KittenTTS 2 est un modèle de génération vocale qui crée une voix ressemblant à celle d’un locuteur d’origine à partir d’un texte et d’un court enregistrement audio servant de référence vocale.
Pourquoi c'est important
Documentation API
API disponible
overview
KittenTTS 2 est un outil de génération vocale par IA qui permet aux utilisateurs de générer une voix ressemblant à celle d’un locuteur d’origine. Il prend en charge le clonage vocal en contexte à partir d’un court enregistrement audio et génère de la voix à partir de texte.
features
KittenTTS 2 associe la génération vocale à partir de texte au clonage vocal en contexte. Les informations disponibles sur le produit indiquent que ses modalités sont le texte et l’audio, et confirment l’accès à une API.
use cases
KittenTTS 2 s’adresse aux utilisateurs qui souhaitent générer de la voix à partir de texte ou créer une voix ressemblant à celle d’un locuteur figurant dans un court enregistrement audio.
how to use
Les informations disponibles confirment l’existence d’une API et renvoient à sa documentation à l’adresse https://platform.kittenml.com, mais ne précisent pas les conditions de création d’un compte, le format des requêtes ni les étapes à suivre dans l’interface.
pricing
KittenTTS 2 est proposé selon un modèle freemium. Les informations disponibles sur le produit ne précisent ni les noms des offres, ni les limites de l’offre gratuite, ni les tarifs des formules payantes, ni les tarifs d’utilisation de l’API.
Cet article vous plaît ? Recevez-en un comme celui-ci chaque matin.
un e-mail par jour · désinscription en deux clics · aucun traqueur tiers
Outils similaires
La description disponible indique que KittenTTS 2 permet la génération vocale à partir de texte et le clonage vocal en contexte à partir d’un court enregistrement audio. Les résultats de tests comparatifs, les exigences matérielles et les données de performances comparatives ne sont pas fournis ; les comparaisons ci-dessous se limitent donc aux approches produit décrites.
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.
Plus sur Stork
Autres outils de cette catégorie, rapprochés par tags communs
Un court e-mail par jour, avec des outils qui valent le coup. Pas de tunnel marketing.
un e-mail par jour · désinscription en deux clics · aucun traqueur tiers
Pour les builders
Les agents IA la lisent. Des acheteurs y arrivent. Elle répond en huit langues et via MCP. Votre outil peut avoir la sienne — en ligne en 24 heures.
