Tags, die das ausgewählte Modell versteht — klicken Sie, um einen in Ihren Text zu legen, wo es passiert:
Dieses Modell liest Text, so dass Inline-Tags ignoriert werden. Für tag-basierte Emotion, wechseln Sie zu einem ausdrucksstarken Modell wie Orpheus oder Bark.
Natürlich-Sprache Lieferung Stichworte. Geehrt von Qwen3-TTS heute; andere ausdrucksstarke Modelle kommen bald.
Dieses Modell unterstützt keine Style-Anweisungen — wechseln Sie zu einem Modell, das es tut (z.B. Qwen3-TTS).
Kontrolliert die Expressivität (0 = neutral, 1 = sehr ausdrucksstark)
Klassifikator-freies Führungsgewicht (höher = mehr prompt folgend)
Beschreiben Sie den Sprachstil in natürlicher Sprache (Parler verwendet diese anstelle von voreingestellten Stimmen)
Dia-Dialog-Format: Verwenden Sie [S1] und [S2] Tags, um verschiedene Lautsprecher zu markieren. Beispiel: [S1] Hallo da! [S2] Hallo, wie geht es Ihnen?
Dies ist ein Premium-Stimmemodell, verfügbar auf jedem bezahlten Plan. Sie können immer noch Vorschau seiner Stimmen frei mit der Wiedergabe-Taste neben der Stimme Picker.
Pocket TTS comes from Kyutai, the lab behind the Moshi speech model, and is built around a transformer paired with the Mimi codec. At just 100M parameters it runs efficiently on CPU, yet it still supports zero-shot voice cloning from a single audio sample — an unusual feature at this size. It covers English and French and handles up to 1,000 characters per request at fast (~2s) speeds. The small footprint and ~1GB VRAM make it a natural fit for edge deployment and low-resource or CPU-only environments where quick voice cloning is needed.
Das Beste für: Lightweight deployment, CPU-only environments, quick voice cloning
FreiFemaleNur persönliche und nicht kommerzielle Nutzung
Eponine
English
FreiFemale
Fantine
English
FreiFemale
Fantine (French)
French
FreiFemale
Javert
English
FreiMale
Jean
English
FreiMaleNur persönliche und nicht kommerzielle Nutzung
Jean (French)
French
FreiMaleNur persönliche und nicht kommerzielle Nutzung
Marius
English
FreiMale
Pocket TTS TTS — FAQ
Yes. Pocket TTS does zero-shot voice cloning from a single reference sample (about 3 seconds), which is notable for a model this small.
Yes. At 100M parameters it runs efficiently on CPU and needs only about 1GB VRAM if a GPU is used, making it well suited to edge and low-resource deployment.
Mostly. Pocket TTS weights are released under CC BY 4.0 and it sits in the free tier. Its Jean and Cosette voices come from non-commercial datasets and are marked "Personal and non-commercial use only" on every plan. Audio from its other voices is for personal use on the free tier and can be used commercially on any paid plan. It supports English and French.
Geben Sie Ihre E-Mail, um 15.000 freie Zeichen zu erhalten und halten Sie Erzeugung Rede.
Kein Passwort benötigt — wir werden Ihnen später einen Link per E-Mail zusenden, um einen zu setzen.
Freie Tiergrenze erreicht
Sie haben Ihre 5.000 freien täglichen Zeichen verwendet. Erstellen Sie ein kostenloses Konto, um 15.000 Bonuszeichen plus 10.000 freie Zeichen jeden Monat zu erhalten.
