Pocket TTS TTS
A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.
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):
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 आवाजएक नजरमा
- विकासकर्ता
- Kyutai
- इजाजतपत्र
- MIT
- टर
- free
- गति
- fast
- आवाज क्लोनिङ
- हो
- भाषा
- English, French
- अधिकतम क्यारेक्टर
- 1000