Pocket TTS TTS
A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.
Rrotullo tekstin në etiketa SSML për kontroll të saktë:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Tags që modeli i zgjedhur i kupton - kliko për të vendosur një në tekstin tuaj ku ndodh:
Ky model lexon tekst të thjeshtë, kështu që etiketat e brendshme injorohen. Për emocione të bazuara në etiketa, kalo në një model shprehës si Orpheus ose Bark.
Përcakto përkthimin e personalizuar (fjalë = përkthim):
Për 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.
Më i miri për: Lightweight deployment, CPU-only environments, quick voice cloning
Shfleto gjithçka Pocket TTS zëraMe një sy
- Programues
- Kyutai
- Liçenca
- CC BY 4.0 (weights)
- Animal
- free
- Shpejtësia
- fast
- Klonimi i zërit
- Po
- Gjuhë
- English, French
- Maksimumi i gërmave
- 1000