Pocket TTS (offline, 7 languages)

Co robi

Przed instalacją

Pocket TTS niewiele wymaga od komputera:

• Dysk: około 220 MB na każdy język, w którym robisz dubbing, pobierane przy pierwszej kwestii w tym języku.
• Pamięć: około 660 MB podczas mówienia albo 450 MB z Use less memory.
• Procesor: w przypadku Intela i AMD taki z AVX2 i FMA, które procesory Intela mają od 2013 roku, a AMD od 2015. Niektórym procesorom Celeron, Pentium i Atom ich brakuje i tam pierwsza kwestia kończy się błędem z komunikatem, który to mówi. Działa każdy Mac z Apple Silicon.

Nie klonuje głosów. Pocket TTS to potrafi, ale Kyutai udostępnia swój model do klonowania tylko osobom, które zalogują się w Hugging Face i zaakceptują jego warunki, więc dodatek używa modelu bez niego. Aby zrobić dubbing własnym głosem mówcy, użyj VoxCPM2 albo Qwen3-TTS.

Głosy

W karcie Mówcy wybierz Pocket TTS jako Silnik dubbingu danego mówcy, a potem Głos. Włącz Dopasuj dubbing do czasu trwania napisu, aby mówca rozciągał lub ściskał każdą kwestię do jej napisu. Język projektu wybiera model, więc ustaw go przed dubbingiem.

23 głosów.

Głos może zachować w innym języku coś ze swojego akcentu, więc zanim wybierzesz, wypróbuj kilka w języku projektu. Kyutai sam poleca Albę do angielskiego, Estelle do francuskiego, Giovanniego do włoskiego, Lolę do hiszpańskiego i Daana do niderlandzkiego. Każdy głos pobiera się przy pierwszym użyciu i ma mniej niż 8 MB.

Kyutai oferuje jeszcze cztery głosy, których dodatek nie zawiera: dwa pochodzą z nagrań licencjonowanych wyłącznie do użytku niekomercyjnego, a przy dwóch nie podano, skąd pochodzą.

Modele

Pocket TTS ma jeden model na język. Żadnego nie ma w dodatku: każdy pobiera się do wspólnej pamięci modeli Subtitld przy pierwszym dubbingu w jego języku, z Hugging Face w ustalonej rewizji, z każdym plikiem sprawdzonym. Przerwane pobieranie wznawia się tam, gdzie się zatrzymało. Aktualizacja lub usunięcie dodatku zachowuje modele.

Model w ustawieniach dodatku wybiera rozmiar. Small to najnowszy angielski model Kyutai, z 18 milionami parametrów zamiast 100 milionów. Large preview wczytuje 24-warstwowe modele Kyutai, 670 MB na język i 1,3 GB dla angielskiego, mniej więcej w czasie rzeczywistym. Kyutai nazywa je wersjami poglądowymi, a nie gotowymi modelami. W naszym teście nie robiły mniej błędów niż Standard.

Opcje

W Ustawieniach › Dodatki › Pocket TTS (offline, 7 languages) › Konfiguruj.

Języki

Angielski, francuski, niemiecki, portugalski, włoski, hiszpański i niderlandzki. Projekt w innym języku dostaje komunikat, który to mówi: wybierz dla niego inny silnik dubbingu.

• en
• fr
• de
• pt
• it
• es
• nl

Platformy

Linux x86-64, macOS na Apple Silicon i Windows x86-64. Każde wydanie jest budowane na wszystkich trzech, a na każdym z nich CI instaluje dodatek tak, jak robi to Subtitld, pobiera angielskie modele i robi nimi dubbing. Na Linuksie potrzebny jest glibc 2.34 lub nowszy, tak jak dla samego Subtitld.

Rozwiązywanie problemów

• network_unavailableNie udało się pobrać modelu. Sprawdź połączenie i spróbuj ponownie: pobieranie zostanie wznowione.
• disk_fullZa mało miejsca na dysku na model. Każdy język potrzebuje około 220 MB.
• unsupported_languageJęzyk projektu nie jest jednym z siedmiu albo nie jest ustawiony. Ustaw go w projekcie albo wybierz inny silnik dubbingu.
• unsupported_voiceProjekt wskazuje głos, którego ta wersja nie ma. Wybierz głos ponownie w karcie Mówcy.
• bad_paramsKwestia nie ma tekstu.
• internalCoś zawiodło wewnątrz dodatku; komunikat zawiera szczegóły. Jeśli mówi, że procesorowi brakuje AVX2 i FMA, ten komputer nie uruchomi Pocket TTS.

Licencja

Można używać komercyjnie: dodatek jest na licencji Apache-2.0, Pocket TTS na MIT, a jego modele należą do Kyutai i są na licencji CC-BY-4.0. Głosy pochodzą z nagrań na licencji CC0 lub CC-BY-4.0. Dubbing, który tworzysz, należy do ciebie. Kyutai zabrania używania Pocket TTS do naśladowania głosu prawdziwej osoby bez jej zgody ani do wprowadzania w błąd.