KittenTTS 2 — модель генерации речи, которая создаёт речь, похожую на речь исходного говорящего, используя текст и короткую аудиозапись в качестве образца голоса.
Почему это важно
Документация API
Доступность API
overview
KittenTTS 2 — инструмент генерации речи на основе ИИ, позволяющий пользователям создавать речь, похожую на речь исходного говорящего. Он поддерживает клонирование голоса в контексте по короткой аудиозаписи и генерирует речь из текста.
features
KittenTTS 2 сочетает генерацию речи на основе текста с клонированием голоса в контексте. В доступной информации о продукте указаны текст и аудио в качестве поддерживаемых модальностей, а также подтверждён доступ через API.
use cases
KittenTTS 2 подойдёт пользователям, которым нужно генерировать речь из текста или создавать речь, похожую на голос говорящего на короткой аудиозаписи.
how to use
Доступная информация подтверждает наличие API и содержит ссылку на документацию по адресу https://platform.kittenml.com, но не уточняет требования к аккаунту, форматы запросов или действия в интерфейсе.
pricing
Для KittenTTS 2 указана модель freemium. В доступной информации о продукте не приведены названия тарифов, ограничения бесплатного уровня, цены платных планов или расценки на использование API.
Нравится статья? Получайте такие каждое утро на почту.
одно письмо в день · отписка в два клика · без сторонних трекеров
Похожие инструменты
В доступном описании подтверждены генерация речи из текста и клонирование голоса в контексте по короткой аудиозаписи в KittenTTS 2. Конкретные результаты бенчмарков, требования к оборудованию и показатели сравнительной производительности не приводятся, поэтому сравнения ниже ограничены заявленными подходами продуктов.
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.
Ещё на Stork
Другие инструменты этой категории, подобранные по общим тегам
Одно короткое письмо в день — только инструменты, которые стоит попробовать. Без воронок продаж.
одно письмо в день · отписка в два клика · без сторонних трекеров
Для билдеров
Её читают AI-агенты. На неё приходят покупатели. Она отвечает на восьми языках и через MCP. У вашего инструмента может быть такая же — в эфире за 24 часа.
