Pocket TTS ടിടിഎസ്
A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.
കൃത്യമായ നിയന്ത്രണത്തിനായി SSML തൊങ്ങലില് വാചകം പൊതിയുക:
<speak><prosody rate="slow">Slow speech</prosody></speak>
തെരഞ്ഞെടുത്ത മാതൃക മനസ്സിലാക്കുന്നത് ടാഗ് (കുടികള്) :
ഈ മോഡ് സാധാരണ പദാവലി വായിക്കുന്നു, അതുകൊണ്ട് ഇന്ലൈന് തൊങ്ങല് അവഗണിപ്പിക്കുന്നു. ടാഗ് അടിസ്ഥാനപരമായ വികാരങ്ങള്ക്കു് ഓര്ഫിയസ് അല്ലെങ്കില് ബാര്ക് പോലുള്ള ഒരു ചിത്രീകരണ മോഡില് മാറുക.
ഇഷ്ടപ്പെട്ട ഉച്ചാരണം നിര്വ്വചിക്കുക (വാക്ക് = ഉച്ചാരണം):
സംബന്ധിച്ച് 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.
അതിനു വേണ്ടിയുള്ള ഏറ്റവും നല്ല സ്ഥലം.: Lightweight deployment, CPU-only environments, quick voice cloning
എല്ലാം പരതുക Pocket TTS ശബ്ദങ്ങള്ഒരു നോക്കുമ്പോള്
- രചയിതാവു്
- Kyutai
- അനുമതി
- MIT
- ടിയെര്
- free
- വേഗത
- fast
- ശബ്ദമിശ്രണോപാധി
- അതെ
- ഭാഷകള്
- English, French
- ഏറ്റവും കൂടിയ ക്യാരക്ടറുകള്
- 1000