Pocket TTS (offline, 7 languages)

Qué hace

Antes de instalar

Pocket TTS pide poco a tu ordenador:

• Disco: unos 220 MB por cada idioma en el que dobles, que se descargan con su primera línea.
• Memoria: unos 660 MB mientras habla, o 450 MB con Use less memory.
• Procesador: en Intel y AMD, uno con AVX2 y FMA, que los procesadores Intel tienen desde 2013 y los AMD desde 2015. Algunos Celeron, Pentium y Atom no los tienen, y en ellos la primera línea falla con un mensaje que lo indica. Cualquier Mac con Apple Silicon funciona.

No clona voces. Pocket TTS sí puede, pero Kyutai solo da su modelo de clonación a quienes inician sesión en Hugging Face y aceptan sus condiciones, así que el complemento usa el modelo sin él. Para doblar con la propia voz del hablante, usa VoxCPM2 o Qwen3-TTS.

Voces

En la pestaña Hablantes, elige Pocket TTS como Motor de doblaje de un hablante y luego elige una Voz. Activa Ajustar el doblaje a la duración del subtítulo para que cada línea de ese hablante se estire o se comprima hasta su subtítulo. El idioma del proyecto elige el modelo, así que defínelo antes de doblar.

23 voces.

Una voz puede conservar algo de su acento en otro idioma, así que prueba unas cuantas en el idioma de tu proyecto antes de elegir. Las elegidas por la propia Kyutai son Alba para inglés, Estelle para francés, Giovanni para italiano, Lola para español y Daan para neerlandés. Cada voz se descarga la primera vez que la usas, y ocupa menos de 8 MB.

Kyutai ofrece cuatro voces más, que el complemento deja fuera: dos vienen de grabaciones con licencia solo para uso no comercial, y de otras dos no se sabe de dónde vienen.

Modelos

Pocket TTS tiene un modelo por idioma. Ninguno viene dentro del complemento: cada uno se descarga en la caché de modelos compartida de Subtitld la primera vez que doblas en su idioma, desde Hugging Face en una revisión fija, con cada archivo comprobado. Una descarga interrumpida continúa donde se quedó. Actualizar o quitar el complemento conserva los modelos.

Model, en los ajustes del complemento, elige el tamaño. Small es el modelo de inglés más reciente de Kyutai, con 18 millones de parámetros en lugar de 100 millones. Large preview carga los modelos de 24 capas de Kyutai, 670 MB por idioma y 1,3 GB para inglés, más o menos a tiempo real. Kyutai los llama versiones preliminares, no modelos definitivos. En nuestra prueba no cometieron menos errores que Standard.

Opciones

En Ajustes › Complementos › Pocket TTS (offline, 7 languages) › Configurar.

Idiomas

Inglés, francés, alemán, portugués, italiano, español y neerlandés. Un proyecto en cualquier otro idioma recibe un mensaje que lo indica: elige otro motor de doblaje para él.

• en
• fr
• de
• pt
• it
• es
• nl

Plataformas

Linux x86-64, macOS en Apple Silicon y Windows x86-64. Cada versión se compila en los tres, y en cada uno la CI instala el complemento como lo hace Subtitld, descarga los modelos de inglés y dobla con ellos. En Linux necesita glibc 2.34 o posterior, igual que el propio Subtitld.

Solución de problemas

• network_unavailableNo se pudo descargar el modelo. Comprueba tu conexión y vuelve a intentarlo: la descarga continúa donde se quedó.
• disk_fullNo hay espacio en disco suficiente para el modelo. Cada idioma necesita unos 220 MB.
• unsupported_languageEl idioma del proyecto no es uno de los siete, o no está definido. Defínelo en el proyecto, o elige otro motor de doblaje.
• unsupported_voiceEl proyecto indica una voz que esta versión no tiene. Vuelve a elegir la voz en la pestaña Hablantes.
• bad_paramsLa línea no tiene texto.
• internalAlgo falló dentro del complemento; el mensaje tiene los detalles. Si dice que el procesador no tiene AVX2 y FMA, este ordenador no puede ejecutar Pocket TTS.

Licencia

Apto para uso comercial: el complemento es Apache-2.0, Pocket TTS es MIT, y sus modelos son de Kyutai, bajo CC-BY-4.0. Las voces vienen de grabaciones bajo CC0 o CC-BY-4.0. Los doblajes que hagas son tuyos. Kyutai prohíbe usar Pocket TTS para imitar la voz de una persona real sin su consentimiento, o para engañar.