# Pocket TTS 100M (modelo de voz)

> Pocket TTS 100M de Kyutai, en local: un checkpoint para inglés, francés, alemán, español, italiano y portugués, 15 voces predefinidas por idioma o clonación de voz a partir de un clip corto sin transcripción. Más rápido que el tiempo real en CPU, con audio.cpp. CC-BY-4.0: uso comercial con atribución, bajo los términos de uso de Kyutai.

- Id: `aigd.tts-pocket`
- Origen: Oficial (propio `aigd.*`)
- Categoría: Audio
- Editor: AI Game Dev (`aigd`), verificado
- Última versión: 1.0.2 (publicado el 2026-11-22)
- Licencia: CC-BY-4.0
- Requiere la app AI Game Dev: `>=0.32.0-beta.6`
- Código nativo: no
- Valoración: aún sin valoraciones
- Página HTML: https://ai-game.dev/es/packages/aigd.tts-pocket

## Instalar

Con la CLI gamedev, en la carpeta del proyecto:

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

En la app de escritorio: abre la ventana Packages (el icono de paquete en la barra de estado), selecciona **Browse**, busca `aigd.tts-pocket` y haz clic en **Add to Project**. Más: https://ai-game.dev/docs/wiki/app/packages

## Versiones

| Versión | Publicado | Requiere app | Notas |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | la más reciente |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Descripción

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

Pocket TTS 100M es el pequeño modelo de texto a voz de Kyutai, con un checkpoint por idioma: inglés, francés, alemán, español, italiano y portugués. Cada idioma incluye 15 de las voces predefinidas de Kyutai y puede clonar una voz a partir de un clip corto, sin necesidad de transcripción. En AI Game Dev se ejecuta mediante **Local audio generation** (`aigd.audiocpp`, audio.cpp) en cualquier ordenador, más rápido que en tiempo real en una CPU. Su licencia CC-BY-4.0 permite el uso comercial con atribución, así que encaja en juegos localizados a los principales idiomas europeos con hardware corriente.

## Qué puedes crear

- Diálogos de NPC y narración en inglés, francés, alemán, español, italiano o portugués.
- Un reparto de personajes a partir de 15 voces predefinidas por idioma, o voces clonadas de clips de 3–30 s (con el consentimiento del hablante).
- Líneas de tutorial y anuncios de interfaz localizados, generados rápidamente en una CPU.

## Peticiones de ejemplo

- «Pon voz a las líneas del herrero en francés con la voz `marius`».
- «Clona `Audio/ref/me.wav` y lee la versión alemana de la introducción».
- «Crea las versiones en español e italiano de la pista del tutorial con `alba`».

## Aspectos destacados

|  |  |
|---|---|
| IDs de modelo | `aigd.tts-pocket.en-q8-0`, `.fr-q8-0`, `.de-q8-0`, `.es-q8-0`, `.it-q8-0`, `.pt-q8-0` (cada uno es una descarga independiente) |
| Idiomas | en, fr, de, es, it, pt (un checkpoint para cada uno) |
| Voces | 15 predefinidas por idioma (predeterminada: `alba`), o un clon de un clip de 3–30 s (sin transcripción) |
| Salida | 24 kHz |
| Texto por petición | hasta 4.000 caracteres |
| Se ejecuta en | cualquier ordenador: la CPU (Kyutai: unas 6× en tiempo real con 2 núcleos) o una GPU |
| Descarga | 0,23 GB y 16 archivos por idioma |
| Licencia | CC-BY-4.0, uso comercial con atribución, bajo las condiciones de uso de Kyutai |

## Cómo funciona

Este paquete solo contiene datos: indica los archivos del modelo. Cuando aceptas la licencia, la app los descarga desde Hugging Face, verifica cada uno con sha256 y los ejecuta con **Local audio generation** (`aigd.audiocpp`, audio.cpp) en tu ordenador.

## Descarga

- **Pocket TTS 100M (inglés)** (`aigd.tts-pocket.en-q8-0`): 0,23 GB, 16 archivos de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), fijados a ese commit.
- **Pocket TTS 100M (francés)** (`aigd.tts-pocket.fr-q8-0`): 0,23 GB, 16 archivos de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), fijados a ese commit.
- **Pocket TTS 100M (alemán)** (`aigd.tts-pocket.de-q8-0`): 0,23 GB, 16 archivos de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), fijados a ese commit.
- **Pocket TTS 100M (español)** (`aigd.tts-pocket.es-q8-0`): 0,23 GB, 16 archivos de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), fijados a ese commit.
- **Pocket TTS 100M (italiano)** (`aigd.tts-pocket.it-q8-0`): 0,23 GB, 16 archivos de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), fijados a ese commit.
- **Pocket TTS 100M (portugués)** (`aigd.tts-pocket.pt-q8-0`): 0,23 GB, 16 archivos de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), fijados a ese commit.

## En qué ordenadores

Funciona en cualquier ordenador: en una CPU habla más rápido que en tiempo real (Kyutai: alrededor de 6× en tiempo real con 2 núcleos). Cada idioma es una descarga independiente.

## Voces e idiomas

- Cada uno de los seis checkpoints (inglés `en`, francés `fr`, alemán `de`, español `es`, italiano `it`, portugués `pt`) habla su único idioma con las mismas 15 voces: alba, anna, azelma, bill_boerst, caro_davy, charles, eponine, estelle, eve, george, jane, marius, mary, michael, paul; clonación de voz a partir de un clip.

El paquete solo incluye las voces predefinidas cuyas grabaciones son CC-BY-4.0 o CC0 (consulta la sección Licencia). Las voces de Kyutai cosette (Expresso) y jean (EARS) no son comerciales y no se incluyen.

## Licencia

CC-BY-4.0. Se permite el uso comercial con atribución a Kyutai. Kyutai prohíbe clonar voces sin el consentimiento del hablante y otros usos dañinos: su propio repositorio te pide que aceptes esas condiciones, el espejo desde el que descarga este paquete no lo hace, así que la app te pide que las aceptes antes de la descarga.

- Pocket TTS de Kyutai: [ficha del modelo](https://huggingface.co/kyutai/pocket-tts), CC-BY-4.0; texto de la licencia: [CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/legalcode).
- Todos los archivos de este paquete proceden de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf): CC-BY-4.0 (la licencia original; conversión de los checkpoints y estados de voz de Kyutai por parte de audio.cpp). Tabla de licencias por familia de audio.cpp: [model_licenses.md](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md).
- Pocket TTS GGUF (conversión de audio.cpp): CC-BY-4.0 ([fuente](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md)).
- Voces predefinidas: VCTK (anna, azelma, charles, eponine, eve, george, jane, mary, michael, paul) y Alba MacKenna (alba): CC-BY-4.0 ([fuente](https://huggingface.co/kyutai/tts-voices)).
- Voces predefinidas: Voice-Zero/LibriVox (bill_boerst, caro_davy), grabaciones de Kyutai (estelle), voces donadas (marius): CC0 ([fuente](https://huggingface.co/kyutai/tts-voices)).

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

Restricciones:

- Si compartes los archivos del modelo o una versión modificada, menciona a Kyutai (Pocket TTS) y las fuentes de las voces, y conserva el aviso de CC-BY-4.0.
- Las condiciones de Kyutai prohíben clonar una voz sin el consentimiento del hablante, la suplantación, el fraude y otros usos dañinos.

Tú eres responsable de cumplir la licencia del modelo que descargues. Todos los archivos se descargan desde Hugging Face. AI Game Dev no los aloja.
````
