Pocket TTS TTS
A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.
ਸਹੀ ਕੰਟਰੋਲ ਲਈ SSML ਟੈਗ ਵਿੱਚ ਆਪਣਾ ਪਾਠ ਲਪੇਟੋ:
<speak><prosody rate="slow">Slow speech</prosody></speak>
ਟੈਗ, ਜੋ ਕਿ ਚੁਣੇ ਮਾਡਲ ਸਮਝਦਾ ਹੈ - ਆਪਣੇ ਪਾਠ ਵਿੱਚ ਇੱਕ ਟੈਗ ਸੁੱਟਣ ਲਈ ਕਲਿੱਕ ਕਰੋ, ਜਿੱਥੇ ਇਹ ਹੁੰਦਾ ਹੈ:
ਇਹ ਮਾਡਲ ਸਾਦਾ ਪਾਠ ਪੜ੍ਹਦਾ ਹੈ, ਇਸ ਲਈ ਇੰਲਾਈਨ ਟੈਗ ਅਣਡਿੱਠੇ ਕੀਤੇ ਜਾਂਦੇ ਹਨ । ਟੈਗ- ਅਧਾਰਿਤ ਈਮੋਸ਼ਨ ਲਈ ਇੱਕ ਸਪੱਸ਼ਟ ਮਾਡਲ ਜਿਵੇਂ ਕਿ Orpheus ਜਾਂ Bark ਲਈ ਬਦਲੋ ।
ਪਸੰਦੀਦਾ ਉਚਾਰਨ ਦਿਓ (ਸ਼ਬਦ = ਉਚਾਰਨ):
ਬਾਰੇ 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.
ਇਸ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ: Lightweight deployment, CPU-only environments, quick voice cloning
ਸਭ ਝਲਕ Pocket TTS ਆਵਾਜ਼ਾਂਇੱਕ ਨਜ਼ਰ
- ਡਿਵੈਲਪਰ
- Kyutai
- ਲਾਈਸੈਂਸ
- MIT
- ਟੀਅਰ
- free
- ਗਤੀ
- fast
- ਬੋਲੀ ਕਲੋਨਿੰਗ
- ਹਾਂ
- ਭਾਸ਼ਾਵਾਂ
- English, French
- ਵੱਧੋ- ਵੱਧ ਅੱਖਰ
- 1000