KittenML · 已发布,本站供应商暂无
Kitten TTS 2 Mini(2026):开放的 82M 语音模型是什么、语言、声音、CPU 要求,以及和 Pico 的区别
Kitten TTS 2 Mini 是 KittenML 开放的语音合成模型,有 82M 参数、16 种语言、118 个声音和 24 kHz 输出,以 Apache-2.0 权重发布在 Hugging Face 上,可在 CPU 上运行;本站是文字聊天而不是语音生成,所以无法运行它。
现在就用
聊天
这个聊天默认使用 Qwen3.8 Flash,不是 Kitten TTS 2 Mini。
- 厂商
- KittenML
- 类型
- 文字
- 发布
- 未注明日期
- OpenRouter id
- 无
已核对
Kitten TTS 2 Mini:事实与来源
- Hugging Face 仓库 KittenML/kitten-tts-2-mini 创建于 2026 年 11 月 13 日(初始提交和“Kitten TTS 2 Mini”提交都在当天,UTC),int4 ONNX 图在 2026 年 11 月 18 日补上。模型卡没有写发布日期或发布公告,所以我们只把 11 月 13 日当作仓库创建日,而不是正式发布日。来源: huggingface.co · 核对于 2026-11-19
- 模型卡写明 82M 参数、16 种语言(英语、德语、西班牙语、意大利语、葡萄牙语、俄语、印地语、丹麦语、芬兰语、法语、日语、韩语、荷兰语、瑞典语、斯瓦希里语和土耳其语)、118 个声音、24 kHz 输出。仓库提供 int8 权重(82.7 MB)或 int4 权重(47.5 MB)的 ONNX 图,两者都能在 CPU 上运行、不需要 PyTorch,另有 float32 的 PyTorch 权重(文件列表显示约 327 MB)。来源: huggingface.co · 核对于 2026-11-19
- Kitten 自己为 Nano、Pico、Mini 这一系列写的文档页说,Mini 是一个模型覆盖全部 16 种语言(Nano 和 Pico 各有八个模型,每种语言一个)。英文文本依次经过文本规范化、词典、CMUdict 和一个 0.75M 参数的 BART 字音转换模型;其他语言使用 espeak-ng,日语需要额外安装 kittenml[ja]。长文本在句末切成最多 350 个音素的片段,片段之间接 0.15 秒静音。来源: github.com · 核对于 2026-11-19
- 运行方式是安装 kittenml 这个 Python 包,再加载 KittenTTS("KittenML/kitten-tts-2-mini");generate() 接收文本,可选的声音名、语言代码和语速(默认 1.0,数值越大越快),返回可以按 24,000 Hz 写成音频文件的数据。weights="int4" 选用更小的图(需要 onnxruntime 1.20 或更新),backend="torch" 运行 float32 权重,配合 device="cuda" 则使用 NVIDIA GPU。文档还列出一个按片段返回音频的流式调用。模型卡和文档都没有给出 Mini 的内存、延迟或实时率数字。来源: github.com · 核对于 2026-11-19
- Mini 的模型卡没有提到声音克隆、参考音频或情绪标签:你只能按名字或描述选择内置声音。来源: huggingface.co · 核对于 2026-11-19
- 模型卡说模型、声音包和随附的字音转换文件采用 Apache-2.0,除该许可外没有写任何商用限制。GitHub README 补充说代码同样是 Apache-2.0,但每个模型仓库有各自的条款,所以以你实际下载的那个仓库的许可为准。来源: huggingface.co · 核对于 2026-11-19
- 更大的旗舰 KittenTTS 2(1.7B 参数,可用 5-30 秒单人录音做上下文声音克隆,内置 115 个声音)是另一个模型,条款也不同:它的模型卡采用 Stellon Labs Community License,研究、非商业和有限的商业使用免费,一旦你或你的关联方的年收入或累计融资超过 1,000,000 美元,商用授权即告终止。这条不适用于 Apache-2.0 的 Mini 模型卡,但这正是搜索“Kitten TTS 2”可能遇到两种许可的原因。来源: huggingface.co · 核对于 2026-11-19
- GitHub README 把 Kitten-TTS 称为“a series of sota open-source text-to-speech models, built by KittenML”,并把 Nano、Pico 和 Mini 列为以 int8 或 int4 ONNX 形式提供、面向 CPU 的小型多语言模型。README 中关于 CPU 实时速度的说法针对的是 1.7B 旗舰而不是 Mini,两者我们都没有测试。来源: github.com · 核对于 2026-11-19
- Kitten TTS 2 Mini 不在 OpenRouter 的模型列表里(2026 年 11 月 19 日核对),而本站是与语言模型的文字聊天,所以无法用它生成语音。本站可以和 Qwen3.8 Flash、Inkling 2 Small、Hy4 Flash 这类小型文字模型聊天。来源: openrouter.ai · 核对于 2026-11-19 · 二手
本站表格
Kitten TTS 2 Mini 对比 Pico 和 Nano:参数、语言、声音和文件大小(按原文)
- Pico 的模型卡写明每种语言一个 7.2M 参数的模型、8 种语言(英语、德语、西班牙语、意大利语、葡萄牙语、俄语、印地语和法语)、30 个声音、24 kHz 输出,每种语言的 int8 权重 8.0 MB、int4 权重 4.0 MB;采用 Apache-2.0,与 Mini 一样通过 ONNX Runtime 在 CPU 上运行。来源: huggingface.co · 核对于 2026-11-19
- Nano 的模型卡写明每种语言一个 17M 参数的模型、与 Pico 相同的 8 种语言、37 个声音、24 kHz 输出,每种语言的 int8 权重 17.4 MB、int4 权重 8.8 MB,采用 Apache-2.0。来源: huggingface.co · 核对于 2026-11-19
Mini 对比 Pico
Kitten TTS 2 Mini、Pico 和 Nano 并排对比
搜 Kitten TTS 2 Mini 的人通常想知道它和其他小型 Kitten 模型有什么不同。Mini 是三者中最大的,也是唯一用一个模型覆盖 16 种语言的;Pico 最小,每种语言 7.2M 参数,int4 下每种语言 4.0 MB。三张模型卡对采样率、许可和安装方式的写法相同,只有 Pico 和 Nano 有印出来的质量表,所以这里只比较体积和覆盖范围,不比较音质。本站还收录了其他开放的语音模型:能克隆声音的 ZONOS3-Mini,以及许可仅限非商业的 XTTS v2。Microsoft 的 Aion 1.0 是另一类小型端侧模型:它写文字,不生成语音。
| 项目 | Kitten TTS 2 Mini | Kitten TTS 2 Pico | Kitten TTS 2 Nano |
|---|---|---|---|
| 参数量 | 82M | 每种语言一个模型,7.2M | 每种语言一个模型,17M |
| 语言 | 16 种(en、de、es、it、pt、ru、hi、da、fi、fr、ja、ko、nl、sv、sw、tr) | 8 种(en、de、es、it、pt、ru、hi、fr) | 8 种(en、de、es、it、pt、ru、hi、fr) |
| 仓库里的模型数 | 1 个,覆盖全部语言 | 8 个,每种语言一个 | 8 个,每种语言一个 |
| 声音数(模型卡标题数字) | 118 | 30 | 37 |
| 英语声音数 | 11 | 4 | 10 |
| int8 ONNX 大小 | 82.7 MB | 每种语言 8.0 MB | 每种语言 17.4 MB |
| int4 ONNX 大小 | 47.5 MB | 每种语言 4.0 MB | 每种语言 8.8 MB |
| 采样率和许可 | 24 kHz,Apache-2.0 | 24 kHz,Apache-2.0 | 24 kHz,Apache-2.0 |
| 印出来的质量表 | 没有找到 | 文档里有 int4 错误率表 | 文档里有 int4 错误率表 |
| 仓库创建日 | 2026 年 11 月 13 日 | 2026 年 11 月 13 日 | 2026 年 11 月 13 日 |
来源: huggingface.co来源: huggingface.co来源: huggingface.co来源: github.com来源: huggingface.co
本站表格
Kitten TTS 2 Mini 的语言和声音:每种语言有多少个声音
- 模型卡把声音列为名字加简短描述:11 个英语声音(如 Eleanor,“Somber historian”,和 Max,“Energetic sports announcer”),其他语言则只有“Female 1”“Male 2”这类标签。其中九个英文名的声音也出现在德语、西班牙语、意大利语、葡萄牙语和俄语的列表里;模型卡说,传入 language= 时它们会以同一个名字说这些语言,不传则说英语。把模型卡的各张表加起来是 118 条,与它的标题数字一致,其中这些英文名的声音在每个出现的列表里各算一次。来源: huggingface.co · 核对于 2026-11-19
按语言的声音
Kitten TTS 2 Mini 模型卡上按语言列出的声音
模型卡给每个声音起了名字;德语、西班牙语、意大利语、葡萄牙语和俄语各有四个本语言名字的声音,后面跟着九个英文名的声音,所以这五个列表各有 13 条。“Somber historian”这类描述是模型卡给虚构角色贴的标签,并不是真人。这个模型只负责朗读;如果需要先由模型写出文字,可以在聊天里试试 Qwen3.8 Flash 或 Hy4 Flash。
| 语言 | 模型卡上的条数 | 该语言的声音名字 |
|---|---|---|
| 英语(en) | 11 | Eleanor、Martha、Serena、Iris、Grace、Edith、Diana、Otis、Vincent、Max、Danny |
| 德语(de) | 13 | Lena、Greta、Jonas、Felix,另有九个英文名 |
| 西班牙语(es) | 13 | Lucia、Carmen、Javier、Diego,另有九个英文名 |
| 意大利语(it) | 13 | Giulia、Chiara、Marco、Luca,另有九个英文名 |
| 葡萄牙语,巴西(pt) | 13 | Beatriz、Camila、Rafael、Thiago,另有九个英文名 |
| 俄语(ru) | 13 | Anastasia、Natasha、Dmitri、Ivan,另有九个英文名 |
| 印地语(hi) | 4 | Priya、Ananya、Arjun、Vikram |
| 丹麦语(da) | 3 | Freja、Mads、Rasmus |
| 芬兰语(fi) | 5 | Aino、Helmi、Eero、Juho、Ville |
| 法语(fr) | 8 | Camille、Chloe、Manon、Louis、Antoine、Julien、Mathis、Etienne |
| 日语(ja) | 5 | Yuki、Sakura、Haruka、Aoi、Haruto |
| 韩语(ko) | 3 | Seoyeon、Minjun、Jihoon |
| 荷兰语(nl) | 5 | Sanne、Fenna、Daan、Bram、Joris |
| 瑞典语(sv) | 3 | Astrid、Elsa、Oskar |
| 斯瓦希里语(sw) | 4 | Zawadi、Neema、Baraka、Juma |
| 土耳其语(tr) | 2 | Elif、Zeynep |
本站表格
Kitten TTS 2 Mini 没有质量表:Pico 和 Nano 的 int4 错误率是 Kitten 印出的唯一数字
- Kitten 的文档给出了 Pico 和 Nano 的 int4 检查:每种语言 60 句留出的句子,用 Whisper large-v3 计算字符错误率,括号里是 float32 的值,Mini 没有。例如英语 Pico 为 1.17(0.86)、Nano 为 1.08(1.08),印地语为 10.72(10.70)和 13.21(13.13)。文档还说,与 float32 的说话人嵌入相似度为 0.996 到 0.999,95% 到 99% 的音素时长与 float32 完全相同。我们没有找到 Mini 的同类表格。来源: github.com · 核对于 2026-11-19
厂商数字
Kitten TTS 2 Mini 的兄弟模型:int4 版 Pico 和 Nano 的字符错误率,括号内为 float32
这是 Kitten 唯一印出小模型“被识别器听起来如何”的地方,而 Mini 不在其中。请把它理解为 int4 压缩相对于 float32 版本几乎没改变 Pico 和 Nano 的证明,而不是三个模型的排名:句子和语言相同,但模型大小不同。印地语对两个模型都是最难的语言。如果你想要的是文字回答而不是音频,在本站可以和小模型 Inkling 2 Small 聊天。
| 语言 | Pico int4(float32) | Nano int4(float32) |
|---|---|---|
| 英语 | 1.17(0.86) | 1.08(1.08) |
| 德语 | 1.64(1.78) | 1.28(1.63) |
| 西班牙语 | 0.98(0.91) | 0.89(0.83) |
| 意大利语 | 0.94(0.66) | 0.69(0.61) |
| 葡萄牙语 | 4.08(4.10) | 3.93(3.87) |
| 俄语 | 5.79(5.87) | 6.48(6.50) |
| 印地语 | 10.72(10.70) | 13.21(13.13) |
| 法语 | 2.13(2.05) | 2.13(1.94) |
上线时通知我
登录后点按钮:只保存你的账号和这个模型,不存其他资料。目前还不会发送邮件。
最接近的可用模型
现在可用的 Kitten TTS 2 Mini 替代选择
Qwen3.8 Flash
Alibaba$0.15 / $0.47 (每百万 token)
- Alibaba 对 qwen3.8-flash 的定价为每百万输入/输出 token 0.15/0.47 美元(新加坡、欧盟、香港和美国区)。来源: docs.qwencloud.com · 核对于 2026-11-13
- 在 OpenRouter 上的 id 为 qwen/qwen3.8-flash,每百万 token 0.15/0.47 美元。来源: openrouter.ai · 核对于 2026-11-13
Inkling 2 Small
Thinking Machines Lab$0.30 / $1 (每百万 token)
- Thinking Machines Lab 于 2026 年 11 月 5 日发布 Inkling 2 Small,并在其 Tinker 平台上提供。来源: thinkingmachines.ai · 核对于 2026-11-14
- 混合专家(MoE)模型,总参数 594B、激活 17B,支持图片输入和可调推理强度。来源: thinkingmachines.ai · 核对于 2026-11-14
- 输入文字和图片、输出文字;上下文最多 100 万 token;每个 token 路由到 384 个专家中的 8 个。来源: huggingface.co · 核对于 2026-11-14
Hy4 Flash
Tencent$0.04 / $0.14 (每百万 token)
- 腾讯 2026 年 11 月 16 日的 Hy4 flash 公告称它是 Hy 模型家族的最新成员。腾讯建议把它用于大多数日常任务(深度研究、文档处理、生成 PPT、简单前端工作、电脑操作),长程软件工程等复杂任务则建议用 Hy4。腾讯云 API 指南称它是“更精简、更高效的日常主力”(原文为英文)。来源: tencent.com · 核对于 2026-11-17
- 腾讯公告日期为 2026 年 11 月 16 日,腾讯云上 hy4-flash 的模型、价格和 API 页面也在同一天更新。公告只说 Hy4 flash 现已可用,没有单独写明发布日期或版本名。来源: tencent.com · 核对于 2026-11-17
- 腾讯称 Hy4 flash 总参数 224B(含 64B Engram 参数),激活 12B,上下文最长 1M token,支持多模态输入;公告没有写最大输出和输出类型。腾讯还称它的 KV 缓存是 Hy4 的 1/6,解码速度超过每秒 150 token。这些是腾讯自己的数据,我们没有测试。来源: tencent.com · 核对于 2026-11-17
FAQ
Kitten TTS 2 Mini 常见问题
Kitten TTS 2 Mini 是什么?
Kitten TTS 2 Mini 是 KittenML 的小型语音合成模型:把文字变成 24 kHz 的音频,支持 16 种语言、118 个内置声音。Hugging Face 模型卡写明 82M 参数,提供可在 CPU 上运行的 int8(82.7 MB)和 int4(47.5 MB)ONNX 文件,另有 float32 的 PyTorch 权重。仓库创建于 2026 年 11 月 13 日,模型卡没有写正式发布日期。
Kitten TTS 2 Mini 和 Pico、Nano 有什么区别?
Mini 是一个 82M 参数的模型,覆盖 16 种语言;Pico(每种语言一个 7.2M 参数的模型)和 Nano(17M)覆盖 8 种语言,每种语言一个模型。Pico 最小,每种语言 int8 为 8.0 MB、int4 为 4.0 MB,Mini 则是 82.7 MB 和 47.5 MB。Kitten 的文档只给 Pico 和 Nano 印了 int4 错误率表,没有 Mini 的,所以我们无法比较它们的音质。
Kitten TTS 2 Mini 需要什么硬件,怎么运行?
模型卡说两种 ONNX 版本都能在 CPU 上运行,不需要 PyTorch;int4 版本需要 onnxruntime 1.20 或更新。安装 kittenml 包,加载 KittenTTS("KittenML/kitten-tts-2-mini"),用 generate 传入声音名,再按 24,000 Hz 写出结果。GPU 可通过 PyTorch 后端选用。模型卡和文档没有给出内存、延迟或实时率数字,所以我们说不出它在你的机器上有多快。
它有哪些语言和声音?
共 16 种语言:英语、德语、西班牙语、意大利语、葡萄牙语(巴西)、俄语、印地语、丹麦语、芬兰语、法语、日语、韩语、荷兰语、瑞典语、斯瓦希里语和土耳其语。模型卡列了 118 条声音,从土耳其语的 2 条到德语、西班牙语、意大利语、葡萄牙语、俄语各 13 条,因为这五个列表里各含九个英文名的声音。日语需要额外安装 kittenml[ja]。
Kitten TTS 2 Mini 的许可是什么?可以商用吗?
Mini 的模型卡说模型、声音包和随附的字音转换文件采用 Apache-2.0,没有写额外的商用限制。更大的旗舰 KittenTTS 2 不同:它采用 Stellon Labs Community License,一旦你或你的关联方的年收入或累计融资超过 1,000,000 美元,商用授权即告终止。请阅读你实际下载的那个仓库里的许可文件。
Kitten TTS 2 Mini 能克隆声音吗?
Mini 的模型卡没有描述声音克隆:你按名字选一个内置声音。克隆是另一个 1.7B 旗舰 KittenTTS 2 的功能,它可以用 5-30 秒的单人录音来克隆。如果你要克隆声音,只用同意过的人的录音,也不要把结果冒充成那个人;这段提醒是我们加的,不是 KittenML 说的。
能在这里用 Kitten TTS 2 Mini 生成语音吗?
不能。本站是与语言模型的文字聊天,无法用 Kitten TTS 2 Mini 或任何语音模型生成音频,而且该模型不在 OpenRouter 的列表里。要文字的话,在本站与 Inkling 2 Small 的一次典型回复约 1 个积分(一个积分约 $0.01,按 $5 档计算),按真实 token 成本计费,最低 1 个积分。Qwen3.8 Flash 和 Hy4 Flash 是另外的小模型。
这是 KittenML 的官方网站吗?
不是。本页为非官方页面,与 KittenML 无关,也未获其认可。事实链接到我们读过的页面。