KittenML/KittenTTS

解决的问题

Kitten TTS 提供了一个轻量级、开源的文本转语音 (TTS) 库，让高质量的语音合成能在 CPU 上高效运行，而无需 GPU。它满足了边缘部署和本地环境中对于快速、低资源占用音频生成的需求。

工作原理

该库构建于 ONNX runtime 之上，提供了多种模型变体（参数量从 15M 到 80M 不等），以平衡性能与大小。它包含内置的文本预处理流水线，能处理数字、货币和单位，并以 24 kHz 的采样率输出音频。用户可以从八种内置语音中进行选择，并通过简单的 API 调整语速。

适用人群

希望将语音合成集成到应用程序中的开发者，且这些应用程序必须在有限的硬件、边缘设备或无法使用 GPU 加速的系统上运行。

亮点

• 超轻量级：模型在磁盘上的大小范围为 25 MB 至 80 MB。
• CPU 优化：使用 ONNX 进行高效推理，无需 GPU。
• 内置语音：包含 8 种不同的语音（例如 Bella、Jasper、Luna）。
• 文本规范化：集成的流水线用于展开缩写、日期和货币。
• 灵活部署：同时支持 CPU 和 CUDA 后端。