KittenTTS
KittenML/KittenTTSAI 已审核
RepoPicks Radar 检查于
KittenTTS 是什么?
KittenTTS 使用在你自己的设备上运行的模型朗读文字,文件下载完成后既不需要账号,也不需要联网调用。主模型拥有 17 亿个参数、115 种声音和 20 种语言,并能根据 5 到 30 秒的音频复制说话人的声音;此外还有面向性能较弱电脑的 1500 万到 8000 万参数的小型模型。它是一个 Python 库:你可以用 pip 安装它并编写几行代码,也可以启动自带的 Gradio 页面来获得一个简单的界面。显卡是可选的,但大约 6 GB 的空闲内存并非可选。
KittenTTS 免费开源(Apache-2.0),可以替代 ElevenLabs、Murf和Speechify。
KittenTTS 安装有多容易?
C · 需要安装 1–2 个工具 · Windows
- Windows C
- macOS C
- Linux C
三个系统上均为 C 级:在已安装 Python 3.10 或更高版本的前提下,运行 "pip install kittenml",然后要么编写几行 Python 代码,要么运行 "pip install kittenml gradio" 和 "python gradio_demo.py" 来获得一个本地页面。在 Windows 上可能还需要微软的 Visual C++ 运行库,Mac 上更快的路径意味着要安装额外的 MLX 后端,而 Linux 上使用 NVIDIA 的路径则需要 580 或更新的驱动程序、一个 C 编译器以及 Python 开发头文件。
KittenTTS 的 GitHub 数据
- 星标
- 16,8312026年11月10日
- 下载量
- 3,511,934本周 186,516
- 增长
- +376 天内新增星标
星标变化
事实
- 可运行于
- Windows, macOS, Linux
- 需要安装
- Python
- 从源码编译需要
- Python, NVIDIA 显卡
- 磁盘空间
- 1.2 GB–5.1 GB · 估算
- 账号或密钥
- 无
- 费用
- 免费 · 代码采用 Apache-2.0 许可,模型下载不收费。同一家公司出售 "integration assistance, custom voice development, and enterprise licensing",并在 platform.kittenml.com 运营一个托管 API,README 中称其为免费。
- 许可证
- Apache-2.0 (宽松型)
- 可以替代
- ElevenLabs, Murf, Speechify
- GitHub 上的最近改动
- 2026年10月27日
KittenTTS 的风险信号 (7)
- 注意模型不受代码许可证约束
README 的 License 部分写道:"That covers the code in this repository. The models are licensed separately and their terms may differ. Each model repository carries its own licensing ... do not assume the code's license extends to the weights." KittenTTS 2 "released under the Stellon Labs Community License",这是该公司自行制定的许可证,因此检查发现的 Apache-2.0 许可仅适用于代码本身。
AI 审核
- 注意克隆声音需要本人同意
README 的 Features 部分写道:"Voice cloning -- Clone any speaker from 5-30 seconds of audio, no fine-tuning",而针对 "cloning an unseen recording" 测得的相似度为 0.81。未经本人同意复制某人的声音,会在许多国家涉及声音权和肖像权问题,而该仓库并没有规定可以使用谁的录音。
AI 审核
- 信息项目内部的许可证字段相互矛盾
setup.py 中声明 "License :: OSI Approved :: MIT License",而 LICENSE 文件是 Apache License 2.0,pyproject.toml 则写着 license = {text = "Apache 2.0"}。这两个打包文件对同一份代码给出了不同的许可证说明。
AI 审核
- 信息依赖项中包含一个水印库
pyproject.toml、requirements.txt 和 setup.py 中的依赖列表都包含 "resemble-perth",也就是 Perth 音频水印库,它被归在注释 "s3gen vocoder (vendored in kittenml/kittentts2/s3gen.py)" 之下。README 从未提到水印,因此你生成的音频是否带有水印并没有说明。
AI 审核
- 信息部分内容被标注为 alpha 或 beta
setup.py 中标注为 "Development Status :: 3 - Alpha";表达控制功能被标记为 "Beta. Emotion control steers delivery rather than guaranteeing it";而更快的 C++ 路径写着 "Kitten-TTS 2 C++ is in beta"。README 还提到该模型 "truncates or drifts into repetition when asked for a whole script in one pass"。
AI 审核
- 信息模型在首次使用时下载
模型权重保存在单独的 HuggingFace 仓库中("KittenML/kitten-tts-2",492 MB,还有一个无损的 954 MB 选项),前提条件要求 "About 2 GB of disk space for the model and audio decoder, plus Python dependencies"。程序会在你首次运行时从网上获取这些文件,检查估算总占用为 1250 到 5250 MB。
AI 审核
- 信息github 发布版本落后于代码
GitHub 上最新的发布版本是 2026-02-24 的 0.8.1,而 pyproject.toml 和 setup.py 中的版本号是 0.9.7,最后一次提交是在 2026-10-27。"pip install kittenml" 实际会给你什么版本,这里没有任何发布说明描述。
AI 审核
证据以原始语言显示。
Radar 无法验证的 KittenTTS 相关内容
- 这些声音和克隆效果是否真的如宣称的那样,因为相关数字来自项目自身的测量
- Stellon Labs Community License 具体允许什么,因为其条款在模型仓库中,不在这里
- 生成的音频是否带有水印,对 resemble-perth 的依赖引出了这个问题,但 README 没有说明
- 在你的设备上实际占用多少磁盘和内存,而不仅是 README 所写的 "about 2 GB" 和 "about 6 GB of RAM"
- 在你的处理器上运行速度有多快,因为可以在 CPU 上实时运行的说法来自项目自身
- platform.kittenml.com 上托管的 API 会记录你发送的文本的哪些内容