Pocket TTS TTS
A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.
Zabaliť text do SSML značiek pre presnú kontrolu:
<speak><prosody rate="slow">Slow speech</prosody></speak>
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.
Definovať vlastné výslovnosti (slovo = výslovnosť):
O nás 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.
Najlepšie pre: Lightweight deployment, CPU-only environments, quick voice cloning
Prehľadávať všetky Pocket TTS hlasyNa prvý pohľad
- Vývojár
- Kyutai
- Licencia
- MIT
- Zvieratá
- free
- Rýchlosť
- fast
- Klonovanie hlasu
- Áno
- Jazyky
- English, French
- Max. počet znakov
- 1000