Pocket TTS TTS
A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.
Apvynioti savo tekstą BSML žymės tiksliam valdymui:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Žymos pasirinktas modelis supranta — spustelėkite, kad įmestų vieną į tekstą, kur tai atsitinka:
Šis modelis skaito paprastą tekstą, todėl į eilę orientuotos žymės yra ignoruojamos. Dėl įsagų pagrindu išreikštos emocijos pereikite prie tokio išraiškingo modelio kaip Orpheus arba Bark.
Apibrėžti užsakymą tarimas (žodžio = tarimas):
Apie 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.
Geriausia: Lightweight deployment, CPU-only environments, quick voice cloning
Naršyti viską Pocket TTS balsaiIš pirmo žvilgsnio
- Programuotojas
- Kyutai
- Licencija
- MIT
- Pakopa
- free
- Greitis
- fast
- Balso klonavimas
- Taip
- Kalbos
- English, French
- Daugiausia simbolių
- 1000