Pocket TTS

Pocket TTS TTS

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

ସଦସ୍ୟତା ନିଅନ୍ତୁ 5,000 ଅକ୍ଷରରୂପ ସୀମା ପାଇଁ

ସଠିକ ନିୟନ୍ତ୍ରଣ ପାଇଁ SSML ଟ୍ୟାଗଗୁଡ଼ିକରେ ଆପଣଙ୍କର ପାଠ୍ୟକୁ ଲଗାନ୍ତୁ:

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

ବଚ୍ଛିତ ନମୁନା ବୁଝିଥିବା ସୂଚକଗୁଡ଼ିକ - ଏହା ଘଟୁଥିବା ସ୍ଥାନକୁ ଆପଣଙ୍କର ପାଠ୍ୟରେ ଗୋଟିଏ ପକାଇବା ପାଇଁ କ୍ଲିକ କରନ୍ତୁ:

ଏହି ଆକାର ସରଳ ପାଠ୍ୟ ପଢ଼େ, ତେଣୁ ଅନ୍ତର୍ନିହିତ ସୂଚକଗୁଡ଼ିକୁ ଅଣଦେଖା କରାଯାଏ। ସୂଚକ ଆଧାରିତ ଅନୁଭୂତି ପାଇଁ, ଗୋଟିଏ ଅଭିବ୍ୟକ୍ତିମୂଳକ ଆକାରକୁ ପରିବର୍ତ୍ତନ କରନ୍ତୁ ଯେପରିକି Orpheus କିମ୍ବା Bark।

ଇଚ୍ଛାରୂପୀ ଉଚ୍ଚାରଣକୁ ବର୍ଣ୍ଣନା କରନ୍ତୁ (ଶବ୍ଦ = ଉଚ୍ଚାରଣ):

-12 +12
0.5x 2.0x
Piper, VITS, MeloTTS ସହିତ ମୁକ୍ତ
ଆପଣଙ୍କର ନିର୍ମିତ ଧ୍ୱନି ଏଠାରେ ଦେଖାଯିବ। ଗୋଟିଏ ନମୂନା ବାଛନ୍ତୁ, ପାଠ୍ୟ ଭରଣ କରନ୍ତୁ, ଏବଂ ନିର୍ମାଣ କରନ୍ତୁ କ୍ଲିକ କରନ୍ତୁ।
ଧ୍ୱନି ସଫଳତାର ସହିତ ସୃଷ୍ଟି ହୋଇଛି
0:00
ଧ୍ୱନି ଆହରଣ କରନ୍ତୁ ଆହରଣ କରନ୍ତୁ ସଂଯୋଗ 24 ଘଣ୍ଟାରେ ସମୟ ସମାପ୍ତ ହୋଇଥାଏ
ମୁକ୍ତ ସ୍ତର: ବ୍ୟକ୍ତିଗତ ଉପଯୋଗ । $5/ମାସରୁ ବାଣିଜ୍ୟିକ ଲାଇସେନ୍ସ
TTS.ai କୁ ଭଲପାଆନ୍ତି? ଆପଣଙ୍କ ବନ୍ଧୁମାନଙ୍କୁ ଜଣାଇ ଦିଅନ୍ତୁ!

ବିଷୟରେ 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.

ପାଇଁ ଉତ୍ତମ: Lightweight deployment, CPU-only environments, quick voice cloning

ସମସ୍ତଙ୍କୁ ବ୍ରାଉଜ କରନ୍ତୁ Pocket TTS ଧ୍ୱନି

ଗୋଟିଏ ନଜରରେ

ବିକାଶକାରୀ
Kyutai
ଅନୁମତିପତ୍ର
MIT
ତିଆର
free
ବେଗ
fast
ଧ୍ୱନି କ୍ଲୋନିଂ
ହଁ
ଭାଷାName
English, French
ସର୍ବାଧିକ ଅକ୍ଷର
1000

Pocket TTS ଧ୍ୱନି

Alba

English
ମୁକ୍ତ Female

Azelma

English
ମୁକ୍ତ Female

Cosette

English
ମୁକ୍ତ Female

Eponine

English
ମୁକ୍ତ Female

Fantine

English
ମୁକ୍ତ Female

Fantine (French)

French
ମୁକ୍ତ Female

Javert

English
ମୁକ୍ତ Male

Jean

English
ମୁକ୍ତ Male

Jean (French)

French
ମୁକ୍ତ Male

Marius

English
ମୁକ୍ତ Male

Pocket TTS TTS - ସାଧାରଣ ପ୍ରଶ୍ନ

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.

Yes. Pocket TTS is MIT-licensed and in the free tier. It supports English and French.
← ସମସ୍ତ ଧ୍ୱନି