# Pocket TTS 100M (modelo de fala)

> 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.

- Id: `aigd.tts-pocket`
- Origem: Oficial (de primeira parte `aigd.*`)
- Categoria: Áudio
- Publicador: AI Game Dev (`aigd`), verificado
- Versão mais recente: 1.0.2 (publicado em 2026-11-22)
- Licença: CC-BY-4.0
- Requer o app AI Game Dev: `>=0.32.0-beta.6`
- Código nativo: não
- Avaliação: ainda sem avaliações
- Página HTML: https://ai-game.dev/pt-br/packages/aigd.tts-pocket

## Instalar

Com o CLI gamedev, na pasta do projeto:

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

No app desktop: abra a janela Packages (o ícone de pacote na barra de status), selecione **Browse**, busque `aigd.tts-pocket` e clique em **Add to Project**. Mais: https://ai-game.dev/docs/wiki/app/packages

## Versões

| Versão | Publicado | Requer o app | Observações |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | mais recente |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Descrição

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

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.wav` e 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 de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), fixados nesse commit.
- **Pocket TTS 100M (francês)** (`aigd.tts-pocket.fr-q8-0`): 0.23 GB, 16 arquivos de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), fixados nesse commit.
- **Pocket TTS 100M (alemão)** (`aigd.tts-pocket.de-q8-0`): 0.23 GB, 16 arquivos de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), fixados nesse commit.
- **Pocket TTS 100M (espanhol)** (`aigd.tts-pocket.es-q8-0`): 0.23 GB, 16 arquivos de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), fixados nesse commit.
- **Pocket TTS 100M (italiano)** (`aigd.tts-pocket.it-q8-0`): 0.23 GB, 16 arquivos de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), fixados nesse commit.
- **Pocket TTS 100M (português)** (`aigd.tts-pocket.pt-q8-0`): 0.23 GB, 16 arquivos de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), 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`, francês `fr`, alemão `de`, espanhol `es`, italiano `it`, português `pt`) 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](https://huggingface.co/kyutai/pocket-tts), CC-BY-4.0; texto da licença: [CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/legalcode).
- Todos os arquivos deste pacote vêm de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/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](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md).
- Pocket TTS GGUF (conversão do audio.cpp): CC-BY-4.0 ([fonte](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md)).
- Vozes predefinidas: VCTK (anna, azelma, charles, eponine, eve, george, jane, mary, michael, paul) e Alba MacKenna (alba): CC-BY-4.0 ([fonte](https://huggingface.co/kyutai/tts-voices)).
- Vozes predefinidas: Voice-Zero/LibriVox (bill_boerst, caro_davy), gravações da Kyutai (estelle), doações de vozes (marius): CC0 ([fonte](https://huggingface.co/kyutai/tts-voices)).

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.
````
