KittenML/KittenTTS

这是什么？

核心功能

• 01仅凭 5 到 30 秒参考音频即可克隆声音，无需微调
• 02内置 47 种声音，支持 20 种语言
• 03支持情绪标签、行内副语言事件和强调标记，使朗读更有表现力
• 04提供可在 CPU 上运行的轻量 ONNX 模型
• 05长文本按句子切分并无缝拼接，并支持流式输出
• 06可选 C++ 后端和 vLLM 推理，便于提升速度

适用场景

• 为只有 CPU 的应用或边缘设备增加离线语音输出
• 为较长的脚本或文章生成旁白
• 用说话人的一小段样本快速验证自定义声音
• 构建边合成边播放的低延迟语音输出

快速上手

1. 1

   使用 pip 安装软件包

   pip install kittenml
2. 2

   使用 KittenTTS 2 生成语音并保存为 WAV 文件

   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)"

使用前须知

• !KittenTTS 2 模型权重采用独立的 Stellon Labs 社区许可证，而非 Apache-2.0，商用前请先确认其条款。
• !情感控制功能处于测试阶段，效果因音色和句子而异。
• !流式输出以文本块为单位，首个音频块仍有明显的生成延迟。
• !C++ CPU 推理方案处于测试阶段。

标签

常见问题

KittenTTS 是什么？

开源文本转语音库，KittenTTS 2 可从几秒音频克隆声音，并能在 CPU 上实时合成。 Kitten TTS 是一个 Python 文本转语音库，核心模型 KittenTTS 2 是参数量为 17 亿的 1-bit 语音语言模型。它支持根据 5 到 30 秒的说话人录音进行上下文语音克隆，内置 47 种声音，覆盖 20 种语言，并可通过情绪、副语言事件和强调标记调整朗读效果。

KittenTTS 可以免费使用吗？用的什么许可证？

KittenTTS 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

KittenTTS 还在维护吗？

活跃维护中。KittenTTS 最近一次提交是在 2026年10月16日。

KittenTTS 适合用来做什么？

为只有 CPU 的应用或边缘设备增加离线语音输出 为较长的脚本或文章生成旁白 用说话人的一小段样本快速验证自定义声音 构建边合成边播放的低延迟语音输出

KittenTTS 怎么安装和运行？

使用 pip 安装软件包: pip install kittenml 使用 KittenTTS 2 生成语音并保存为 WAV 文件: 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)"

在哪里获取 KittenTTS？

源代码和安装说明在 GitHub 上：https://github.com/KittenML/KittenTTS