Pocket TTS ТТС
A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.
Тодорхой хяналтын тулд SSML тэмдгээр текстээ буулгах:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Бүх
Энэ загвар нь энгийн утга уншдаг, тиймээс доторх тэмдгийг үл тоомсорлодог. Тэг- суурилсан сэтгэл хөдлөл, Orpheus эсвэл Bark- шиг илэрхийлэх загвар руу шилжинэ.
Өөрийн дуудлагыг тодорхойлох (үг = дуудлага):
Тодорхойлолт 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.
Хамгийн сайн: Lightweight deployment, CPU-only environments, quick voice cloning
Бүхнийг харах Pocket TTS дуунуудНүүр хуудас
- Хөгжүүлэгч
- Kyutai
- Лиценз
- MIT
- Үхрийн
- free
- Хурд
- fast
- Дууны дугуй
- Тийм
- Хэл
- English, French
- Хамгийн их үсэг
- 1000