Pocket TTS (offline, 7 languages)

Что он делает

Перед установкой

Pocket TTS почти не нагружает компьютер:

• Диск: около 220 МБ на каждый язык озвучивания, загружается при первой реплике на нём.
• Память: около 660 МБ во время синтеза речи или 450 МБ с Use less memory.
• Процессор: у Intel и AMD — с поддержкой AVX2 и FMA, которые есть в процессорах Intel с 2013 года, а в AMD — с 2015 года. У некоторых Celeron, Pentium и Atom их нет, и на них первая реплика завершается ошибкой с соответствующим сообщением. Подходит любой Mac с Apple Silicon.

Дополнение не клонирует голоса. Pocket TTS это умеет, но Kyutai даёт свою модель клонирования только тем, кто входит в Hugging Face и принимает её условия, поэтому дополнение использует модель без неё. Чтобы озвучивать собственным голосом говорящего, используйте VoxCPM2 или Qwen3-TTS.

Голоса

На вкладке Говорящие выберите Pocket TTS как Движок дублирования говорящего, затем выберите Голос. Включите Подогнать дубляж под длительность субтитра, чтобы говорящий растягивал или сжимал каждую реплику под свой субтитр. Модель выбирается по языку проекта, поэтому задайте язык до озвучивания.

Голосов: 23.

На другом языке голос может сохранять что-то от своего акцента, поэтому попробуйте несколько голосов на языке вашего проекта, прежде чем выбрать. Сама Kyutai выбирает Alba для английского, Estelle для французского, Giovanni для итальянского, Lola для испанского и Daan для нидерландского. Каждый голос загружается при первом использовании и весит меньше 8 МБ.

Kyutai предлагает ещё четыре голоса, которые дополнение не включает: два взяты из записей с лицензией только для некоммерческого использования, а для двух не указано, откуда они взяты.

Модели

У Pocket TTS по одной модели на каждый язык. Ни одна не входит в дополнение: каждая загружается в общий кэш моделей Subtitld при первом озвучивании на её языке, с Hugging Face, с закреплённой ревизией, и каждый файл проверяется. Прерванная загрузка продолжается с того места, где остановилась. Обновление или удаление дополнения модели сохраняет.

Model в настройках дополнения выбирает размер. Small — новейшая английская модель Kyutai, с 18 миллионами параметров вместо 100 миллионов. Large preview загружает 24-слойные модели Kyutai, 670 МБ на язык и 1,3 ГБ для английского, и работает примерно в реальном времени. Kyutai называет их предварительными, а не окончательными моделями. В нашем тесте они ошибались не реже, чем Standard.

Настройки

В разделе «Настройки › Дополнения › Pocket TTS (offline, 7 languages)» нажмите «Настроить».

Языки

Английский, французский, немецкий, португальский, итальянский, испанский и нидерландский. Для проекта на любом другом языке появится сообщение об этом: выберите для него другой движок дублирования.

• en
• fr
• de
• pt
• it
• es
• nl

Платформы

Linux x86-64, macOS на Apple Silicon и Windows x86-64. Каждый выпуск собирается на всех трёх, и на каждой из них CI устанавливает дополнение так же, как это делает Subtitld, загружает английские модели и озвучивает ими. В Linux нужна glibc 2.34 или новее, как и самому Subtitld.

Устранение неполадок

• network_unavailableНе удалось загрузить модель. Проверьте подключение и попробуйте снова: загрузка продолжится.
• disk_fullНедостаточно места на диске для модели. Каждому языку нужно около 220 МБ.
• unsupported_languageЯзык проекта не входит в эти семь или не задан. Задайте его в проекте или выберите другой движок дублирования.
• unsupported_voiceПроект указывает голос, которого нет в этой версии. Выберите голос заново на вкладке Говорящие.
• bad_paramsВ реплике нет текста.
• internalВнутри дополнения произошёл сбой; подробности в сообщении. Если в нём сказано, что процессор не поддерживает AVX2 и FMA, Pocket TTS на этом компьютере работать не может.

Лицензия

Подходит для коммерческой работы: дополнение лицензировано по Apache-2.0, Pocket TTS — по MIT, а его модели принадлежат Kyutai и распространяются по CC-BY-4.0. Голоса взяты из записей под CC0 или CC-BY-4.0. Созданный дубляж принадлежит вам. Kyutai запрещает использовать Pocket TTS, чтобы имитировать голос реального человека без его согласия или чтобы вводить в заблуждение.