Pocket TTS TTS
A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.
Kääri tekstisi SSML-tunnisteisiin tarkan valvonnan varmistamiseksi:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Merkitse valittu malli ymmärtää – klikkaa pudottaaksesi yhden tekstiisi, missä se tapahtuu:
Tässä mallissa lukee pelkkää tekstiä, joten rivitunnisteet jätetään huomiotta. Jos haluat tag-pohjaisen tunteen, vaihda ilmaisukykyiseen malliin, kuten Orfeus tai Bark.
Määrittele custom-äänet (sana = ääntäminen):
Tietoja Pocket TTS
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.
Paras: Lightweight deployment, CPU-only environments, quick voice cloning
Selaa kaikkia Pocket TTS äänetSilmäyksellä
- Kehittäjä
- Kyutai
- Lisenssi
- MIT
- Määrittämistaso
- free
- Nopeus
- fast
- Äänien kloonaus
- Kyllä
- Kielet
- English, French
- Maksimimerkit
- 1000