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。

核心特性

• 纯 CPU 实时运行：100M 参数模型，MacBook Air M4 的 CPU 上约 6 倍实时生成速度，仅占用 2 个 CPU 核心，无需 GPU
• 零样本声音克隆：约 5 秒参考音频即可复刻目标音色，音色、情绪、口音、语速及混响等声学条件均可忠实还原
• 流式低延迟：音频流式生成，首包延迟约 200ms，支持无限长文本输入
• 内置丰富音色：自带 26 种英文预置音色（alba、anna、jane 等），开箱即用
• 多语言支持：官方提供英语、法语、德语、葡萄牙语、意大利语、西班牙语、荷兰语等多种语言模型

适用场景

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