Pocket TTS ТТС
A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.
Опакувајте го вашиот текст во SSML ознаки за прецизна контрола:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Означувања на избраниот модел кои го разбира — кликнете за да го пуштите еден во вашиот текст каде што се случува:
Овој модел чита обичен текст, па значи, во редовните ознаки се игнорираат. За емоции базирани на таг, префрли се на изразителен модел како што е Орфеус или Барк.
Дефинирај ги сопствените изговори (слов = изговор):
За 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.
Најдобро за: Lightweight deployment, CPU-only environments, quick voice cloning
Прелистувај ги сите Pocket TTS гласовиНа еден поглед
- Развивач
- Kyutai
- Лиценца
- CC BY 4.0 (weights)
- Ниво
- free
- Брзина
- fast
- Гласовно клонирање
- Да.
- Јазици
- English, French
- Макс. знаци
- 1000