Una alternativa a Pocket TTS: 31 idiomas, voces listas y una API alojada
Pocket TTS es un modelo abierto y pequeño de texto a voz de Kyutai: unos 100 millones de parámetros, tiempo real en un procesador normal de portátil y clonación de voz a partir de una grabación WAV corta. Habla seis idiomas: inglés, francés, alemán, portugués, italiano y español.
SuperClonica se basa en Supertonic 3, un modelo de tamaño similar que habla 31 idiomas, y añade un catálogo de 190 voces de autores, un motor gratuito que funciona sin conexión y una API alojada. Esta guía los compara con honestidad y dice cuándo encaja cada uno.
Pocket TTS en resumen
Según su ficha, Pocket TTS tiene unos 100M de parámetros, funciona unas 6 veces más rápido que el tiempo real en un procesador MacBook Air M4 con dos núcleos y da el primer fragmento de audio en unos 200 ms. Clona una voz a partir de un archivo WAV que le pasas; la ficha aconseja limpiar antes la muestra, porque su calidad se traslada. Los pesos se publican con licencia CC-BY 4.0 y tienen acceso restringido: aceptas las condiciones en Hugging Face antes de descargarlos. Sus reglas prohíben clonar una voz sin consentimiento explícito y legal.
En qué se diferencia SuperClonica
Idiomas: Supertonic 3 habla 31, entre ellos ruso, japonés, coreano, árabe, hindi, polaco y turco, que Pocket TTS no cubre; ninguno de los dos habla chino.
Voces: en lugar de clonar un clip en cada solicitud, las voces de SuperClonica son archivos de estilo entrenados. Elige una de las 190 voces del catálogo, escúchala y genera gratis una frase de prueba en línea, o entrena tu propia voz con una grabación en el estudio.
Alojamiento: además del motor gratuito sin conexión, la API de voz de SuperClonica ejecuta las voces por ti, devuelve el audio en streaming desde unos 300 ms en nuestras mediciones y cuesta 5 $ al mes por hasta 216 horas de audio, con una clave gratuita para un minuto al día.
Cuál elegir
Elige Pocket TTS si necesitas clonación instantánea con unos segundos de audio en uno de sus seis idiomas y quieres ejecutarlo todo tú. Elige SuperClonica si necesitas más idiomas, voces listas de personajes y narradores o una API alojada con streaming sin mantener un servidor. Ambos funcionan en CPU, así que puedes probar los dos en tu equipo.