Image, video & voiceImagem, vídeo & voz
Pocket TTSPocket TTS
Kyutai's voice model that synthesizes and clones voice on CPUModelo de voz da Kyutai que sintetiza e clona voz em CPU
What it isO que é
An open source text-to-speech model from Kyutai with about 100 million parameters, which runs on CPU with no GPU or API.
Modelo de text-to-speech open source da Kyutai com cerca de 100 milhões de parâmetros, que roda em CPU sem GPU nem API.
What it’s forPara que serve
Use it to generate or clone voice locally, through a Python library, CLI or HTTP server.
Usar para gerar ou clonar voz localmente, por biblioteca Python, CLI ou servidor HTTP.
BenefitsVantagens
- Streaming with about 200 ms to the first chunk of audio
- Voice cloning from a WAV file and ready-made voices, in seven languages
- Accepts long texts
- Streaming com cerca de 200 ms até o primeiro trecho de áudio
- Clonagem de voz a partir de um WAV e vozes prontas, em sete idiomas
- Aceita textos longos
CaveatsRessalvas
- MIT license
- According to the repository, it runs at about 6 times real time on a MacBook Air M4; this is the project's claim
- The usage policy prohibits cloning a voice without explicit consent
- The video's comparisons were not tested
- Licença MIT
- Segundo o repositório, roda a cerca de 6 vezes o tempo real num MacBook Air M4; é alegação do projeto
- A política de uso proíbe clonar voz sem consentimento explícito
- Comparações do vídeo não foram testadas
