KittenTTS 😻

KittenTTS 是一個由 KittenML 開發的開源、最先進的文字轉語音 (TTS) 模型。它僅用 1500 萬個參數和 不到 25MB 的模型大小即可實現高品質語音合成，使其成為市面上最輕量級的生產就緒 TTS 系統之一。

🌟 主要功能

超輕量級：整個模型不到 25MB，比企業軟體中的大多數應用程式圖示還要小。
CPU 優化：無需 GPU。可在任何設備上高效運行，包括邊緣硬體和行動裝置。
高品質語音：支援多種優質語音選項，涵蓋男性和女性變體。
快速推理：針對即時語音生成進行了優化。
簡單的 API：入門只需極少的程式碼 — 安裝、載入模型、生成音訊。

🚀 快速入門

安裝

pip install https://github.com/KittenML/KittenTTS/releases/download/0.1/kittentts-0.1.0-py3-none-any.whl

基本用法

from kittentts import KittenTTS

m = KittenTTS("KittenML/kitten-tts-nano-0.2")

audio = m.generate(
    "這個高品質的 TTS 模型無需 GPU 即可運行",
    voice='expr-voice-2-f'
)

# 儲存音訊
import soundfile as sf
sf.write('output.wav', audio, 24000)

可用語音

語音 ID	性別
expr-voice-2-m	男
expr-voice-2-f	女
expr-voice-3-m	男
expr-voice-3-f	女
expr-voice-4-m	男
expr-voice-4-f	女
expr-voice-5-m	男
expr-voice-5-f	女

🛠 系統需求

幾乎適用於任何平台 — Windows、macOS、Linux — 無需 GPU。

📋 開發路線圖

[x] 發布預覽模型
[ ] 發布完整訓練模型權重
[ ] 發布行動 SDK
[ ] 發布網頁版

📊 專案統計

指標	值
語言	Python
授權	Apache-2.0

🔗 連結

📄 授權

根據 Apache 2.0 授權授權。