KittenTTS 2 es un modelo de generación de voz que crea habla similar a la de un hablante original usando texto y una grabación de audio breve como referencia de voz.
Por qué importa
Documentación API
API disponible
overview
KittenTTS 2 es una herramienta de generación de voz con IA que permite a los usuarios generar habla similar a la de un hablante original. Admite la clonación de voz en contexto a partir de una grabación de audio breve y genera habla a partir de texto.
features
KittenTTS 2 combina la generación de voz basada en texto con la clonación de voz en contexto. La información disponible del producto identifica el texto y el audio como sus modalidades y confirma el acceso a través de API.
use cases
KittenTTS 2 es relevante para usuarios que necesitan generar habla a partir de texto o crear habla similar a la de un hablante en una grabación de audio breve.
how to use
La información disponible confirma que hay una API y ofrece un enlace a su documentación en https://platform.kittenml.com, pero no especifica los requisitos de cuenta, los formatos de solicitud ni los pasos de la interfaz.
pricing
KittenTTS 2 figura como freemium. La información disponible del producto no especifica los nombres de los niveles, los límites del nivel gratuito, los precios de los planes de pago ni las tarifas de uso de la API.
¿Te está gustando? Recibe uno así en tu bandeja cada mañana.
un correo al día · date de baja en dos clics · sin rastreadores de terceros
Herramientas similares
La descripción disponible establece que KittenTTS 2 genera voz a partir de texto y permite la clonación de voz en contexto desde audios breves. No se proporcionan resultados específicos de pruebas comparativas, requisitos de hardware ni cifras de rendimiento comparativo, por lo que las comparaciones siguientes se limitan a los enfoques de producto indicados.
At just 82M parameters, it produces near-commercial speech quality on standard CPUs without requiring large foundation model compute.
Kokoro focuses strictly on pre-defined high-quality voice profiles rather than dynamic zero-shot reference audio cloning, so you cannot clone arbitrary voices on the fly.
Uses non-autoregressive flow matching for fast, robust zero-shot voice cloning and speech editing directly from short reference audio clips.
F5-TTS requires significantly more compute and ideally a dedicated GPU, whereas KittenTTS 2 is quantized to ternary weights specifically to execute on consumer CPUs.
An open-source reference implementation by Resemble AI focused specifically on zero-shot cloning with fine-grained emotion and expressiveness transfer.
It is substantially heavier to run locally than KittenTTS 2's lightweight CPU-focused architecture and requires a capable CUDA environment for responsive inference.
Decouples voice style/timbre cloning from base speech generation, letting you clone speaker identity with precise control over emotion, accent, and cadence.
Because it operates as a modular two-stage pipeline (base TTS plus tone color converter), its setup and synthesis chain are noticeably more complex than KittenTTS 2's single in-context model.
Más en Stork
Otras herramientas de esta categoría, emparejadas por etiquetas comunes
Un correo corto al día con herramientas que valen la pena. Sin embudos de marketing.
un correo al día · date de baja en dos clics · sin rastreadores de terceros
Para builders
La leen los agentes de IA. Aterrizan compradores. Responde en ocho idiomas y vía MCP. Tu herramienta puede tener una igual — publicada en 24 horas.
