KittenTTS 0.8.1 教程：先跑 mini，再决定要不要缩模型

KittenTTS 是一套轻量英文语音合成模型和 Python 接口。官方给出 15M 到 80M 参数、25MB 到 80MB 的四个档位，基础路径走 ONNX Runtime，CPU 就能运行。

1. 四个模型不要只看文件大小

八个预设声音是 Bella、Jasper、Luna、Bruno、Rosie、Hugo、Kiki 和 Leo。speed 可以调语速，但不同文本的专有名词、数字、缩写和标点仍要逐条听。

2. 固定 0.8.1 安装并生成 WAV

python -m venv .venv
source .venv/bin/activate
pip install https://github.com/KittenML/KittenTTS/releases/download/0.8.1/kittentts-0.8.1-py3-none-any.whl

from kittentts import KittenTTS
import soundfile as sf

model = KittenTTS("KittenML/kitten-tts-mini-0.8")
audio = model.generate(
    "This high-quality TTS model runs without a GPU.",
    voice="Jasper"
)
sf.write("output.wav", audio, 24000)

第一次按 Hugging Face 模型名加载会下载权重。需要复现时，不只固定 Python wheel，还应保存模型仓库 revision。权重缓存完成后，本地 ONNX 推理可以断网进行。

3. 本地推理、GPU 与托管 API 是三条路径

pyproject.toml 要求 Python 3.8+，基础依赖包括 espeakng_loader、phonemizer、onnxruntime、soundfile、numpy 和 huggingface_hub。官方另有 requirements_gpu.txt，GPU 路径要单独建立环境，不能把 CPU 安装结果当成 GPU 验证。

README 还放了免费 Kitten TTS API，以及商业集成、自定义声音和企业许可的联系入口。托管 API 会把文本送到外部服务；本地开源包则在模型下载后留在设备上。两者的隐私、可用性和许可都应分别评估。

官方材料没有公开充值、订阅额度或转售流程，因此未达到严重商业隔离阈值。

4. 与 Piper 对比

Open Home Foundation 的 Piper同样做本地神经 TTS，但提供 CLI、Web server、Python 与 C/C++ API，还有多语言 voice 目录和训练资料。KittenTTS 当前入口更小，主打英文预设声音和轻量 Python 调用。

需要多语言或系统级集成时先评估 Piper；快速试用小体积英文模型时 KittenTTS 更直接。分发产品前还要比较 KittenTTS 仓库的 Apache-2.0 与 Piper 的 GPL-3.0。

常见问题