轻量级TTS模型库：25MB以内可直接嵌入

新版：Kitten TTS v0.8 已发布——现提供 15M、40M 和 80M 参数规模的模型。

Kitten TTS 是一个基于 ONNX 构建的开源轻量级文本转语音库。模型参数规模从 15M 到 80M 不等（磁盘占用 25～80 MB），无需 GPU，即可在 CPU 上实现高质量语音合成。

状态：开发者预览版——不同版本之间的 API 可能发生变化。

我们提供商业支持。如需集成协助、定制语音或企业许可，请联系我们。

社区与支持

超轻量——模型大小从 25 MB（int8）到 80 MB，适合边缘部署

针对 CPU 优化——基于 ONNX 的推理无需 GPU 即可高效运行

8 种内置语音——Bella、Jasper、Luna、Bruno、Rosie、Hugo、Kiki 和 Leo

语速可调——通过 speed 参数控制播放速度

文本预处理——内置处理管线支持数字、货币、单位等内容

24 kHz 输出——以标准采样率提供高质量音频

注意：部分用户反馈 kitten-tts-nano-0.8-int8 模型存在问题。如果你遇到问题，请提交 issue。

你可以在 Hugging Face Spaces 中直接通过浏览器试用 Kitten TTS。

pip install https://github.com/KittenML/KittenTTS/releases/download/0.8.1/kittentts-0.8.1-py3-none-any.whl

from kittentts import KittenTTS

model = KittenTTS("KittenML/kitten-tts-mini-0.8")
audio = model.generate("This high-quality TTS model runs without a GPU.", voice="Jasper")

import soundfile as sf
sf.write("output.wav", audio, 24000)

# Adjust speech speed (default: 1.0)
audio = model.generate("Hello, world.", voice="Luna", speed=1.2)

# Save directly to a file
model.generate_to_file("Hello, world.", "output.wav", voice="Bruno", speed=0.9)

# List available voices
print(model.available_voices)
# ['Bella', 'Jasper', 'Luna', 'Bruno', 'Rosie', 'Hugo', 'Kiki', 'Leo']

pip install -r requirements_gpu.txt

m = KittenTTS("KittenML/kitten-tts-mini-0.8", backend="cuda")

查看 example_cuda.py

KittenTTS(model_name, cache_dir=None)

从 Hugging Face Hub 加载模型。

model.generate(text, voice, speed, clean_text)

根据文本合成语音，返回一个包含 24 kHz 音频采样数据的 NumPy 数组。

model.generate_to_file(text, output_path, voice, speed, sample_rate, clean_text)

合成语音并直接写入音频文件。

normalize_text(text, locale="en-US", return_spans=False)

在不生成音频的情况下，对用于 TTS 的文本进行规范化。

from kittentts import normalize_text

normalized = normalize_text("Dr. Rivera paid $12.50 at 3:05 p.m.")
# "Doctor Rivera paid twelve dollars and fifty cents at three oh five p m."

result = normalize_text("Fig. 2", return_spans=True)
print(result.text)
print(result.spans)

当 return_spans=True 时，结果会包含从原始文本到规范化文本的字符区间映射，覆盖缩写、日期、时间、数字、货币、URL 和标点等发生变化的片段。

model.available_voices

返回可用语音名称列表：['Bella', 'Jasper', 'Luna', 'Bruno', 'Rosie', 'Hugo', 'Kiki', 'Leo']

操作系统：Linux、macOS 或 Windows

硬件：可在 CPU 上运行，无需 GPU

磁盘空间：根据模型版本不同，需要 25～80 MB

建议使用虚拟环境（conda、venv 或类似工具），以避免依赖冲突。

发布经过优化的推理引擎

发布质量更高的 TTS 模型

发布多语言 TTS

还有其他需求？请告诉我们。

我们为将 Kitten TTS 集成到产品中的团队提供商业支持，包括集成协助、定制语音开发和企业许可。

请联系我们或发送邮件至 info@stellonlabs.com，讨论你的具体需求。

社区与支持

Discord：加入社区

网站：kittenml.com

定制支持：申请表单

电子邮箱：info@stellonlabs.com

问题反馈：GitHub Issues

本项目采用 Apache License 2.0 许可。