25MB就能跑！Kitten TTS开源语音合成神器完全指南——无GPU、离线、全平台都能装

2小时前更新

如果你受够了动辄几百 MB、张嘴就要 GPU 的传统 TTS，Kitten TTS 的出现简直像一股清流：模型只有 25 MB，1500 万参数，CPU 就能实时推理，还能完全离线。本文就站在人类吐槽视角，把它的身世、下载、安装、使用、优缺点一次性吐槽清楚，顺带和同类软件做个“拉踩”对比，保证看完就能上手。

一、Kitten TTS 是什么？一句话总结

Kitten TTS 是 KittenML 团队扔出来的开源文本转语音模型，主打“超轻量 + 高音质 + 零门槛”。官方定位：“让任何设备都能开口说话”——包括树莓派、旧笔记本、甚至你的破安卓平板。

关键词提炼：Kitten TTS 介绍、开源 TTS、轻量级语音合成、25MB 模型

二、官方版本 & 下载地址

目前最新预览版：kitten-tts-nano-0.2

GitHub 主仓库：https://github.com/KittenML/KittenTTS
轮子直链（0.2 预览）：kittentts-0.2.0-py3-none-any.whl
镜像站点：SourceForge 镜像
权重托管：Hugging Face

三、支持系统 & 逐系统安装教程

系统	最低要求	安装指令	吐槽点
Windows 10+	Python 3.8+	`pip install https://github.com/KittenML/KittenTTS/releases/download/0.2/kittentts-0.2.0-py3-none-any.whl`	装完别忘把 `python.exe` 加到 PATH，不然 cmd 会装傻。
macOS 12+	Python 3.8+	同上	Apple Silicon 直接用，别装 Rosetta 反而更快。
Linux (Ubuntu/Debian)	Python 3.8+	同上，再补一句 `sudo apt install espeak-ng` 防缺失依赖。	服务器没声卡也能跑，生成文件后用 `aplay` 试听。
树莓派 4B	Raspberry Pi OS 64bit	同上，建议加 `--break-system-packages` 免得 pip 哔哔。	第一次运行会下载权重 25 MB，记得插网线，不然 2.4G Wi-Fi 等到天荒地老。
Android (Termux)	Termux + Python 3.8+	`pkg install python; pip install kittentts-0.2.0-py3-none-any.whl`	跑是能跑，就是耗电感人；建议插充电宝。

四、5 行代码快速上手 Kitten TTS


from kittentts import KittenTTS
import soundfile as sf

tts = KittenTTS("KittenML/kitten-tts-nano-0.2")
audio = tts.generate("Hello, this is Kitten TTS running on a potato PC!", voice='expr-voice-2-f')
sf.write('demo.wav', audio, 24000)

生成完直接播放 demo.wav，音质在线，无机械感。

附：8 种预设音色一览


expr-voice-2-m / expr-voice-2-f
expr-voice-3-m / expr-voice-3-f
expr-voice-4-m / expr-voice-4-f
expr-voice-5-m / expr-voice-5-f

五、优点 & 优势（官方吹牛 + 真实体验）

小到离谱：25 MB 模型，U 盘即走。
无 GPU 也能飞：老 i5 单核跑 100 ms/句，实时无压力。
完全离线：一次下载，终身断网可用。
Apache 2.0 协议：商业闭源改改也能用，不担心法务敲桌。
跨平台：Python 轮子通杀，想嵌入 C++ 也有 ONNX 导出。
音色自然：盲测 10 人 8 人以为真人，剩下两个嫌不够磁性（手动狗头）。

六、与同类软件“拉踩”对比

特性	Kitten TTS	Piper TTS	Coqui XTTS-v2
模型体积	25 MB	50–100 MB/音色	1.5 GB+
硬件要求	纯 CPU	CPU 可跑	最好 RTX 3060 以上
零样本克隆	❌	❌	✅（但吃显存）
开源协议	Apache 2.0	Apache 2.0	Coqui 自有协议限制商业
多语言支持	英语（多语 Roadmap）	20+ 语言	16 语言