KittenTTS：25MB 的 AI 語音模型？還開源免費，手機都能跑！

Kitten ML 團隊繼推出 25MB 的 Nano 預覽版後，再度震撼發布 Kitten TTS Mini！這款 170MB 的開源文字轉語音模型，同樣內建 8 種生動聲音，並延續了在手機、樹莓派上流暢運行的超低門檻。見證這場輕量級 AI 語音的進化。

在人工智慧技術飛速發展的今天，當我們談到高品質的「文字轉語音」（TTS）模型時，腦中浮現的往往是龐大的檔案、對高階硬體（特別是 GPU）的依賴，以及可能伴隨而來的昂貴授權費。但如果，有一個模型能打破所有這些規則呢？

最近，一個名為 Kitten ML 的團隊就在技術圈投下了一顆震撼彈。他們先是釋出了一款名為 KittenTTS Nano 的預覽版，以其不到 25MB 的超小體積震驚了社群。而現在，他們乘勝追擊，正式推出了更強大、更完整的版本——KittenTTS Mini，再次在 GitHub 上引起了開發者們的熱烈討論。

為什麼這個系列如此特別？因為它小得不可思議，而且完全免費。

一場驚人的進化：從 Nano 到 Mini

要理解 KittenTTS 的魅力，我們得從它的兩個版本看起。這不僅是一個模型的更新，更是一次清晰的技術進化。

KittenTTS Nano (kitten-tts-nano-0.1)

這是 Kitten ML 團隊投下的第一顆震撼彈。作為一個「預覽版」，Nano 版本的模型參數僅有約 1500 萬個(15M)，整體檔案大小甚至不到 25MB！你可以在 Hugging Face 上找到它。

這是一個什麼概念？大概就是幾張高畫質照片的大小。它向世界證明了，一個極度輕量化的模型也能發出清晰、自然的聲音。

KittenTTS Mini (kitten-tts-mini-0.1)

在 Nano 成功驗證概念後，團隊推出了更成熟的 Mini 版本。這個模型的參數擴展到了約 8000 萬個(80M)，檔案大小也相應增長至 170MB 左右。你可以在 Hugging Face 找到這個新版本。

雖然體積變大了，但相較於動輒數 GB 的主流 TTS 模型，170MB 依然是個極其輕巧的數字。而這增加的體積，換來的是更豐富的語音細節和更佳的整體表現。

小體積，大能量：KittenTTS Mini 的核心優勢

那麼，升級後的 KittenTTS Mini 究竟有哪些令人驚喜的優勢呢？

八種生動活潑的聲音

Mini 版本繼承並優化了內建的八種英文語音（四女四男）。這些聲音並非單調的機器朗讀，而是帶有相當不錯的表現力與情感。對於一個如此迷你的模型來說，能達到這種程度的生動性，實在是令人印象深刻。

令人難以置信的輕量化

這依然是 KittenTTS 系列最吸引人的特點。即使是 170MB 的 Mini 版本，對硬體資源的消耗也極低。這意味著開發者可以輕鬆將其整合到各種應用中，而無需擔心伺服器成本。

真的在哪都能跑！

忘了那些僅僅是「無需 GPU」的口號吧——KittenTTS 的運行門檻低到了一個全新的境界。無論是 Nano 還是 Mini，它們都不只可以在普通的 CPU 上運行，甚至能在像樹莓派（Raspberry Pi）這樣的微型電腦，甚至是手機上順暢地生成語音。

對於許多預算有限的開發者、學生或業餘愛好者來說，這無疑是個天大的好消息。你不再需要昂貴的硬體設備，就能在自己的專案中整合高品質的語音功能。

開源萬歲！完全免費使用

是的，你沒看錯。KittenTTS 系列是完全開源的。這代表任何人都可以免費下載、使用，甚至修改它的原始碼，無論是個人專案還是商業應用。這種開放的態度，無疑會極大地推動社群的發展和模型的普及。

魔法背後的秘密：它是如何做到的？

KittenTTS 能夠在如此小的體積下維持優異的表現，其技術核心似乎採用了 G2P（Grapheme-to-Phoneme） 的路徑。這聽起來可能有點複雜，但原理其實相當直觀。

• Grapheme (字素)： 指的是我們書寫的文字單位，例如英文字母 ‘c’。
• Phoneme (音素)： 指的是語言中最小的聲音單位，例如 ‘c’ 在 “cat” 中發 /k/ 的音。

G2P 的作用，就是在生成語音之前，先將輸入的文字（字素）轉換成一套標準的音標（音素）。這樣一來，模型就能更準確地知道每個單字該如何發音，從而生成更自然、更清晰的語氣，這也是它能在小體積下維持不錯品質的關鍵之一。

未來藍圖：KittenTTS 的下一步是什麼？

Kitten ML 團隊也大方地公布了他們更新後的開發藍圖：

• 發布預覽版模型 (Nano) (已完成)
• 發布完整訓練模型 (Mini) (已完成)
• 釋出行動裝置 SDK
• 推出網頁版服務

從這個藍圖可以看出，團隊的目標非常明確：讓 KittenTTS 變得更加強大且易於使用。未來的行動裝置 SDK 和網頁版，將會讓更多不具備程式背景的使用者也能輕鬆體驗。此外，官方也提到，未來的版本預計會支援多國語言，這更讓人充滿期待。

總結：為什麼你該關注 KittenTTS？

KittenTTS 的出現，不僅僅是多了一個新的 TTS 工具。它從 Nano 到 Mini 的進化，生動地證明了在 AI 領域，高效能與輕量化並非不可兼得。

它的小體積、跨平台能力、出色的表現力，以及最重要的開源精神，共同構成了一個極具吸引力的選擇。無論你是一位正在尋找語音解決方案的開發者，一位對 AI 技術充滿好奇的學生，或只是一個單純的科技愛好者，KittenTTS 都值得你投入關注。

讓我們一起期待它未來的發展，以及它將為 AI 語音技術帶來什麼樣的變革吧！