Značky, ktorým vybraný model rozumie — kliknutím ich umiestnite do textu tam, kde sa vyskytujú:
Tento model číta obyčajný text, takže vnorené značky sa ignorujú.Pre emócie založené na značkách prejdite na expresívny model ako Orpheus alebo Bark.
Dnes ocenený technológiou Qwen3-TTS; ďalšie expresívne modely budú k dispozícii už čoskoro.
Tento model nepodporuje štýl inštrukcie — prepnite na model, ktorý to robí (napr Qwen3-TTS).
Definovať vlastné výslovnosti (slovo = výslovnosť):
-12
+12
Ovláda expresivitu (0 = neutrálne, 1 = veľmi expresívne)
Navádzacia hmotnosť bez klasifikátora (vyššia = viac pokynov)
Popíšte štýl hlasu v prirodzenom jazyku (Parler používa tento namiesto prednastavených hlasov)
Dia Dialóg formát: Použite [S1] a [S2] značky na označenie rôznych reproduktorov. Príklad: [S1] Ahoj tam! [S2] Ahoj, ako sa máš?
Toto je prémiový hlasový model, ktorý je k dispozícii na akomkoľvek platenom pláne, ale stále si môžete pozrieť jeho hlasy zadarmo pomocou tlačidla prehrávania vedľa výberu hlasu.
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.
Najlepšie pre: Lightweight deployment, CPU-only environments, quick voice cloning
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.
Zadajte svoj e-mail, aby ste získali 15 000 znakov zadarmo a pokračovali v generovaní reči.
Nepotrebujete žiadne heslo – pošleme vám e-mail s odkazom na nastavenie hesla neskôr.
Dosiahnutý limit bezplatnej úrovne
Vytvoriť si účet zdarma a získať 15 000 bonusových znakov plus 10 000 znakov zadarmo každý mesiac, alebo si vytvoriť účet zdarma a získať 15 000 bonusových znakov plus 10 000 znakov zadarmo každý mesiac.
