初尝 KittenTTS

超轻量 TTS 模型，https://kittentts.tanxy.club 在线服用

前言

这几天比较火的一个超轻量 TTS 模型，「Model size less than 25MB」，实属是有些惊人了，并且不需要GPU，用 CPU 即可以完成推理，在边缘设备上都可以使用，比如手机、树莓派等等，贴上官方 repo。

https://github.com/KittenML/KittenTTS

使用

目前官方给出的还是 nano-0.1 版本，借鉴 1 和 2 做了个 demo，访问下面链接可以使用，有八种音色可以选。

https://kittentts.tanxy.club

Demo 从 HuggingFace 动态下载 Kitten TTS Nano-0.13模型，并使用 ONNX Runtime 4在 Web 端执行推理结合选定的声音 embedding。

也可以直接使用 Python 调用，下面给出示例代码 5，使用 Colab CPU，Python 调用默认音色是：expr-voice-5-m。 https://colab.research.google.com/drive/1sbglAac41Lg1NaQBxYLLmpGoO1cZ7WtC?usp=sharing

推理速度还是很快的，尝试了两个句子的推理：

This high quality TTS model works without a GPU --> 8秒完成推理

Now enter Kitten TTS. It’s tiny. Like, 15 million parameters tiny. That’s not just smaller than anything else you’ve seen it’s the smallest decent-sounding TTS out there. Less than 25MB total. Doesn’t need a GPU. Doesn’t even care what machine it’s running on. Your laptop, a Raspberry Pi, probably even a potato with a USB port. --> 24秒完成推理

但说实话，这个模型输出的声音有很多软失真，扬声器有点沙沙的声音，某些音色这个问题会减弱一点，音频质量不及官方给出视频中的质量，似乎是因为现阶段给出的 nano-0.1 模型与视频中的模型有出入，官方回应后续会更新模型，但仍是「超轻量」模型。但综合来说在 25M 这个模型大小中，表现得还可以，期待后续模型的更新。

总结

引用 Reddit 评论6中的作者回复，"local voice ai is the future"，不是每个人都有 GPU，较小的成本可以实现不错的效果，何乐而不为。

Tips

目前该版本的模型仅支持英文。

The current version of the model only supports English.

2025.08.20 模型已更新到 kitten-tts-nano-0.2，demo 已做更新，在demo模型选择界面可选择最新模型。

The model has been updated to kitten-tts-nano-0.2, and the demo has been updated accordingly. The latest model can be selected in the demo model selection interface.

2026.05.03 更新。 模型已升级至 KittenTTS v0.8 系列，现提供三个模型可选：

  • Nano v0.8 (15M 参数, ~24MB) — 最快，推荐日常使用
  • Micro v0.8 (40M 参数, ~41MB) — 质量与速度均衡
  • Mini v0.8 (80M 参数, ~78MB) — 最高质量

音色已全部更新为具名音色，替代了旧版的编号式名称：

旧名称 (v0.1/v0.2) 新名称 (v0.8)
expr-voice-2-f Bella
expr-voice-2-m Jasper
expr-voice-3-f Luna
expr-voice-3-m Bruno
expr-voice-4-f Rosie
expr-voice-4-m Hugo
expr-voice-5-f Kiki
expr-voice-5-m Leo

参考

  1. Chris Clower - https://clowerweb.github.io/kitten-tts-web-demo/↩

  2. Djyde-https://kitten-tts.netlify.app/↩

  3. HuggingFace-kittentts-model - https://huggingface.co/KittenML/kitten-tts-nano-0.1↩

  4. ONNX Runtime - https://onnxruntime.ai/↩

  5. Youtube-https://www.youtube.com/watch?v=oyu58Aei6U4↩

  6. Reddit _kitten_tts_sota_supertiny_tts_model_less_than_25 - https://www.reddit.com/r/LocalLLaMA/comments/1mhyzp7/kitten_tts_sota_supertiny_tts_model_less_than_25/↩