Pocket TTS TTS
A compact 100M-parameter CPU model from Kyutai (makers of Moshi) with single-sample voice cloning.
Переносити ваш текст до міток SSML для точного керування:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Додати позначки емоцій доставки впливу (відносна підтримка model):
Ця модель читає простий текст, отже теґи вбудований буде проігноровано. Для емоцій, заснованих на мітках, перемкніться на модель експресивного вираження, на зразок Orpheus або Bark.
Визначити нетипові вимови (слово = вимова):
Про програму 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.
Найкраще для: Lightweight deployment, CPU-only environments, quick voice cloning
Перегляд всього Pocket TTS голосиНа перший погляд
- Розробник
- Kyutai
- Ліцензія
- MIT
- Тір
- free
- Швидкість
- fast
- Клонування голосів
- Так.
- Мови
- English, French
- Макс. символи
- 1000