Repolode
Предложить
KittenML

KittenML/KittenTTS

Библиотека с открытым исходным кодом для синтеза речи: модель KittenTTS 2 клонирует голос по 5 секундам аудио и работает на CPU в реальном времени.

Open source альтернатива:ElevenLabs

Открыть на GitHub
Звёзды
16,193
Форки
967
Открытые issues
138
Последний коммит
4 дня назад

Что это?

Kitten TTS — Python-библиотека для синтеза речи на основе KittenTTS 2, языковой модели речи с 1,7 млрд параметров и 1-битным квантованием. Она поддерживает клонирование голоса в контексте по аудио длительностью 5–30 секунд, 47 встроенных голосов, 20 языков и необязательные теги эмоций, вокальных событий и акцентов, которые управляют подачей.

В библиотеку также входят облегчённые модели ONNX размером от 15 до 80 млн параметров, работающие на CPU без GPU. Все они загружаются через один и тот же конструктор KittenTTS. Длинный текст разбивается по границам предложений, а части соединяются без заметных швов; потоковый генератор выдаёт аудио по частям.

Выполнять инференс можно с помощью стандартного Python-пакета, бэкенда на C++ на основе llama.cpp или vLLM на GPU NVIDIA. Веса моделей лицензируются отдельно от кода под Apache-2.0 и распространяются на собственных условиях.

Ключевые возможности

  • 01Клонирование голоса по образцу аудио длительностью 5–30 секунд без дообучения
  • 0247 встроенных голосов на 20 языках
  • 03Теги эмоций, встроенные теги вокальных событий и участки с акцентированием для выразительной речи
  • 04Облегчённые модели ONNX, работающие на CPU без GPU
  • 05Разбиение длинного текста с учётом границ предложений и потоковый генератор
  • 06Опциональный бэкенд на C++ и поддержка vLLM для ускорения инференса

Сценарии использования

  • Добавление офлайн-озвучивания в приложение или edge-устройство без GPU
  • Создание озвучки для длинных сценариев или статей
  • Создание прототипа собственного голоса по короткому аудиопримеру
  • Создание воспроизведения речи с низкой задержкой, которое начинается до завершения синтеза

Быстрый старт

  1. 1

    Установите пакет с помощью pip

    pip install kittenml
  2. 2

    Сгенерируйте речь с помощью KittenTTS 2 и сохраните её в файл 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)"

Что важно знать

  • На веса KittenTTS 2 распространяется отдельная лицензия Stellon Labs Community License, а не Apache-2.0. Перед коммерческим использованием ознакомьтесь с её условиями.
  • Управление выразительностью находится в бета-версии, а его эффект зависит от голоса и предложения.
  • Потоковая передача выполняется по частям, поэтому перед генерацией первого аудиофрагмента всё равно возникает реальная задержка.
  • Путь выполнения на CPU с C++ находится в бета-версии.

Темы

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

Частые вопросы

Что такое KittenTTS?
Библиотека с открытым исходным кодом для синтеза речи: модель KittenTTS 2 клонирует голос по 5 секундам аудио и работает на CPU в реальном времени. Kitten TTS — Python-библиотека для синтеза речи на основе KittenTTS 2, языковой модели речи с 1,7 млрд параметров и 1-битным квантованием. Она поддерживает клонирование голоса в контексте по аудио длительностью 5–30 секунд, 47 встроенных голосов, 20 языков и необязательные теги эмоций, вокальных событий и акцентов, которые управляют подачей.
KittenTTS можно использовать бесплатно? Какая у него лицензия?
KittenTTS распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
KittenTTS всё ещё поддерживается?
Активно поддерживается. Последний коммит в KittenTTS — 16 окт. 2026 г..
Для чего можно использовать KittenTTS?
Добавление офлайн-озвучивания в приложение или edge-устройство без GPU Создание озвучки для длинных сценариев или статей Создание прототипа собственного голоса по короткому аудиопримеру Создание воспроизведения речи с низкой задержкой, которое начинается до завершения синтеза
Как установить KittenTTS?
Установите пакет с помощью pip: pip install kittenml Сгенерируйте речь с помощью KittenTTS 2 и сохраните её в файл 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)"
Где скачать KittenTTS?
Исходный код и инструкции по установке — на GitHub: https://github.com/KittenML/KittenTTS

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

fishaudio / fish-speech

Открытая система синтеза речи из текста с клонированием голоса, управлением эмоциями на естественном языке и генерацией речи нескольких персонажей на основе моделей в стиле LLM.

ИИ и машинное обучение#text-to-speech#voice-cloning#speech-synthesis
33,3 тыс.2,9 тыс.PythonOtherОбновлён 6 дней назад