Pocket TTS (offline, 7 languages)

功能说明

安装之前

Pocket TTS 对电脑的要求不高：

• 磁盘： 每种配音语言约 220 MB，在该语言的第一句台词时下载。
• 内存： 说话时约 660 MB，开启 Use less memory 后为 450 MB。
• 处理器： Intel 和 AMD 处理器需要支持 AVX2 和 FMA，Intel 处理器自 2013 年起、AMD 自 2015 年起都已支持。部分 Celeron、Pentium 和 Atom 处理器不支持，在这些处理器上第一句台词会失败，并显示相应的提示。所有 Apple Silicon Mac 都可以使用。

它不克隆声音。Pocket TTS 本身能克隆，但 Kyutai 只向登录 Hugging Face 并接受其条款的人提供克隆模型，因此插件使用的是不含克隆模型的版本。要用说话人自己的声音配音，请使用 VoxCPM2 或 Qwen3-TTS。

声音

在 说话人 标签页中，把 Pocket TTS 设为某位说话人的 配音引擎，然后选择一个 音色。开启该说话人的 让配音适配字幕时长，即可把每句台词拉伸或压缩，以适配其字幕。模型由项目的语言决定，所以请在配音前设置好语言。

23 种语音.

有些声音说其他语言时可能仍带点原来的口音，所以选择之前，请先用项目的语言试听几个。Kyutai 自己的推荐是：英语用 Alba，法语用 Estelle，意大利语用 Giovanni，西班牙语用 Lola，荷兰语用 Daan。每个声音在第一次使用时下载，不到 8 MB。

Kyutai 还提供另外四个声音，插件没有收录：其中两个来自仅许可非商业使用的录音，另外两个没有说明来源。

模型

Pocket TTS 每种语言有一个模型。它们都不在插件里：第一次用某种语言配音时，该语言的模型会从 Hugging Face 按固定版本下载到 Subtitld 的共享模型缓存中，并校验每个文件。下载中断后会从中断处继续。更新或移除插件时模型会保留。

插件设置中的 Model 用于选择大小。Small 是 Kyutai 最新的英语模型，参数为 1800 万个，而不是 1 亿个。Large preview 加载 Kyutai 的 24 层模型，每种语言 670 MB，英语为 1.3 GB，速度约等于实时。Kyutai 称它们为预览版，而非最终模型。在我们的测试中，它们的错误并不比 Standard 少。

选项

在 设置 › 插件 › Pocket TTS (offline, 7 languages) › 配置 中。

语言

英语、法语、德语、葡萄牙语、意大利语、西班牙语和荷兰语。其他语言的项目会收到相应的提示：请为它选择另一个配音引擎。

• en
• fr
• de
• pt
• it
• es
• nl

平台

Linux x86-64、Apple Silicon 上的 macOS 和 Windows x86-64。每个版本都在这三个平台上构建，并且在每个平台上，CI 都会像 Subtitld 那样安装插件，下载英语模型并用它们配音。在 Linux 上需要 glibc 2.34 或更高版本，与 Subtitld 本身相同。

故障排除

• network_unavailable无法下载模型。请检查网络连接后重试：下载会继续。
• disk_full磁盘空间不足，无法存放模型。每种语言需要约 220 MB。
• unsupported_language项目的语言不在这七种之中，或尚未设置。请在项目中设置语言，或选择另一个配音引擎。
• unsupported_voice项目指定了此版本没有的声音。请在 说话人 标签页中重新选择声音。
• bad_params台词没有文字。
• internal插件内部出错；错误信息中有详细说明。如果提示处理器缺少 AVX2 和 FMA，说明这台电脑无法运行 Pocket TTS。

许可

可用于商业工作：插件为 Apache-2.0，Pocket TTS 为 MIT，其模型由 Kyutai 提供，采用 CC-BY-4.0。声音来自 CC0 或 CC-BY-4.0 的录音。你制作的配音归你所有。Kyutai 禁止未经本人同意用 Pocket TTS 模仿真实人物的声音，或用它进行欺骗。