QQ扫一扫联系
Pocket TTS 是法国 Kyutai 实验室开源的轻量级语音合成模型,仅 100M 参数即可在纯 CPU 上实时运行,支持零样本声音克隆与流式低延迟输出,无需 GPU 即可获得高质量英文配音。
有声书与播客配音、短视频内容创作、数字人语音、实时语音交互、浏览器端语音合成等。
更多信息可参考:https://github.com/kyutai-labs/pocket-tts
✅ 新增:第一个版本发布
✅ 新增:支持官方动态 int8 量化,默认启用(可在配置中关闭),显著降低运行内存并提升合成速度,量化失败时自动回退原始精度
✅ 新增:新增随机种子参数,同一文本可复现相同的合成结果
✅ 优化:长文本按句切分逐句合成后拼接,避免超长文本一次性合成失败
✅ 优化:预设音色与参考音频的语音状态复用缓存,重复合成无需反复编码
✅ 优化:采样温度在每次合成后自动恢复,避免任务之间参数互相影响
✅ 修复:修正合成音频写盘时的声道与采样点顺序,输出音频播放正确
✅ 修复:非英文文本(如中文)不再产出与文字不符的音频,改为返回「仅支持英文文本」的明确提示
✅ 修复:按句切分合成时完整保留原文的单词间距与标点,避免单词被拼接后读音变形