返回全部动态
KittenML 发布 1.7B 语音模型 KittenTTS 2，支持语音克隆与多语言
原标题：KittenML/kitten-tts-2
AI 摘要
KittenML 在 Hugging Face 发布 KittenTTS 2，一个 1.7B 参数的语音语言模型，支持上下文语音克隆，输出 S3 codec token 再经声码器转为 24kHz 音频。模型内置 115 个音色、覆盖 16 种语言，并提供情感、语气事件与重音等表达控制（Beta）。权重提供 packed、emb4、full 三种打包，其中 1.58-bit 三值打包无损且体积缩小 3.6 倍，另可选 4-bit 蒸馏解码器。
以上摘要由 AI 生成，可能存在误差。事实请以原文为准。
正文节选
--- pipeline_tag: text-to-speech license: other license_name: stellon-labs-community-license license_link: LICENSE.md tags: - text-to-speech - voice-cloning - multilingual --- # KittenTTS 2 A 1.7B speech language model with in-context voice cloning. It reads text and writes S3 codec tokens, which a vocoder turns into 24 kHz audio. ```bash pip install kittenml ``` ```python from kittenml import KittenTTS import soundfile as sf m = KittenTTS("KittenML/kitten-tts-2") # a built-in voice
发布时间：2026-10-24 03:28
抓取时间：2026-10-21 08:47
来源机构：Hugging Face