Kitten TTS：25MB 大小、纯 CPU 运行的开源语音合成模型

语音合成（TTS）工具这两年越来越多，但大多数要么需要 GPU，要么模型体积大得吓人。最近在 Hacker News 上看到一个叫 Kitten TTS 的开源项目，只有 25MB 大小，纯 CPU 就能跑，效果据说还不错。对于想在自己项目里加语音功能的站长来说，这个值得一试。

项目介绍

Kitten TTS 是一个轻量级的开源文本转语音模型，主打”小而能用”。整个模型只有 25MB 左右，不需要 GPU，普通 CPU 就能实时生成语音。

项目地址：https://github.com/KittenML/KittenTTS

功能亮点

• 超小体积：模型只有 25MB，下载秒完，部署不占空间
• 纯 CPU 推理：不需要 GPU，普通服务器、甚至树莓派都能跑
• 多种声音：内置多种预设声音，男女声都有
• 支持流式输出：可以边生成边播放，不用等全部生成完
• Python SDK：提供 pip 安装的 Python 包，几行代码就能用
• MIT 许可：商用也没问题

安装和使用

安装

用 pip 直接安装：

pip install kitten-tts

基本用法

最简单的用法就是三行代码：

from kitten_tts import KittenTTS

model = KittenTTS()
audio = model.generate("你好，这是一段测试语音。")
model.save(audio, "output.wav")

运行后会在当前目录生成一个 output.wav 文件，直接就能播放。

选择不同声音

模型内置了多种声音风格，可以按需选择：

# 查看可用声音
print(model.list_voices())

# 指定声音生成
audio = model.generate("Hello world", voice="female_01")

流式生成

如果文本比较长，可以用流式模式边生成边处理：

for chunk in model.stream("这是一段很长的文本..."):
    # 每个 chunk 是一小段音频数据
    process_audio_chunk(chunk)

部署到服务器

如果你想在自己的网站上提供 TTS 服务，可以这样部署：

用 FastAPI 包装成 HTTP 接口

from fastapi import FastAPI
from fastapi.responses import Response
from kitten_tts import KittenTTS

app = FastAPI()
model = KittenTTS()

@app.get("/tts")
async def text_to_speech(text: str):
    audio = model.generate(text)
    return Response(content=audio, media_type="audio/wav")

这样部署后，前端只需要请求 /tts?text=你好 就能拿到语音文件。

Docker 部署

FROM python:3.11-slim
WORKDIR /app
RUN pip install kitten-tts fastapi uvicorn
COPY main.py .
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]

适合什么场景

• 网站语音播报：给文章加上”听全文”功能
• 聊天机器人：让 AI 客服能开口说话
• 无障碍功能：为视障用户提供语音导航
• 嵌入式设备：树莓派、NAS 等低算力设备上的语音交互
• 本地 AI 助手：配合 Ollama 等本地模型，做一个能说话的助手

限制和注意事项

• 作为轻量模型，语音自然度比不上 ElevenLabs、Azure TTS 这类商业服务
• 中文支持情况需要实际测试，目前主要优化的是英文
• 25MB 模型的质量和几千兆的大模型肯定有差距，但”够用”场景下性价比很高
• 长时间运行的生产环境建议用 GPU 加速，纯 CPU 在高并发下会比较慢

简评

Kitten TTS 的定位很清晰：不追求最好，追求”小而能用”。25MB 的体积和纯 CPU 推理这两个特点，让它特别适合资源有限但又想加语音功能的场景。如果你之前因为 TTS 方案太重而放弃，可以试试这个。MIT 许可也很友好，商用没问题。

来源：
GitHub – KittenML/KittenTTS
Hacker News 讨论