kyutai-labs / pocket-tts

Pocket TTS 是一款轻量级的文本转语音（TTS）应用，专为在 CPU 上高效运行而设计，无需 GPU 或网络 API。模型仅含 1 亿参数，占用空间小，在 MacBook Air M4 等 CPU 上可实现约 6 倍实时速度的音频生成，首次音频块延迟仅约 200 毫秒，且仅使用 2 个 CPU 核心。支持英语、法语、德语、葡萄牙语、意大利语和西班牙语，具备语音克隆功能，可处理无限长文本输入，并支持音频流式输出。通过简单的 `pip install pocket-tts` 即可安装，提供 Python API 和命令行界面（CLI），也能直接在浏览器中试用。适用于需要本地、快速、低资源消耗的语音合成场景，如嵌入式设备、离线应用或隐私敏感环境。