🐱 白嫖党的配音宝藏 KittenTTS,没有显卡也能在自己电脑上把文字转成语音。
KittenTTS 在 GitHub 1.6 万 star,仓库去年 8 月才建,代码用 Apache 2.0 开源。
以前想给视频配个音、给文章做个朗读版,要么交在线配音的订阅费,要么找个大模型却发现显卡带不动。KittenTTS 的轻量版只有 1500 万到 8000 万参数,CPU 就能跑,Linux、Windows、Mac 都支持。
想要效果更好就上旗舰的 Kitten-TTS 2:1.7B 参数的 1 比特模型,内置 47 种声音、支持 20 种语言,给它一段 5 到 30 秒的录音,不用微调就能克隆音色,还能用标签控制情绪和强调(这部分还在 Beta)。
围着它做的周边也不少:Rust 重写版 313 star,带 Web 界面的自托管服务 281 star,还有安卓上的离线朗读 App 把它收了进去。
模型权重用的是单独的社区许可,商用前先看清条款;克隆声音也请只用自己或已授权的录音。
本地就能跑的配音,终于不用看订阅的脸色了。
GitHub:
显示更多