# Pocket TTS 100M (Sprachmodell)

> Kyutais Pocket TTS 100M, lokal betrieben: je ein Checkpoint für Englisch, Französisch, Deutsch, Spanisch, Italienisch und Portugiesisch, 15 vorgegebene Stimmen pro Sprache oder Voice-Cloning aus einem kurzen Clip ohne Transkript. Schneller als Echtzeit auf einer CPU, mit audio.cpp. CC-BY-4.0: kommerzielle Nutzung mit Namensnennung, unter Kyutais Nutzungsbedingungen.

- Id: `aigd.tts-pocket`
- Quelle: Offiziell (First-Party `aigd.*`)
- Kategorie: Audio
- Herausgeber: AI Game Dev (`aigd`), verifiziert
- Neueste Version: 1.0.2 (veröffentlicht am 2026-11-22)
- Lizenz: CC-BY-4.0
- Erfordert die AI Game Dev App: `>=0.32.0-beta.6`
- Nativer Code: nein
- Bewertung: noch nicht bewertet
- HTML-Seite: https://ai-game.dev/de/packages/aigd.tts-pocket

## Installieren

Mit der gamedev CLI im Projektordner:

```bash
gamedev pkg add aigd.tts-pocket
```

In der Desktop-App: Öffne das Fenster Packages (das Paket-Symbol in der Statusleiste), wähle **Browse**, suche nach `aigd.tts-pocket` und klicke auf **Add to Project**. Mehr: https://ai-game.dev/docs/wiki/app/packages

## Versionen

| Version | Veröffentlicht | Erfordert App | Hinweise |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | neueste |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Beschreibung

````markdown
# Pocket TTS 100M (`aigd.tts-pocket`)

Pocket TTS 100M ist Kyutais kleines Text-to-Speech-Modell mit einem Checkpoint pro Sprache: Englisch, Französisch, Deutsch, Spanisch, Italienisch und Portugiesisch. Zu jeder Sprache gehören 15 von Kyutais voreingestellten Stimmen, und es kann eine Stimme aus einem kurzen Clip klonen, ganz ohne Transkript. In AI Game Dev läuft es über **Local audio generation** (`aigd.audiocpp`, audio.cpp) auf jedem Computer, auf einer CPU schneller als in Echtzeit. Seine Lizenz CC-BY-4.0 erlaubt die kommerzielle Nutzung mit Namensnennung, deshalb eignet es sich für Spiele, die auf gewöhnlicher Hardware in die wichtigsten europäischen Sprachen lokalisiert werden.

## Was du erstellen kannst

- NPC-Dialoge und Erzählertexte in Englisch, Französisch, Deutsch, Spanisch, Italienisch oder Portugiesisch.
- Ein Figurenensemble aus 15 voreingestellten Stimmen pro Sprache oder Stimmen, die aus 3–30 s langen Clips geklont wurden (mit Einwilligung der sprechenden Person).
- Lokalisierte Tutorial-Zeilen und UI-Ansagen, schnell auf einer CPU erzeugt.

## Beispielanfragen

- "Sprich die Zeilen des Schmieds auf Französisch mit der Stimme `marius`."
- "Klone `Audio/ref/me.wav` und lies die deutsche Version des Intros vor."
- "Erstelle die spanische und die italienische Version des Tutorial-Hinweises mit `alba`."

## Highlights

|  |  |
|---|---|
| Modell-IDs | `aigd.tts-pocket.en-q8-0`, `.fr-q8-0`, `.de-q8-0`, `.es-q8-0`, `.it-q8-0`, `.pt-q8-0` (jeweils ein eigener Download) |
| Sprachen | en, fr, de, es, it, pt (je ein Checkpoint) |
| Stimmen | 15 Presets pro Sprache (Standard `alba`) oder ein Klon aus einem 3–30 s langen Clip (kein Transkript nötig) |
| Ausgabe | 24 kHz |
| Text pro Anfrage | bis zu 4.000 Zeichen |
| Läuft auf | jedem Computer: der CPU (Kyutai: etwa 6× Echtzeit auf 2 Kernen) oder einer GPU |
| Download | 0,23 GB und 16 Dateien pro Sprache |
| Lizenz | CC-BY-4.0, kommerzielle Nutzung mit Namensnennung, gemäß den Nutzungsbedingungen von Kyutai |

## So läuft es

Dieses Paket enthält nur Daten: Es benennt die Modelldateien. Nachdem du die Lizenz akzeptiert hast, lädt die App sie von Hugging Face herunter, prüft jede einzelne per sha256 und führt sie mit **Local audio generation** (`aigd.audiocpp`, audio.cpp) auf deinem Computer aus.

## Download

- **Pocket TTS 100M (Englisch)** (`aigd.tts-pocket.en-q8-0`): 0,23 GB, 16 Dateien von [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), an diesen Commit gebunden.
- **Pocket TTS 100M (Französisch)** (`aigd.tts-pocket.fr-q8-0`): 0,23 GB, 16 Dateien von [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), an diesen Commit gebunden.
- **Pocket TTS 100M (Deutsch)** (`aigd.tts-pocket.de-q8-0`): 0,23 GB, 16 Dateien von [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), an diesen Commit gebunden.
- **Pocket TTS 100M (Spanisch)** (`aigd.tts-pocket.es-q8-0`): 0,23 GB, 16 Dateien von [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), an diesen Commit gebunden.
- **Pocket TTS 100M (Italienisch)** (`aigd.tts-pocket.it-q8-0`): 0,23 GB, 16 Dateien von [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), an diesen Commit gebunden.
- **Pocket TTS 100M (Portugiesisch)** (`aigd.tts-pocket.pt-q8-0`): 0,23 GB, 16 Dateien von [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), an diesen Commit gebunden.

## Welche Computer

Läuft auf jedem Computer: Auf einer CPU spricht es schneller als in Echtzeit (Kyutai: etwa 6× Echtzeit auf 2 Kernen). Jede Sprache ist ein eigener Download.

## Stimmen und Sprachen

- Jeder der sechs Checkpoints (Englisch `en`, Französisch `fr`, Deutsch `de`, Spanisch `es`, Italienisch `it`, Portugiesisch `pt`) spricht seine eine Sprache mit denselben 15 Stimmen: alba, anna, azelma, bill_boerst, caro_davy, charles, eponine, estelle, eve, george, jane, marius, mary, michael, paul; Voice-Cloning aus einem Clip.

Das Paket enthält nur die voreingestellten Stimmen, deren Aufnahmen unter CC-BY-4.0 oder CC0 stehen (siehe Abschnitt Lizenz). Kyutais Stimmen cosette (Expresso) und jean (EARS) sind nicht kommerziell nutzbar und nicht enthalten.

## Lizenz

CC-BY-4.0. Kommerzielle Nutzung ist mit Namensnennung von Kyutai erlaubt. Kyutai verbietet Voice-Cloning ohne Einwilligung der sprechenden Person und andere schädliche Verwendungen: Kyutais eigenes Repo verlangt, dass du diesen Bedingungen zustimmst, der Mirror, von dem dieses Paket herunterlädt, nicht – deshalb bittet dich die App, sie vor dem Download zu akzeptieren.

- Pocket TTS von Kyutai: [Modellkarte](https://huggingface.co/kyutai/pocket-tts), CC-BY-4.0; Lizenztext: [CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/legalcode).
- Jede Datei dieses Pakets stammt aus [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf): CC-BY-4.0 (die Upstream-Lizenz; audio.cpps Konvertierung von Kyutais Checkpoints und Voice States). Lizenz-Tabelle pro Familie von audio.cpp: [model_licenses.md](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md).
- Pocket TTS GGUF (audio.cpp-Konvertierung): CC-BY-4.0 ([Quelle](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md)).
- Voreingestellte Stimmen: VCTK (anna, azelma, charles, eponine, eve, george, jane, mary, michael, paul) und Alba MacKenna (alba): CC-BY-4.0 ([Quelle](https://huggingface.co/kyutai/tts-voices)).
- Voreingestellte Stimmen: Voice-Zero/LibriVox (bill_boerst, caro_davy), Kyutai-Aufnahmen (estelle), Stimmenspenden (marius): CC0 ([Quelle](https://huggingface.co/kyutai/tts-voices)).

Erforderliche Namensnennung: "Pocket TTS by Kyutai (kyutai/pocket-tts), CC-BY-4.0; GGUF conversion by audio.cpp (audio-cpp/audio.cpp-gguf)."

Einschränkungen:

- Wenn du die Modelldateien oder eine veränderte Version weitergibst, nenne Kyutai (Pocket TTS) und die Quellen der Stimmen und behalte den CC-BY-4.0-Hinweis bei.
- Kyutais Bedingungen verbieten das Klonen einer Stimme ohne Einwilligung der sprechenden Person, Identitätsmissbrauch, Betrug und andere schädliche Verwendungen.

Du bist dafür verantwortlich, die Lizenz des Modells einzuhalten, das du herunterlädst. Alle Dateien werden von Hugging Face heruntergeladen. AI Game Dev hostet sie nicht.
````
