Pocket TTS ಟಿಟಿಟ್ಸ್Name
A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.
ನಿಖರವಾದ ನಿಯಂತ್ರಣಕ್ಕಾಗಿ ನಿಮ್ಮ ಪಠ್ಯವನ್ನು SSML ಟ್ಯಾಗ್ಗಳಲ್ಲಿ ಭದ್ರಗೊಳಿಸು:
<speak><prosody rate="slow">Slow speech</prosody></speak>
ಆಯ್ಕೆ ಮಾಡಲಾದ ಮಾದರಿಗೆ ಗೊಂಬೆ ಹಾಕಿದರೆ ಅದು ನಡೆಯುವ ನಿಮ್ಮ ಪಠ್ಯದಲ್ಲಿ ಒಂದನ್ನು ಹಾಕಲು ಒತ್ತಿ:
ಈ ನಮೂನೆಯನ್ನು ಸರಳ ಪಠ್ಯವಾಗಿ ಓದುವುದರಿಂದ, ಆನ್ಲೈನ್ ಟ್ಯಾಗ್ಗಳನ್ನು ನಿರ್ಲಕ್ಷಿಸಲಾಗುತ್ತದೆ. ಟ್ಯಾಗ್- ಸಂಬಂಧಿತ ಭಾವನಾತಕ್ಕಾಗಿ, ಆರೆಫಸ್ ಅಥವ ಬಾರ್ಕ್ ನಂತಹ ಒಂದು ಚಿತ್ರಾಂಶದ ನಮೂನೆಗೆ ಬದಲಾಯಿಸಲಾಗುತ್ತದೆ.
ಗ್ರಾಹಕೀಯ ಉದ್ಧರಣೆಗಳನ್ನು (ಮಾತು = ಉಚ್ಚಾರಣೆಯನ್ನು) ಅರ್ಥನಿರೂಪಿಸು:
ಕುರಿತು 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.
ಇದಕ್ಕೆ ಉತ್ತಮ: Lightweight deployment, CPU-only environments, quick voice cloning
ಎಲ್ಲವನ್ನೂ ವೀಕ್ಷಿಸು Pocket TTS ಧ್ವನಿಗಳುಒಂದು ನೋಟದಲ್ಲಿ
- ವಿಕಾಸಕ
- Kyutai
- ಪರವಾನಗಿ
- MIT
- ಟೈಅರ್
- free
- ವೇಗ
- fast
- ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ
- ಹೌದು
- ಭಾಷೆಗಳುName
- English, French
- ಗರಿಷ್ಟ ಅಕ್ಷರಗಳು
- 1000