# Chatterbox TTSとSuperClonica：即時クローンか、学習済みの音声ファイルか

更新日 2026-10-23

Chatterboxは、Resemble AIがMITライセンスで公開しているオープンな音声合成モデルのシリーズです。どのモデルも短い参考音声からゼロショットで声をクローンします。シリーズには、5億パラメータで23言語に対応するMultilingual V3、3.5億パラメータの英語版Turbo、CPU向けで1.1億パラメータの英語版Nano、そして単一言語向けの追加学習モデル群があります。

SuperClonicaは逆のアプローチで、声を一度Supertonic 3のファイルに学習させ、あとは普通のCPUで速く動かします。Chatterboxは当社の比較表に入っていないため、当社独自の速度や品質の評価は載せていません。

## Chatterboxのモデル

Multilingual V3は汎用モデルで、アラビア語、デンマーク語、ドイツ語、ギリシャ語、英語、スペイン語、フィンランド語、フランス語、ヘブライ語、ヒンディー語、イタリア語、日本語、韓国語、マレー語、オランダ語、ノルウェー語、ポーランド語、ポルトガル語、ロシア語、スウェーデン語、スワヒリ語、トルコ語、中国語に対応します。中国語、中南米とスペインのスペイン語、ブラジルとポルトガルのポルトガル語、ヒンディー語には個別の追加学習モデルもあります。

Turboは低遅延の英語音声エージェント向けで、\[laugh\]や\[cough\]といったタグを解釈します。NanoはTurboと同じ構造で1.1億パラメータ、Resemble AIによると8コアのCPUでリアルタイムの3倍速で動きます。パッケージはpip install chatterbox-ttsでインストールでき、Python 3.11で検証されています。

## 短い音声からのクローンか、学習済みの声か

Chatterboxでは、リクエストのたびに参考音声を渡し、モデルがそこから声を組み立て直します。新しい声を得るいちばん速い方法で、結果は渡す音声に左右されます。

SuperClonicaは声を一度だけ学習します。必要なのは、正確な書き起こし付きの5〜10秒のきれいな録音と、自分のPCのNVIDIA GPUです。学習は無料で、JSONも無料でダウンロードできます。GPUがなければ作者に依頼でき、予算は結果を承認するまで確保されます。カタログからデモ付きの既製音声を選ぶこともできます。その後は、どのリクエストも同じファイルから始まります。

## CPUでのChatterboxの速度

当社はChatterboxを計測していません。Resemble AIが示すNanoの数字は8コアのCPUでリアルタイムの3倍速で、大きいモデルの例はCUDAで動かしています。

SuperClonicaについては、8コアのデスクトップCPUでリアルタイムの6.4〜9.7倍速と見積もっています。2つの数字は別々のテストと文章によるものなので、目安として受け取り、ご自分のPCで計測してください。

## ライセンスと透かし

Chatterboxのコードと重みはMITで、もっとも制限の少ないライセンスの1つです。Chatterboxが生成するファイルにはすべてResemble AIのPerTh透かしが入ります。耳には聞こえず、MP3圧縮や編集にも耐えるよう作られた印で、あとから合成音声だと判別できるようにするためのものです。

Supertonic 3はOpenRAIL-Mで、禁止用途のリストを定めた無償のライセンスです。SuperClonicaで購入した音声は自分のプロジェクト用で、転売はできません。

## Chatterboxを選ぶべき場面

固定した音声ファイルが欲しい場合、Supertonic 3の31言語でCPUでも速い読み上げが必要な場合、作者に声を作ってもらいたい場合は、SuperClonicaが向いています。次の用途ではChatterboxのほうが合っています。

- 学習なしで、短い音声からすぐにクローンしたい。
- Supertonic 3が対応していない中国語、ヘブライ語、マレー語、スワヒリ語。
- 笑い声や咳などの非言語タグを使った、表現豊かな英語。
- モデルの重みにMITライセンスが必要なプロジェクト。

## 音声合成についてもっと読む

- [自分のPCで動く音声合成・テキスト読み上げ](https://superclonica.com/ja/text-to-speech)
- [Supertonic と SuperClonica：同じモデルで、より速く、よりクリーンに](https://superclonica.com/ja/compare/supertonic)
- [Fish Audio・Fish SpeechとSuperClonicaの比較](https://superclonica.com/ja/compare/fish-audio)
- [OmniVoiceとSuperClonica：言語の多さか、速度か](https://superclonica.com/ja/compare/omnivoice)
- [ローカル音声合成ならQwen3-TTSかSuperClonicaか](https://superclonica.com/ja/compare/qwen3-tts)
- [VoxCPM 2とSuperClonica：スタジオ品質か、CPUでの速度か](https://superclonica.com/ja/compare/voxcpm)
- [F5-TTSとSuperClonica：ゼロショットのクローンか、CPUでの高速読み上げか](https://superclonica.com/ja/compare/f5-tts)
- [オフラインで使えるElevenLabsの代替](https://superclonica.com/ja/compare/elevenlabs)
- [Kokoro TTSとSuperClonica：ローカル音声合成の小型モデル2つ](https://superclonica.com/ja/compare/kokoro)
- [Piper TTSとSuperClonica：小型デバイスか、オリジナル音声か](https://superclonica.com/ja/compare/piper)
- [Coqui XTTS-v2とSuperClonica：Coqui TTSの代替として](https://superclonica.com/ja/compare/xtts)

## 音声合成ガイド

- [自分のPCでテキストをオフライン読み上げする方法](https://superclonica.com/ja/guides/offline-text-to-speech)
- [ボイスクローン：録音の声に近い音声を手に入れる方法](https://superclonica.com/ja/guides/voice-cloning)
- [2026年、ローカルで使える無料の音声合成モデル](https://superclonica.com/ja/guides/best-free-tts-models)
- [動画、オーディオブック、ゲーム、アプリのテキスト読み上げ](https://superclonica.com/ja/guides/text-to-speech-for-videos)
- [Supertonic 3 の音声：カスタム音声の入手先と使い方](https://superclonica.com/ja/guides/supertonic-3-voices)
- [Pythonで音声合成：オフライン・無料・自然な声で](https://superclonica.com/ja/guides/python-text-to-speech)
- [Dockerで動かすセルフホスト音声合成API](https://superclonica.com/ja/guides/text-to-speech-api-docker)

## よくある質問

### Chatterbox TTSは無料で商用利用できますか？

できます。コードも重みもMITライセンスです。ただし、生成したファイルにはすべて聞こえないPerTh透かしが入ります。

### ChatterboxはCPUで動きますか？

Nanoはそのためのモデルで、Resemble AIによると8コアのCPUでリアルタイムの3倍速ですが、英語のみです。多言語モデルもCPUに読み込めますが、例ではGPUを使っています。

### Chatterboxは日本語に対応していますか？

はい。日本語はMultilingual V3の23言語に含まれます。TurboとNanoは英語のみです。Supertonic 3も日本語に対応しています。

### SuperClonicaとChatterboxの違いは何ですか？

Chatterboxはリクエストのたびに短い音声から声をクローンします。SuperClonicaはSupertonic 3の声をJSONファイル1つで提供します。自分で一度学習する、カタログで買う、作者に依頼する、のいずれかで手に入れ、より速いエンジンでオフラインで動かせます。

- [既製の音声を聞く](https://superclonica.com/ja/explore)
- [SuperClonicaをインストール](https://superclonica.com/ja/superclonica)

## 出典

- [Chatterbox リポジトリ（GitHub）](https://github.com/resemble-ai/chatterbox)
- [Chatterbox モデルカード（Hugging Face）](https://huggingface.co/ResembleAI/chatterbox)
- [Chatterbox-Nano モデルカード（Hugging Face）](https://huggingface.co/ResembleAI/chatterbox-nano)
- [PerTh 透かし（GitHub）](https://github.com/resemble-ai/perth)
- [Supertonic 3 モデルカード](https://huggingface.co/supertone-oss-archive/supertonic-3)
- [SuperClonica](https://superclonica.com/ja/)
- [テキスト読み上げ用AI音声カタログ](https://superclonica.com/ja/explore)
- [Supertonic 3 カスタム音声の依頼](https://superclonica.com/ja/requests)
- [仕組み：音声、ローカル合成、学習](https://superclonica.com/ja/guide)
- [高速な Supertonic 3 エンジンのインストール](https://superclonica.com/ja/superclonica)
- [私たちについて：音声合成が好きなチーム](https://superclonica.com/ja/about)
- [お問い合わせ・サポート・音声の通報](https://superclonica.com/ja/contacts)
- [プライバシーポリシー](https://superclonica.com/ja/privacy)
- [利用規約](https://superclonica.com/ja/terms)
- [音声合成](https://superclonica.com/ja/text-to-speech)