Тексттан сөйләмгәComment Агентлар Музыка Аудиодан текстка Сүзләрне клонлау Сүз дизайны Маркетинг Күбрәк
Хата турында хәбәр итү / мөмкинлекләр сорау
Pocket TTS

Pocket TTS ТТС

A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.

0/500 символлар · 5000 елда нигезләнгән. →
Регистрация 5000 символга кадәр

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):

-12 +12
0.5x 2.0x
Piper, VITS, MeloTTS белән бушлай
Сезнең барлыкка китерелгән аудио монда күренәчәк. Модельне сайлагыз, мәтнне кертегез, һәм "Ярату" төймәсен басыгыз.
Аудио уңышлы төзелде
0:00
Аудио йөкләү .srt файлын төшерү Сүзнең вакыты 24 сәгатьтән соң бетә
РФ су реестры мәгълүматлары: Персона. Коммерцияле лицензия $5/аена
TTS.ai-ны яратасызмы? Дусларыгызга сөйләгез!

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 тавышлар

Бер карашка

Программист
Kyutai
Лицензия
CC BY 4.0 (weights)
Гыйнвар
free
Югары тизлек
fast
Сүзләрне клонлау
Әйе
Телләр
English, French
Макс. символлар саны
1000

Pocket TTS тавышлар

Alba

English
Бушлай Female

Azelma

English
Бушлай Female

Cosette

English
Бушлай Female Үзегез һәм коммерцияле булмаган максатларда гына кулланыгыз

Eponine

English
Бушлай Female

Fantine

English
Бушлай Female

Fantine (French)

French
Бушлай Female

Javert

English
Бушлай Male

Jean

English
Бушлай Male Үзегез һәм коммерцияле булмаган максатларда гына кулланыгыз

Jean (French)

French
Бушлай Male Үзегез һәм коммерцияле булмаган максатларда гына кулланыгыз

Marius

English
Бушлай Male

Pocket TTS РФ су реестры мәгълүматлары: Фурга.

Yes. Pocket TTS does zero-shot voice cloning from a single reference sample (about 3 seconds), which is notable for a model this small.

Yes. At 100M parameters it runs efficiently on CPU and needs only about 1GB VRAM if a GPU is used, making it well suited to edge and low-resource deployment.

Mostly. Pocket TTS weights are released under CC BY 4.0 and it sits in the free tier. Its Jean and Cosette voices come from non-commercial datasets and are marked "Personal and non-commercial use only" on every plan. Audio from its other voices is for personal use on the free tier and can be used commercially on any paid plan. It supports English and French.
← Барлык тавышлар