Pocket TTS

Pocket TTS TTS

A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.

दर्ता गर्नुहोस् ५,००० क्यारेक्टर सीमाका लागि

सटीक नियन्त्रणका लागि SSML ट्यागमा तपाईँको पाठ बेर्नुहोस्:

<speak><prosody rate="slow">Slow speech</prosody></speak>

ट्याग चयन गरिएको मोडेल बुझ्छ - यो कहाँ हुन्छ आफ्नो पाठ मा एक गिर गर्न क्लिक:

यो नमूनाले सादा पाठ पढ्दछ, त्यसैले इनलाइन ट्याग उपेक्षा गरिन्छ । ट्याग-आधारित भावनाका लागि, ओर्फिस वा बारक जस्तै अभिव्यक्तिमूलक नमूनामा स्विच गर्नुहोस् ।

अनुकूल उच्चारण परिभाषित गर्नुहोस् (शब्द = उच्चारण):

-12 +12
0.5x 2.0x
पाइपर, VITS, MeloTTS सँग निःशुल्क
तपाईँको सिर्जना गरिएको अडियो यहाँ देखा पर्नेछ । नमूना रोज्नुहोस्, पाठ प्रविष्ट गर्नुहोस्, र सिर्जना गर्नुहोस् क्लिक गर्नुहोस् ।
अडियो सफलतापूर्वक उत्पन्न भयो
0:00
अडियो डाउनलोड गर्नुहोस् डाउनलोड.srt लिङ्क २४ घण्टामा समाप्त हुन्छ
यसको प्रयोग प्राय: व्यक्तिगत रूपमा गरिन्छ। $5/mo बाट व्यावसायिक लाइसेन्स
TTS.ai प्रेम? आफ्नो साथीहरूलाई भन्नुहोस्!

यसका बारेमा 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.

यसका लागि उत्तम: Lightweight deployment, CPU-only environments, quick voice cloning

सबै ब्राउज गर्नुहोस् Pocket TTS आवाज

एक नजरमा

विकासकर्ता
Kyutai
इजाजतपत्र
CC BY 4.0 (weights)
टर
free
गति
fast
आवाज क्लोनिङ
हो
भाषा
English, French
अधिकतम क्यारेक्टर
1000

Pocket TTS आवाज

Alba

English
स्वतन्त्र Female

Azelma

English
स्वतन्त्र Female

Cosette

English
स्वतन्त्र Female व्यक्तिगत र गैर-व्यावसायिक प्रयोग मात्र

Eponine

English
स्वतन्त्र Female

Fantine

English
स्वतन्त्र Female

Fantine (French)

French
स्वतन्त्र Female

Javert

English
स्वतन्त्र Male

Jean

English
स्वतन्त्र Male व्यक्तिगत र गैर-व्यावसायिक प्रयोग मात्र

Jean (French)

French
स्वतन्त्र Male व्यक्तिगत र गैर-व्यावसायिक प्रयोग मात्र

Marius

English
स्वतन्त्र Male

Pocket TTS TTS - FAQ

Yes. Pocket TTS does zero-shot voice cloning from a single reference sample (about 3 seconds), which is notable for a model this small.

Yes. At 100M parameters it runs efficiently on CPU and needs only about 1GB VRAM if a GPU is used, making it well suited to edge and low-resource deployment.

Mostly. Pocket TTS weights are released under CC BY 4.0 and it sits in the free tier. Its Jean and Cosette voices come from non-commercial datasets and are marked "Personal and non-commercial use only" on every plan. Audio from its other voices is for personal use on the free tier and can be used commercially on any paid plan. It supports English and French.
← सबै आवाज