Resemble AI, TTS alanında dikkat çekmeden oyunun kurallarını değiştiriyor.
Chatterbox modeli yaklaşık 350M parametreli. Sadece 5 saniyelik örnekten ses klonlayabiliyor ve ~150 ms altında konuşmaya başlıyor. En kritik nokta: açık kaynak. Eskiden kaliteli ses klonlama için ciddi bütçe, stüdyo ve saatler gerekiyordu; artık bu bariyer pratikte kalkmış durumda.
Modeli Hugging Face üzerinden WebGPU ile tamamen lokalde çalıştırmak mümkün. Buluta veri göndermek yok, gizlilik riski yok, API maliyeti yok. Donanımın yeterliyse tüm süreç makinenizde.
Geçen hafta test ettim: 5 saniyelik kayıtla kendi sesimi klonladım; sonuç neredeyse ayırt edilemeyecek seviyede. İçinde neural watermarking de var; deepfake riskine karşı düşünülmüş bir koruma katmanı mevcut.
Qwen3 TTS tarafı iyi; ancak açık kaynak ekosisteminde Chatterbox Turbo şu an hızkaliteerişilebilirlik dengesini en iyi kuran model gibi görünüyor.
Ses tarafını öğrenmekte fayda var. Vibe coding sonrası vibe talking dönemi geliyor. Ses klonlayıp içerik üretmeyen ciddi bir avantajı kaçırıyor.
Repo Linki:
https://github.com/resemble-ai/chatterbox
ChatGPT ya da Claudee repo linkini atın ve nasıl kullanacağınızı sorun..