原题:KittenML/kitten-tts-2-mini
KittenML 11 月 13 日上传:82M 参数、16 种语言、118 个音色、24 kHz 输出。提供 int8(82.7 MB)和 int4(47.5 MB)两种 ONNX 权重,都能在 CPU 上跑、不需要 PyTorch,另附 float32 的 PyTorch 权重。英语有 11 个带人设描述的角色音色(历史学者、电台记者、体育解说等),同名音色还能说德、西、意、葡、俄语;其他语言各有 2–8 个编号音色。模型、音色包和 G2P 文件都是 Apache-2.0。
为什么重要 int4 版不到五十 MB,CPU 就能跑,Apache 许可可商用,适合离线朗读和多语种配音
上升分 35 · 点赞 35 · 下载量 3887
理由
- 覆盖英、德、西、意、葡、俄、印地、丹麦、芬兰、法、日、韩、荷、瑞典、斯瓦希里、土耳其共 16 种语言
- pip install kittenml 一行安装,按所选后端和权重格式只下载需要的文件
- 音色可以用名字或描述指定,speed 参数调语速
用法
- pip install kittenml;KittenTTS("KittenML/kitten-tts-2-mini") 后 generate(文本, voice="Eleanor"),用 soundfile 按 24000 Hz 写出
- 换语言:voice 选该语言的音色,或只传 language="de" 用该语言第一个音色;英语音色加 language= 可说德、西、意、葡、俄语
- weights="int4" 用 int4 版(需 onnxruntime 1.20 以上);backend="torch", device="cuda" 用 GPU 跑 float32 权重
风险
- 不支持中文;卡里没有音质或错误率评测,也没有声音克隆
- 非英语语言多是 Female 1、Male 1 这类编号音色,没有风格描述。本条未运行