmen](https://superclonica.com/de/compare/piper) - [Coqui XTTS-v2 oder SuperClonica: eine Alternative zu Coqui TTS](https://superclonica.com/de/compare/xtts) ## Text-to-Speech-Anleitungen - [Text offline in Sprache umwandeln: Schritt für Schritt auf Ihrem Rechner](https://superclonica.com/de/guides/offline-text-to-speech) - [Stimme klonen: So bekommen Sie eine Stimme wie in Ihrer Aufnahme](https://superclonica.com/de/guides/voice-cloning) - [Die besten kostenlosen Text-to-Speech-Modelle für den lokalen Einsatz 2026](https://superclonica.com/de/guides/best-free-tts-models) - [Text-to-Speech für Videos, Hörbücher, Spiele und Apps](https://superclonica.com/de/guides/text-to-speech-for-videos) - [Supertonic-3-Stimmen: woher eigene Stimmen kommen und wie Sie sie nutzen](https://superclonica.com/de/guides/supertonic-3-voices) - [Text to Speech in Python: offline, kostenlos und mit natürlichen Stimmen](https://superclonica.com/de/guides/python-text-to-speech) - [Eigene Text-to-Speech-API in Docker](https://superclonica.com/de/guides/text-to-speech-api-docker) ## Häufige Fragen ### Darf ich Chatterbox TTS kommerziell nutzen? Ja, Code und Gewichte stehen unter MIT. Beachten Sie, dass jede erzeugte Datei ein unhörbares PerTh-Wasserzeichen trägt. ### Läuft Chatterbox auf der CPU? Nano ist dafür gebaut: Laut Resemble AI 3-mal schneller als Echtzeit auf 8 CPU-Kernen, allerdings nur auf Englisch. Das mehrsprachige Modell lässt sich ebenfalls auf die CPU laden, seine Beispiele nutzen aber eine GPU. ### Spricht Chatterbox Deutsch? Ja, Deutsch gehört zu den 23 Sprachen von Multilingual V3, ebenso Russisch, Japanisch, Koreanisch und Chinesisch. Turbo und Nano sprechen nur Englisch. ### Was unterscheidet SuperClonica von Chatterbox? Chatterbox klont eine Stimme bei jeder Anfrage aus einem Clip. SuperClonica gibt Ihnen eine Supertonic-3-Stimme als eine JSON-Datei, einmal trainiert, im Katalog gekauft oder bei einem Autor bestellt, dazu eine schnellere Engine, um sie offline auszuführen. - [Fertige Stimmen anhören](https://superclonica.com/de/explore) - [SuperClonica installieren](https://superclonica.com/de/superclonica) ## Quellen - [Chatterbox-Repository (GitHub)](https://github.com/resemble-ai/chatterbox) - [Chatterbox Model Card (Hugging Face)](https://huggingface.co/ResembleAI/chatterbox) - [Chatterbox-Nano Model Card (Hugging Face)](https://huggingface.co/ResembleAI/chatterbox-nano) - [PerTh-Wasserzeichen (GitHub)](https://github.com/resemble-ai/perth) - [Supertonic 3 Model Card](https://huggingface.co/supertone-oss-archive/supertonic-3) - [SuperClonica](https://superclonica.com/de/) - [KI-Stimmenkatalog für Text-to-Speech](https://superclonica.com/de/explore) - [Auftragsstimmen für Supertonic 3](https://superclonica.com/de/requests) - [Anleitung: Stimmen, lokales TTS, Training](https://superclonica.com/de/guide) - [Schnelle Engine für Supertonic 3](https://superclonica.com/de/superclonica) - [Über uns: Enthusiasten für Sprachsynthese](https://superclonica.com/de/about) - [Kontakt, Support und Stimmen melden](https://superclonica.com/de/contacts) - [Datenschutzerklärung](https://superclonica.com/de/privacy) - [Nutzungsbedingungen](https://superclonica.com/de/terms) - [Text-to-Speech](https://superclonica.com/de/text-to-speech)