最小模型仅 25MB，老设备无 GPU 也能流畅跑！

大家好，我是开源君！

想在树莓派、手机或者老电脑上部署带语音合成（TTS）功能的应用，但主流模型动不动就几百MB甚至上GB，还必须得有GPU才能跑。

最近逛 Github 发现这样一款开源项目 - KittenTTS，能让任何设备都能流畅运行高质量的语音合成，堪称嵌入式开发和轻量级应用的福音！

项目简介

KittenTTS是一个开源的、极具表现力的文本转语音模型系列，它的核心特点就是“小身材，大能量”。

整个模型最小的只有约1500万参数，体积被控制在惊人的25MB以内，比许多主流TTS模型小了十倍甚至更多。

最厉害的是，它经过极致优化，完全不需要GPU，仅靠CPU就能实现高质量的语音合成，从手机APP到嵌入式设备，从Web到桌面软件，几乎哪里都能用。

效果demo

项目在Github上已经收获了 14k+ star，社区非常活跃！

功能特性

• 模型超轻量：整个模型最小的不到 25 MB，仅约 1500 万参数。
• 无需 GPU，纯 CPU 即可运行：几乎任何电脑、树莓派、嵌入式设备都能胜任。
• 多种预设语音：提供多种声音风格（男女声、不同语调 etc），适配不同场景需求。
• 快速推理、实时生成：经过优化，语音合成速度够快，适合对话系统或实时 TTS 场景。
• 输出高质量音频：生成音频质量较好，可用于旁白、播报、读屏等应用。
• 开源 + 可本地部署：代码和模型开放，遵循 Apache-2.0 许可，无需将数据上传云端，隐私安全友好。

快速安装与使用

上手 KittenTTS 非常简单，不到一分钟就能搞定！

安装：只需一行命令，通过pip即可安装预编译的包。

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

使用：安装完成后，就可以在你的Python脚本中愉快地调用了。

from kittentts import KittenTTS
import soundfile as sf

# 初始化模型，指定模型版本
m = KittenTTS("KittenML/kitten-tts-mini-0.8")

# 生成语音！选择你喜欢的声音
audio = m.generate("This high quality TTS model works without a GPU", voice="Jasper")

# 将生成的音频保存为WAV文件
sf.write('output.wav', audio, 24000)

可用的语音选项非常丰富，男女共有8种（'Bella', 'Jasper', 'Luna', 'Bruno', 'Rosie', 'Hugo', 'Kiki', 'Leo'）

运行上面的代码后，很快就能在目录下得到一个 output.wav 音频文件。

开源君实测在普通的笔记本电脑CPU上，生成速度非常快，几乎感觉不到延迟。

对于这样一个轻量级的模型来说，其语音的自然度和流畅度确实令人惊喜，完全能够满足大多数应用场景的基本需求，比如语音提示、有声读物、辅助工具播报等。

开源君想说

KittenTTS并不是为了和大型、高资源、云服务级别的 TTS 模型（比如那些动辄数百 MB、数 GB 的模型）去拼“极致音质”。

它有更明确的定位：做轻量、做实用、做可本地部署，适合资源受限设备、适合隐私敏感环境、适合离线语音合成需求。

更多细节功能，感兴趣的可以到项目地址查看：

https://github.com/KittenML/KittenTTS