Kyutai-TTS-Alternative: mehr Sprachen, eigene Stimmen, ohne GPU
Kyutai TTS ist ein offenes Streaming-Text-to-Speech-Modell des französischen Labors Kyutai: Es beginnt zu sprechen, sobald die ersten Wörter da sind, was es für Sprachassistenten attraktiv macht. Es spricht Englisch und Französisch, und seine Stimmen kommen als vorberechnete Embeddings.
Dieser Ratgeber fasst zusammen, was die Modellkarte sagt, wann Kyutai TTS die richtige Wahl ist und wann SuperClonica auf dem kleinen Modell Supertonic 3 besser passt.
Kyutai TTS kurz
Trotz des 1.6b im Namen hat das Modell laut Karte 1,8 Milliarden Parameter: ein Backbone mit 1 Milliarde und einen Depth-Transformer mit 600 Millionen. Es spricht Englisch und Französisch und streamt: Ton beginnt, sobald die ersten Wörter ankommen. Die Gewichte stehen unter CC-BY 4.0, es läuft mit Kyutais Python-Paket moshi, und der Beispielcode nutzt eine CUDA-GPU.
Stimmen und Klonen
Kyutai hat das Stimmklonen auf vorberechnete Stimm-Embeddings beschränkt, die in einem eigenen Repository tts-voices liegen: Sie wählen aus den angebotenen Stimmen, statt jede Aufnahme zu klonen. Laut Karte gibt es kein Wasserzeichen.
Was SuperClonica anders macht
SuperClonica nutzt Supertonic 3, ein viel kleineres Modell, auf einem normalen Prozessor ohne GPU, und jede Stimme spricht 31 Sprachen, von Englisch und Französisch bis Russisch, Japanisch und Koreanisch. Der Katalog hat Sprecher und Figurenstimmen, zehn Standardstimmen sind kostenlos, und das Studio trainiert eine Stimme aus Ihrer sauberen Aufnahme von 5 bis 10 Sekunden. Für Apps streamt auch die gehostete Speech API Audio, wie unser Ratgeber zur Streaming-API zeigt.
Was wählen
Nehmen Sie Kyutai TTS, wenn Sie einen englischen oder französischen Assistenten auf eigener GPU bauen und sein Streaming-Design und offene Gewichte wollen. Nehmen Sie SuperClonica für mehr Sprachen, Laptop oder Server ohne GPU, Figurenstimmen oder Ihre eigene Stimme. Kyutai macht auch das kleinere Pocket TTS, das unser Pocket-TTS-Ratgeber vergleicht. Testen Sie jede SuperClonica-Stimme kostenlos auf ihrer Seite mit 30 bis 100 Zeichen oder installieren Sie die Engine mit python -m pip install superclonica-cpu.