Pocket TTS ТТС
A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.
Матныгызны төгәл контроль өчен SSML теглары белән әйләндерегез:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Сайланган модель аңлаган теглар — аларны җөмләгә төшерү өчен өстәп куегыз:
Бу модель гади текстны укый, шуңа күрә эчтәге теглар игътибарга алынмый. Тэгларга нигезләнгән эмоцияләр өчен, Orpheus яки Bark кебек иҗади модельгә күчегез.
Үзенчәлекле әйтелешне билгеләгез (сүз = әйтелеш):
Бәйләнешләр 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.
Иң яхшысы: Lightweight deployment, CPU-only environments, quick voice cloning
Барлыгын карау Pocket TTS тавышларБер карашка
- Программист
- Kyutai
- Лицензия
- MIT
- Гыйнвар
- free
- Югары тизлек
- fast
- Сүзләрне клонлау
- Әйе
- Телләр
- English, French
- Макс. символлар саны
- 1000