Pocket TTS 100M (modelo de fala)
gamedev pkg add aigd.tts-pocketVisão geral
Pocket TTS 100M da Kyutai, executado localmente: um checkpoint para cada idioma — inglês, francês, alemão, espanhol, italiano e português —, 15 vozes predefinidas por idioma ou clonagem de voz a partir de um clipe curto sem transcrição. Mais rápido que o tempo real em uma CPU, com audio.cpp. CC-BY-4.0: uso comercial com atribuição, sob os termos de uso da Kyutai.
O Pocket TTS 100M é o pequeno modelo de conversão de texto em fala da Kyutai, com um checkpoint por idioma: inglês, francês, alemão, espanhol, italiano e português. Cada idioma vem com 15 vozes predefinidas da Kyutai e pode clonar uma voz a partir de um clipe curto, sem precisar de transcrição. No AI Game Dev ele roda por meio de Local audio generation (aigd.audiocpp, audio.cpp) em qualquer computador, mais rápido que o tempo real em uma CPU. Sua licença CC-BY-4.0 permite uso comercial com atribuição, então ele serve para jogos localizados nos principais idiomas europeus em hardware comum.
O que você pode criar
- Diálogos de NPC e narração em inglês, francês, alemão, espanhol, italiano ou português.
- Um elenco de personagens a partir de 15 vozes predefinidas por idioma, ou vozes clonadas de clipes de 3–30 s (com o consentimento da pessoa falante).
- Falas de tutorial e avisos de interface localizados, gerados rapidamente em uma CPU.
Exemplos de pedidos
- "Dê voz às falas do ferreiro em francês com a voz
marius." - "Clone
Audio/ref/me.wave leia a versão em alemão da introdução." - "Gere as versões em espanhol e italiano da dica de tutorial com
alba."
Destaques
| IDs dos modelos | aigd.tts-pocket.en-q8-0, .fr-q8-0, .de-q8-0, .es-q8-0, .it-q8-0, .pt-q8-0 (cada um é um download separado) |
| Idiomas | en, fr, de, es, it, pt (um checkpoint cada) |
| Vozes | 15 predefinições por idioma (padrão alba), ou um clone de um clipe de 3–30 s (sem necessidade de transcrição) |
| Saída | 24 kHz |
| Texto por solicitação | até 4.000 caracteres |
| Roda em | qualquer computador: a CPU (Kyutai: cerca de 6× o tempo real em 2 núcleos) ou uma GPU |
| Download | 0.23 GB e 16 arquivos por idioma |
| Licença | CC-BY-4.0, uso comercial com atribuição, sob os termos de uso da Kyutai |
Como funciona
Este pacote é apenas dados: ele nomeia os arquivos do modelo. Depois que você aceita a licença, o app os baixa do Hugging Face, verifica cada um por sha256 e os executa com Local audio generation (aigd.audiocpp, audio.cpp) no seu computador.
Download
- Pocket TTS 100M (inglês) (
aigd.tts-pocket.en-q8-0): 0.23 GB, 16 arquivos deaudio-cpp/audio.cpp-gguf, fixados nesse commit. - Pocket TTS 100M (francês) (
aigd.tts-pocket.fr-q8-0): 0.23 GB, 16 arquivos deaudio-cpp/audio.cpp-gguf, fixados nesse commit. - Pocket TTS 100M (alemão) (
aigd.tts-pocket.de-q8-0): 0.23 GB, 16 arquivos deaudio-cpp/audio.cpp-gguf, fixados nesse commit. - Pocket TTS 100M (espanhol) (
aigd.tts-pocket.es-q8-0): 0.23 GB, 16 arquivos deaudio-cpp/audio.cpp-gguf, fixados nesse commit. - Pocket TTS 100M (italiano) (
aigd.tts-pocket.it-q8-0): 0.23 GB, 16 arquivos deaudio-cpp/audio.cpp-gguf, fixados nesse commit. - Pocket TTS 100M (português) (
aigd.tts-pocket.pt-q8-0): 0.23 GB, 16 arquivos deaudio-cpp/audio.cpp-gguf, fixados nesse commit.
Em quais computadores
Roda em qualquer computador: em uma CPU ele fala mais rápido que o tempo real (Kyutai: cerca de 6× o tempo real em 2 núcleos). Cada idioma é um download separado.
Vozes e idiomas
- Cada um dos seis checkpoints (inglês
en, francêsfr, alemãode, espanholes, italianoit, portuguêspt) fala o seu único idioma com as mesmas 15 vozes: alba, anna, azelma, bill_boerst, caro_davy, charles, eponine, estelle, eve, george, jane, marius, mary, michael, paul; clonagem de voz a partir de um clipe.
O pacote inclui apenas as vozes predefinidas cujas gravações são CC-BY-4.0 ou CC0 (veja a seção Licença). As vozes cosette (Expresso) e jean (EARS) da Kyutai são não comerciais e não estão incluídas.
Licença
CC-BY-4.0. O uso comercial é permitido com atribuição à Kyutai. A Kyutai proíbe a clonagem de voz sem o consentimento da pessoa falante e outros usos nocivos: o repositório oficial dela pede que você concorde com esses termos, já o espelho de onde este pacote baixa não pede, então o app solicita que você os aceite antes do download.
- Pocket TTS da Kyutai: ficha do modelo, CC-BY-4.0; texto da licença: CC-BY-4.0.
- Todos os arquivos deste pacote vêm de
audio-cpp/audio.cpp-gguf: CC-BY-4.0 (a licença upstream; a conversão dos checkpoints e estados de voz da Kyutai feita pelo audio.cpp). Tabela de licenças por família do audio.cpp: model_licenses.md. - Pocket TTS GGUF (conversão do audio.cpp): CC-BY-4.0 (fonte).
- Vozes predefinidas: VCTK (anna, azelma, charles, eponine, eve, george, jane, mary, michael, paul) e Alba MacKenna (alba): CC-BY-4.0 (fonte).
- Vozes predefinidas: Voice-Zero/LibriVox (bill_boerst, caro_davy), gravações da Kyutai (estelle), doações de vozes (marius): CC0 (fonte).
Atribuição exigida: "Pocket TTS by Kyutai (kyutai/pocket-tts), CC-BY-4.0; GGUF conversion by audio.cpp (audio-cpp/audio.cpp-gguf)."
Restrições:
- Se você compartilhar os arquivos do modelo ou uma versão modificada, dê crédito à Kyutai (Pocket TTS) e às fontes das vozes, e mantenha o aviso da CC-BY-4.0.
- Os termos da Kyutai proíbem clonar uma voz sem o consentimento da pessoa falante, a personificação, a fraude e outros usos nocivos.
Você é responsável por seguir a licença do modelo que baixar. Todos os arquivos são baixados do Hugging Face. O AI Game Dev não os hospeda.
Versões
| Versão | Lançamento | Requer o app |
|---|---|---|
| 1.0.2Mais recente | 0.32.0-beta.6 ou mais recente | |
| 1.0.1 | 0.32.0-beta.6 ou mais recente |
Instalar
No app para desktop
Abra a janela Pacotes (o ícone de pacote na barra de status), selecione Explorar, pesquise aigd.tts-pocket e clique em Adicionar ao projeto.
Ainda sem o app? Baixe o AI Game Dev grátis para Windows, macOS ou Linux.
Pelo terminal
Com a CLI gamedev, na pasta do seu projeto:
gamedev pkg add aigd.tts-pocketRequisitos
- AI Game Dev 0.32.0-beta.6 ou mais recente
gamedev pkg add aigd.tts-pocket