Familia de modelos de texto a voz de código abierto de Resemble AI, con clonación de voz a partir de un breve clip de referencia en inglés y muchos otros idiomas.
27,1 mil3,6 milPythonMITActualizado hace 3 meses
KittenML/KittenTTS
Biblioteca de texto a voz de código abierto cuyo modelo KittenTTS 2 clona voces a partir de 5 segundos de audio y funciona en tiempo real en CPU.
Alternativa open source a:ElevenLabs
- Estrellas
- 16,193
- Forks
- 967
- Issues abiertos
- 138
- Último commit
- hace 4 días
¿Qué es?
Kitten TTS es una biblioteca de texto a voz para Python basada en KittenTTS 2, un modelo de lenguaje de voz de 1,7B de parámetros y 1 bit. Permite clonar voces en contexto a partir de entre 5 y 30 segundos de audio de una persona, ofrece 47 voces integradas y admite 20 idiomas, además de etiquetas opcionales de emoción, eventos vocales y énfasis para controlar la interpretación.
La biblioteca también incluye modelos ONNX ligeros, de entre 15M y 80M de parámetros, que funcionan en CPU sin GPU y se cargan con el mismo constructor de KittenTTS. El texto largo se divide en los límites entre oraciones y se une de forma fluida; además, un generador de streaming produce audio fragmento a fragmento.
La inferencia se puede realizar con el paquete estándar de Python, un backend de C++ basado en llama.cpp o vLLM en GPU NVIDIA. Los pesos del modelo tienen una licencia independiente del código con licencia Apache-2.0 y están sujetos a sus propios términos.
Funciones clave
- 01Clonación de voz a partir de entre 5 y 30 segundos de audio de referencia, sin ajuste fino
- 0247 voces integradas en 20 idiomas
- 03Etiquetas de emoción, eventos vocales en línea y fragmentos con énfasis para generar voz expresiva
- 04Modelos ONNX ligeros que funcionan en CPU sin GPU
- 05División de textos largos en fragmentos según las oraciones y un generador de streaming
- 06Backend de C++ opcional y compatibilidad con vLLM para acelerar la inferencia
Casos de uso
- Añadir salida de voz sin conexión a una aplicación que solo use CPU o a un dispositivo edge
- Generar narraciones para guiones o artículos largos
- Crear un prototipo de voz personalizada a partir de una muestra breve de una persona
- Crear reproducción de voz de baja latencia que empiece antes de que termine la síntesis
Inicio rápido
- 1
Instala el paquete con pip
pip install kittenml - 2
Genera voz con KittenTTS 2 y guárdala en un archivo WAV
python -c "from kittenml import KittenTTS; import soundfile as sf; m = KittenTTS('KittenML/kitten-tts-2'); audio = m.generate('One day, a little girl named Lily found a needle in her room.', voice='Bruno'); sf.write('output.wav', audio, m.sample_rate)"
Antes de usarlo
- Los pesos de KittenTTS 2 están sujetos a la Stellon Labs Community License, independiente de Apache-2.0. Consulta sus términos antes de usarlo con fines comerciales.
- El control de la expresividad está en fase beta y su efecto varía según la voz y la frase.
- La transmisión se realiza por fragmentos, por lo que sigue habiendo un retraso real hasta que se genera el primer fragmento de audio.
- La ruta de CPU en C++ está en fase beta.
Temas
Preguntas frecuentes
- ¿Qué es KittenTTS?
- Biblioteca de texto a voz de código abierto cuyo modelo KittenTTS 2 clona voces a partir de 5 segundos de audio y funciona en tiempo real en CPU. Kitten TTS es una biblioteca de texto a voz para Python basada en KittenTTS 2, un modelo de lenguaje de voz de 1,7B de parámetros y 1 bit. Permite clonar voces en contexto a partir de entre 5 y 30 segundos de audio de una persona, ofrece 47 voces integradas y admite 20 idiomas, además de etiquetas opcionales de emoción, eventos vocales y énfasis para controlar la interpretación.
- ¿KittenTTS es gratuito? ¿Qué licencia tiene?
- KittenTTS es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿KittenTTS sigue mantenido?
- Mantenimiento activo. El último commit de KittenTTS fue el 16 oct 2026.
- ¿Para qué puedo usar KittenTTS?
- Añadir salida de voz sin conexión a una aplicación que solo use CPU o a un dispositivo edge Generar narraciones para guiones o artículos largos Crear un prototipo de voz personalizada a partir de una muestra breve de una persona Crear reproducción de voz de baja latencia que empiece antes de que termine la síntesis
- ¿Cómo se instala KittenTTS?
- Instala el paquete con pip: pip install kittenml Genera voz con KittenTTS 2 y guárdala en un archivo WAV: python -c "from kittenml import KittenTTS; import soundfile as sf; m = KittenTTS('KittenML/kitten-tts-2'); audio = m.generate('One day, a little girl named Lily found a needle in her room.', voice='Bruno'); sf.write('output.wav', audio, m.sample_rate)"
- ¿Dónde consigo KittenTTS?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/KittenML/KittenTTS
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Modelo multilingüe de texto a voz con 0,1B de parámetros, ejecución en tiempo real en CPU, clonación de voz y salida estéreo a 48 kHz.
4,5 mil562PythonApache-2.0Actualizado el mes pasado
Sistema open source de texto a voz con clonación de voz, control de emociones en lenguaje natural y generación multivoz, basado en modelos de tipo LLM.
33,3 mil2,9 milPythonOtherActualizado hace 7 días
Biblioteca de inferencia en Python para Kokoro-82M, un modelo de texto a voz de pesos abiertos con 82 millones de parámetros.
9,5 mil1,1 milJavaScriptApache-2.0Actualizado el año pasado
Modelo TTS ligero basado en ZipVoice para clonar voces y generar audio a 48 kHz, con una velocidad de más de 150 veces el tiempo real en GPU.
5,5 mil685PythonApache-2.0Actualizado hace 5 meses
Paquete de Python para convertir texto en voz sin conexión con el modelo Kokoro en ONNX Runtime, compatible con CPU y GPU.
2,8 mil306PythonMITActualizado hace 2 meses