#tts

Pocket TTS от Kyutai — лёгкий синтезатор речи на CPU. Установка через pip, генерация — вызов функции. Без GPU и внешних API. Модель 100М параметров, задержка ~200 мс.

Поддерживает английский, французский, немецкий, португальский, итальянский, испанский. Возможно клонирование голоса, стриминг аудио, работа с текстами любой длины. Скорость ~6x быстрее реального времени на MacBook Air M4. Использует всего 2 ядра CPU.

VibeVoice — семейство open-source моделей голосового AI. Ключевая инновация — непрерывные токенизаторы речи с частотой 7.5 Гц. Они повышают эффективность обработки длинных последовательностей. Модели используют next-token diffusion и LLM для контекста.