Die Antwort hängt von mehreren Faktoren ab, vor allem von den gewählten Text-to-Speech-Stimmen. Unsere hochwertigen KI-Stimmen (basierend auf neuronalen Hidden-Markov-Modellen, HMMs) belegen nur 13 bis 16 MB pro Stimme.
Unsere DNN-basierten KI-Stimmen können jedoch bis zu 32 MB pro Stimme beanspruchen. Wir verwenden außerdem eine Technologie namens DNN Micro, die mit nur 4 MB pro Stimme auskommt.
Diese Frage hängt auch von der CPU ab, die auf dem Gerät Ihrer Spieler verfügbar ist. Neural-Standard-Stimmen benötigen 1 GHz oder mehr auf einem 64-Bit-Prozessor, Neural-Lite-Stimmen laufen bereits ab 800 MHz.
Wenn die CPU nur 400 MHz bietet, könnte sie auf unsere Unit Selection Synthesis (USS)-Stimmen beschränkt sein, die zwischen 80 und 600 MB pro Stimme benötigen. Sie liefern immer noch hohe Qualität, nur nicht so hoch wie unsere besten KI-Stimmen.
Zusammenfassend kann man sagen, dass der TTS-Speicherbedarf auf der TTS-Stimme basiert und zwischen 4 und 600 MB pro Stimme liegen kann.
Wir arbeiten mit Ihnen zusammen, um die Technologie zu finden, die die beste Kombination aus Qualität und Platzbedarf für Ihr individuelles Projekt bietet.