Pocket TTS เสียง
A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.
หมุนข้อความของคุณในแท็ก SSML เพื่อควบคุมอย่างแม่นยำ:
<speak><prosody rate="slow">Slow speech</prosody></speak>
แท็กที่โมเดลที่เลือกไว้เข้าใจ - คลิกเพื่อวางแท็กลงในข้อความของคุณที่มันเกิดขึ้น:
โมเดลนี้อ่านข้อความธรรมดา ดังนั้น แท็กในบรรทัดจะถูกละเลย สำหรับอารมณ์ที่ใช้แท็ก เปลี่ยนไปใช้โมเดลแสดงออก เช่น Orpheus หรือ Bark
ตั้งค่าการออกเสียงที่กำหนดเอง (คำ = การออกเสียง):
เกี่ยวกับ 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.
เหมาะสำหรับ: Lightweight deployment, CPU-only environments, quick voice cloning
แสดงทั้งหมด Pocket TTS เสียงเพียงแค่มองดู
- ผู้พัฒนา
- Kyutai
- ใบอนุญาต
- MIT
- สัตว์
- free
- ความเร็ว
- fast
- เสียง
- ใช่
- ภาษา
- English, French
- จำนวนตัวอักษรสูงสุด
- 1000