Pocket TTS TTS
A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.
Zawiń tekst w tagi SSML dla precyzyjnej kontroli:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Tagi wybrany model rozumie — kliknij aby usunąć jeden do swojego tekstu, gdzie się to dzieje:
Model ten czyta tekst zwykły, więc w linii tagi są ignorowane. Dla emocji na tag, przełącz na model wyrażony jak Orfeus lub Bark.
Definiuj własny wymówki (słowo = wymówka):
O tematie 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.
Najlepsze dla: Lightweight deployment, CPU-only environments, quick voice cloning
Przeglądaj wszystkie Pocket TTS głosyNa jedno spojrzenie
- Rozwijacz
- Kyutai
- Licencja
- MIT
- Poziom szczelności
- free
- Prędkość
- fast
- Klonowanie głosu
- Tak.
- Języki
- English, French
- Maksymalna liczba znaków
- 1000