KittenTTS：25MB 的开源 TTS 模型，不用 GPU 也能跑

项目地址： KittenML/KittenTTS
在线体验： Hugging Face Demo
License： Apache 2.0

一句话总结

KittenTTS 是一个开源的轻量级文本转语音库，最小模型只有 25MB，基于 ONNX 推理，不需要 GPU，纯 CPU 就能跑出高质量语音。今天在 Hacker News 上拿了 320+ 赞。

为什么值得关注

TTS（Text-to-Speech）领域一直有个矛盾：好的模型动辄几百 MB 甚至几 GB，需要 GPU 推理；轻量模型的音质又差强人意。

KittenTTS 试图打破这个局面：

• 15M 参数的 nano 模型，int8 量化后只有 25MB
• ONNX 推理，纯 CPU 运行，不依赖 PyTorch/TensorFlow
• 24kHz 采样率，音质不含糊
• 8 个内置语音：Bella、Jasper、Luna、Bruno、Rosie、Hugo、Kiki、Leo
• 可调语速，支持数字/货币/单位的文本预处理

换句话说，你可以把它跑在树莓派、手机、IoT 设备上。边缘部署 TTS 终于有了靠谱的选择。

模型矩阵

模型	参数量	体积	特点
kitten-tts-mini	80M	80MB	音质最佳
kitten-tts-micro	40M	41MB	平衡之选
kitten-tts-nano	15M	56MB (fp32)	最小参数
kitten-tts-nano (int8)	15M	25MB	极致轻量

快速上手

安装只需一行：

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

使用也极简：

from kittentts import KittenTTS

model = KittenTTS("KittenML/kitten-tts-mini-0.8")
audio = model.generate("Hello, world!", voice="Jasper")

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

还能调语速：

audio = model.generate("快一点说话", voice="Luna", speed=1.2)

我的看法

1. 边缘 AI 的基础设施

大模型的趋势是越来越大，但实际落地时”小而美”的模型同样重要。25MB 的 TTS 模型，意味着：

• 嵌入式设备可以本地跑语音合成，不用联网
• 应用包体积几乎不受影响
• 隐私敏感场景不用把文本发到云端

2. ONNX 生态的价值

KittenTTS 选择 ONNX 作为推理框架是聪明的。ONNX Runtime 支持几乎所有平台（Windows、Linux、macOS、iOS、Android、Web），一次导出到处运行。

3. 目前的局限

• Developer Preview：API 可能变
• 仅英文：目前只支持英文语音
• int8 模型有 bug：官方承认 nano-int8 有些用户遇到问题
• 商业支持另谈：虽然 Apache 2.0 开源，但自定义语音和企业支持需要联系团队

4. 适合什么场景

• 原型开发：快速给 demo 加上语音
• IoT/边缘设备：离线语音播报
• 无障碍功能：低成本集成屏幕朗读
• 教育应用：英语发音辅助

HN 社区反馈

320+ 赞，评论区主要关注：

• 音质对比：和 Piper TTS、Kokoro 等轻量方案的对比
• 多语言支持：社区最期待的功能
• 模型架构：有人好奇 15M 参数如何做到不错的音质

在线 Demo 可以直接试：Hugging Face Spaces

---

KittenTTS 目前处于 Developer Preview 阶段（v0.8），API 可能在后续版本中变化。