Помечает выбранную модель, которая понимает — нажмите, чтобы выкинуть одну в ваш текст, где она случается:
Эта модель читает простой текст, поэтому встраиваемые метки игнорируются. Для эмоций на основе метки переключайтесь на экспрессивную модель, как Орфей или Барк.
Натурально-лингвистические сигналы. Почетен сегодня Qwen3-TTS; скоро придут другие экспрессивные модели.
Эта модель не поддерживает инструкции стиля — переключаться на модель, которая есть (например, Qwen3-TTS).
Определить традиционные произношения (слово = произношение):
-12
+12
Контроль экспрессивности (0 = нейтральная, 1 = очень экспрессивная)
Недифференцируемый грузоподъемность (более высокая = более быстрое следование)
Опишите стиль голоса на естественном языке (Парлер использует это вместо предварительного нажатия голоса)
Диалоговый формат: Используйте <код>[S1] и <код>[S2] метки для обозначения различных ораторов. Пример: <код>[S1] Алло! [S2] Привет, как вы?>/код>
Это премиальная голосовая модель, доступная на любом платном плане. Вы можете бесплатно презентовать его голоса с кнопкой для воспроизведения рядом с голосовым пикателем.
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.
Лучший для: Lightweight deployment, CPU-only environments, quick voice cloning
СвободныеFemaleТолько личное и некоммерческое использование
Eponine
English
СвободныеFemale
Fantine
English
СвободныеFemale
Fantine (French)
French
СвободныеFemale
Javert
English
СвободныеMale
Jean
English
СвободныеMaleТолько личное и некоммерческое использование
Jean (French)
French
СвободныеMaleТолько личное и некоммерческое использование
Marius
English
СвободныеMale
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.
Введите email, чтобы получить 15,000 бесплатных символов и продолжить генерировать речь.
Пароль не нужен - мы направим вам ссылку, чтобы установить его позже.
Свободный предел роста
Вы использовали 5,000 бесплатных дневных символов. Создайте бесплатный аккаунт, чтобы получить 15,000 бонусных символов плюс 10,000 бесплатных символов каждый месяц.
