Kitten TTS 2 Mini は約 8200 万パラメータで、英語、ドイツ語、スペイン語、フランス語、日本語、韓国語など 16 言語に対応し、合計 118 種類のボイスを提供します。出力音声は 24 kHz です。デフォルトでは ONNX Runtime を使用して int8 重み(82.7 MB、CPU で動作可能、PyTorch 不要)を実行しますが、GPU で実行可能な float32 の PyTorch 重みも提供されています。英語のボイスはキャラクター設定付きの声優風音声(例:低く落ち着いた歴史学者、熱心なスポーツ実況者など)であり、language パラメータを切り替えることで、同じボイスが他の5言語でも話せます。
なぜ重要か PyTorch をインストールせずに利用でき、ローカルアプリケーションへの組み込みに適しています。英語のボイスは同じ名前のもとでドイツ語、スペイン語、イタリア語、ポルトガル語、ロシア語の5言語も話せます。
いいね(抱きしめ)数 17 · 上昇スコア(抱きしめ)17 · ダウンロード数(抱きしめ)1271
ライセンス:商用利用可 · ComfyUI:未対応 · VRAM:約 1 GB(推定)
理由
- Apache-2.0 ライセンスで、モデル、ボイスパック、同梱の発音ファイルすべてに適用されます
- pip install kittenml の後、数行のコードで生成が可能です
使い方
- pip install kittenml を実行し、KittenTTS("KittenML/kitten-tts-2-mini").generate("Hello there", voice="Eleanor") を呼び出します。soundfile を使用して 24000 サンプルレートで保存してください。backend="torch", device="cuda" を追加することで GPU を利用できます
リスク
- 中国語には対応していません。ヒンディー語、日本語、韓国語、トルコ語などではボイスが 2~5 種類しかありません
- モデルカードに音声品質の評価やサンプルオーディオが記載されていません