Pocket TTS (offline, 7 languages)

O que faz

Antes de instalar

O Pocket TTS exige pouco do seu computador:

• Disco: cerca de 220 MB para cada idioma em que você dublar, baixados na primeira fala.
• Memória: cerca de 660 MB enquanto fala, ou 450 MB com Use less memory.
• Processador: em Intel e AMD, um com AVX2 e FMA, que os processadores Intel têm desde 2013 e os AMD desde 2015. Alguns Celeron, Pentium e Atom não têm, e neles a primeira fala falha com uma mensagem que explica isso. Todo Mac com Apple Silicon funciona.

Ele não clona vozes. O Pocket TTS sabe clonar, mas a Kyutai só libera seu modelo de clonagem para quem entra no Hugging Face e aceita os termos, por isso o complemento usa o modelo sem ele. Para dublar na própria voz de quem fala, use o VoxCPM2 ou o Qwen3-TTS.

Vozes

Na aba Speakers, escolha o Pocket TTS como Motor de dublagem de uma pessoa, depois escolha uma Voz. Ative Ajustar dublagem à duração da legenda para que cada fala dessa pessoa seja esticada ou comprimida até a duração da sua legenda. O idioma do projeto escolhe o modelo, então defina-o antes de dublar.

23 vozes.

Uma voz pode manter um pouco do seu sotaque em outro idioma, então experimente algumas no idioma do seu projeto antes de escolher. As escolhas da própria Kyutai são Alba para inglês, Estelle para francês, Giovanni para italiano, Lola para espanhol e Daan para holandês. Cada voz é baixada na primeira vez que você a usa, com menos de 8 MB.

A Kyutai oferece mais quatro vozes, que o complemento deixa de fora: duas vêm de gravações licenciadas só para uso não comercial, e duas não dizem de onde vêm.

Modelos

O Pocket TTS tem um modelo por idioma. Nenhum vem dentro do complemento: cada um é baixado para o cache de modelos compartilhado do Subtitld na primeira vez que você dubla no seu idioma, do Hugging Face numa revisão fixa, com cada arquivo conferido. Um download interrompido continua de onde parou. Atualizar ou remover o complemento mantém os modelos.

Model, nas configurações do complemento, escolhe o tamanho. Small é o modelo de inglês mais recente da Kyutai, com 18 milhões de parâmetros em vez de 100 milhões. Large preview carrega os modelos de 24 camadas da Kyutai, 670 MB por idioma e 1,3 GB para o inglês, perto do tempo real. A Kyutai os chama de prévias, não de modelos finais. No nosso teste, eles não erraram menos que o Standard.

Opções

Em Configurações › Complementos › Pocket TTS (offline, 7 languages) › Configurar.

Idiomas

Inglês, francês, alemão, português, italiano, espanhol e holandês. Um projeto em qualquer outro idioma recebe uma mensagem que explica isso: escolha outro motor de dublagem para ele.

• en
• fr
• de
• pt
• it
• es
• nl

Plataformas

Linux x86-64, macOS em Apple Silicon e Windows x86-64. Cada versão é compilada nos três, e em cada um a CI instala o complemento como o Subtitld faz, baixa os modelos de inglês e dubla com eles. No Linux, precisa da glibc 2.34 ou mais recente, assim como o próprio Subtitld.

Solução de problemas

• network_unavailableNão foi possível baixar o modelo. Verifique sua conexão e tente de novo: o download continua de onde parou.
• disk_fullNão há espaço em disco suficiente para o modelo. Cada idioma precisa de cerca de 220 MB.
• unsupported_languageO idioma do projeto não é um dos sete, ou não foi definido. Defina-o no projeto, ou escolha outro motor de dublagem.
• unsupported_voiceO projeto indica uma voz que esta versão não tem. Escolha a voz de novo na aba Speakers.
• bad_paramsA fala não tem texto.
• internalAlgo falhou dentro do complemento; a mensagem traz os detalhes. Se ela disser que o processador não tem AVX2 e FMA, este computador não consegue rodar o Pocket TTS.

Licença

Adequado para trabalho comercial: o complemento é Apache-2.0, o Pocket TTS é MIT, e seus modelos são da Kyutai, sob CC-BY-4.0. As vozes vêm de gravações sob CC0 ou CC-BY-4.0. As dublagens que você faz são suas. A Kyutai proíbe usar o Pocket TTS para imitar a voz de uma pessoa real sem o consentimento dela, ou para enganar.