Pocket TTS (offline, 7 languages)

Was es tut

Vor der Installation

Pocket TTS verlangt Ihrem Computer wenig ab:

• Festplatte: rund 220 MB für jede Sprache, in der Sie vertonen, heruntergeladen bei ihrer ersten Zeile.
• Arbeitsspeicher: rund 660 MB beim Sprechen, oder 450 MB mit Use less memory.
• Prozessor: bei Intel und AMD einer mit AVX2 und FMA, die Intel-Prozessoren seit 2013 und AMD seit 2015 haben. Manchen Celeron-, Pentium- und Atom-Prozessoren fehlen sie, und dort scheitert die erste Zeile mit einer Meldung, die das sagt. Jeder Mac mit Apple Silicon funktioniert.

Stimmen klont es nicht. Pocket TTS könnte es, aber Kyutai gibt sein Klonmodell nur Personen, die sich bei Hugging Face anmelden und die Bedingungen akzeptieren. Daher nutzt die Erweiterung das Modell ohne diese Funktion. Um in der eigenen Stimme des Sprechers zu vertonen, verwenden Sie VoxCPM2 oder Qwen3-TTS.

Stimmen

Im Tab Sprecher wählen Sie Pocket TTS als Synchronisations-Engine eines Sprechers und danach eine Stimme. Aktivieren Sie Synchronaufnahme an Untertiteldauer anpassen, damit der Sprecher jede Zeile auf ihren Untertitel streckt oder staucht. Die Sprache des Projekts bestimmt das Modell, legen Sie sie also vor dem Vertonen fest.

23 Stimmen.

Eine Stimme kann in einer anderen Sprache etwas von ihrem Akzent behalten. Probieren Sie daher einige in der Sprache Ihres Projekts aus, bevor Sie sich entscheiden. Kyutai selbst empfiehlt Alba für Englisch, Estelle für Französisch, Giovanni für Italienisch, Lola für Spanisch und Daan für Niederländisch. Jede Stimme wird beim ersten Gebrauch heruntergeladen, unter 8 MB.

Kyutai bietet vier weitere Stimmen an, die die Erweiterung weglässt: Zwei stammen aus Aufnahmen, die nur für nicht kommerzielle Nutzung lizenziert sind, und bei zweien ist nicht angegeben, woher sie stammen.

Modelle

Pocket TTS hat ein Modell pro Sprache. Keines steckt in der Erweiterung: Jedes wird beim ersten Vertonen in seiner Sprache in den gemeinsamen Modell-Cache von Subtitld geladen, von Hugging Face in einer festen Revision, jede Datei geprüft. Ein unterbrochener Download wird dort fortgesetzt, wo er stehen blieb. Aktualisieren oder Entfernen der Erweiterung behält die Modelle.

Model in den Einstellungen der Erweiterung wählt die Größe. Small ist Kyutais neuestes englisches Modell, mit 18 Millionen statt 100 Millionen Parametern. Large preview lädt Kyutais Modelle mit 24 Schichten, 670 MB pro Sprache und 1,3 GB für Englisch, etwa in Echtzeit. Kyutai nennt sie Vorschauen, keine fertigen Modelle. In unserem Test machten sie nicht weniger Fehler als Standard.

Optionen

In Einstellungen › Erweiterungen › Pocket TTS (offline, 7 languages) › Konfigurieren.

Sprachen

Englisch, Französisch, Deutsch, Portugiesisch, Italienisch, Spanisch und Niederländisch. Ein Projekt in einer anderen Sprache bekommt eine Meldung, die das sagt: Wählen Sie dafür eine andere Synchronisations-Engine.

• en
• fr
• de
• pt
• it
• es
• nl

Plattformen

Linux x86-64, macOS auf Apple Silicon und Windows x86-64. Jede Version wird auf allen dreien gebaut, und auf jedem installiert die CI die Erweiterung so, wie Subtitld es tut, lädt die englischen Modelle herunter und vertont damit. Unter Linux braucht sie glibc 2.34 oder neuer, wie Subtitld selbst.

Fehlerbehebung

• network_unavailableDas Modell konnte nicht heruntergeladen werden. Prüfen Sie Ihre Verbindung und versuchen Sie es erneut: Der Download wird fortgesetzt.
• disk_fullNicht genug Speicherplatz für das Modell. Jede Sprache braucht rund 220 MB.
• unsupported_languageDie Sprache des Projekts ist keine der sieben oder nicht festgelegt. Legen Sie sie im Projekt fest oder wählen Sie eine andere Synchronisations-Engine.
• unsupported_voiceDas Projekt nennt eine Stimme, die diese Version nicht hat. Wählen Sie die Stimme im Tab Sprecher erneut.
• bad_paramsDie Zeile hat keinen Text.
• internalIn der Erweiterung ist etwas fehlgeschlagen; die Meldung enthält die Details. Sagt sie, dass dem Prozessor AVX2 und FMA fehlen, kann dieser Computer Pocket TTS nicht ausführen.

Lizenz

Für kommerzielle Arbeit geeignet: Die Erweiterung steht unter Apache-2.0, Pocket TTS unter MIT, und seine Modelle stammen von Kyutai, unter CC-BY-4.0. Die Stimmen stammen aus Aufnahmen unter CC0 oder CC-BY-4.0. Die Synchronisationen, die Sie erstellen, gehören Ihnen. Kyutai verbietet, mit Pocket TTS ohne deren Zustimmung die Stimme einer echten Person nachzuahmen oder damit zu täuschen.