Repolode
Enviar
KittenML

KittenML/KittenTTS

Biblioteca open source de text-to-speech cujo modelo KittenTTS 2 clona vozes com 5 segundos de áudio e funciona em tempo real na CPU.

Alternativa open source a:ElevenLabs

Ver no GitHub
Estrelas
16,193
Forks
967
Issues abertas
138
Último commit
há 4 dias

O que é?

Kitten TTS é uma biblioteca Python de text-to-speech baseada no KittenTTS 2, um modelo de linguagem de fala de 1,7 bilhão de parâmetros e 1 bit. Ele oferece clonagem de voz em contexto a partir de 5 a 30 segundos de áudio de uma pessoa, 47 vozes integradas, 20 idiomas e tags opcionais de emoção, eventos vocais e ênfase para orientar a interpretação.

A biblioteca também inclui modelos ONNX leves, de 15 a 80 milhões de parâmetros, que funcionam na CPU sem GPU e são carregados pelo mesmo construtor KittenTTS. Entradas longas são divididas nos limites entre frases e reunidas sem interrupções, e um gerador de streaming fornece o áudio em partes.

A inferência pode ser feita com o pacote Python padrão, um backend C++ baseado em llama.cpp ou vLLM em GPUs NVIDIA. Os pesos do modelo têm licença separada do código Apache-2.0 e estão sujeitos aos próprios termos.

Recursos principais

  • 01Clonagem de voz a partir de 5 a 30 segundos de áudio de referência, sem fine-tuning
  • 0247 vozes integradas em 20 idiomas
  • 03Tags de emoção, eventos vocais inline e trechos com ênfase para uma fala expressiva
  • 04Modelos ONNX leves que funcionam na CPU sem GPU
  • 05Divisão de textos longos com base nas frases e gerador de streaming
  • 06Backend C++ opcional e suporte a vLLM para inferência mais rápida

Casos de uso

  • Adicionar saída de voz offline a um aplicativo ou dispositivo de borda que só tenha CPU
  • Gerar narração para roteiros ou artigos longos
  • Prototipar uma voz personalizada a partir de uma amostra curta de uma pessoa
  • Criar reprodução de voz com baixa latência, que começa antes de a síntese terminar

Início rápido

  1. 1

    Instale o pacote com pip

    pip install kittenml
  2. 2

    Gere fala com o KittenTTS 2 e salve em um arquivo 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 usar

  • Os pesos do KittenTTS 2 estão sujeitos à Stellon Labs Community License, separada da Apache-2.0. Confira os termos antes de usar comercialmente.
  • O controle de expressão está em beta, e seu efeito varia conforme a voz e a frase.
  • O streaming ocorre em blocos, então ainda há um atraso real até a geração do primeiro bloco de áudio.
  • O caminho de CPU em C++ está em beta.

Tópicos

#text-to-speech#voice-cloning#speech-synthesis#onnx#cpu-inference#python#audio

Perguntas frequentes

O que é KittenTTS?
Biblioteca open source de text-to-speech cujo modelo KittenTTS 2 clona vozes com 5 segundos de áudio e funciona em tempo real na CPU. Kitten TTS é uma biblioteca Python de text-to-speech baseada no KittenTTS 2, um modelo de linguagem de fala de 1,7 bilhão de parâmetros e 1 bit. Ele oferece clonagem de voz em contexto a partir de 5 a 30 segundos de áudio de uma pessoa, 47 vozes integradas, 20 idiomas e tags opcionais de emoção, eventos vocais e ênfase para orientar a interpretação.
KittenTTS é gratuito? Qual é a licença?
KittenTTS é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
KittenTTS ainda é mantido?
Manutenção ativa. O último commit de KittenTTS foi em 16 de out. de 2026.
Para que posso usar KittenTTS?
Adicionar saída de voz offline a um aplicativo ou dispositivo de borda que só tenha CPU Gerar narração para roteiros ou artigos longos Prototipar uma voz personalizada a partir de uma amostra curta de uma pessoa Criar reprodução de voz com baixa latência, que começa antes de a síntese terminar
Como instalar KittenTTS?
Instale o pacote com pip: pip install kittenml Gere fala com o KittenTTS 2 e salve em um arquivo 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)"
Onde consigo KittenTTS?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/KittenML/KittenTTS

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados