Pocket TTS TTS-värden
A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.
Radera din text i SSML-taggar för exakt kontroll:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Taggar den valda modellen förstår — klicka för att släppa en i din text där det händer:
Den här modellen läser vanlig text, så inline-taggar ignoreras. För taggbaserade känslor, byt till en uttrycksfull modell som Orpheus eller Bark.
Definiera egna uttal (ord = uttal):
Om jag inte kan 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.
Bäst för: Lightweight deployment, CPU-only environments, quick voice cloning
Bläddra alla Pocket TTS rösterMed en blick
- Utvecklare
- Kyutai
- Licens
- MIT
- Nivå
- free
- Varvtal
- fast
- Röstkloning
- Ja, det är jag.
- Språk
- English, French
- Max tecken
- 1000