KittenTTS 设置

返回 TTS 提供商概览

KittenTTS 直接在您的电脑上运行神经网络 TTS 模型。无需云服务、无需 API 密钥、数据不会离开您的电脑——而且语音质量确实很好。设置大约需要 5 分钟。目前仅支持英语。

硬件要求

KittenTTS 使用 PyTorch 在 CPU 上进行神经网络推理，这意味着它需要较强的计算能力：

硬件	体验
8 核以上，现代 CPU（Ryzen 7、i7、Xeon）	出色。语音生成速度快，对其他任务影响很小
4-6 核（Ryzen 5、i5）	良好。生成时 CPU 占用明显，但完全可用
2 核 / 较旧的 CPU	较慢。每句话的生成可能需要数秒。建议考虑使用 Google Cloud

CPU 占用是暂时的 —— KittenTTS 仅在实际生成语音时使用 CPU（通常每句话 1-2 秒）。在语音生成间隔，CPU 占用几乎降为零。

线程管理

默认情况下，KittenTTS 使用所有可用的 CPU 核心以获得最快速度。如果您同时运行国际象棋引擎（如 Stockfish），可能需要限制 KittenTTS 使用的线程数。

在 Settings > Sound > KittenTTS CPU Threads 中设置一个值来限制线程使用量。设为 0 表示自动模式（使用所有核心）。与国际象棋引擎共同使用时，一个好的起点是设为核心数的一半。

提示： KittenTTS 和 Stockfish 都需要 CPU 核心。如果您在 KittenTTS 生成语音的同时进行全深度分析，两者会竞争 CPU 时间。在 8 核以上的机器上，您几乎不会注意到影响。在 4 核机器上，建议给 KittenTTS 分配 2 个线程，其余留给引擎。

步骤 1：安装依赖

KittenTTS 需要 Python 3.10+ 和一些 Python 包。请选择以下方法之一：

方法 A：应用内设置向导（推荐）

1. 打开 En Parlant~ 并进入 Settings > Sound
2. 将 TTS Provider 设为 KittenTTS (English Only)
3. 如果缺少依赖项，会出现黄色的 “Setup Guide” 提示
4. 点击提示打开设置向导
5. 向导会引导您完成每个步骤，并提供 “Fix” 按钮进行自动安装

方法 B：终端设置脚本

cd /path/to/en-parlant
./scripts/setup-tts.sh --kittentts

此脚本会创建 Python 虚拟环境并安装所需的包（kittentts、flask、soundfile、numpy）。首次运行时，nano 模型（约 25MB）会从 HuggingFace 下载。

方法 C：手动设置

cd /path/to/en-parlant/scripts
python3 -m venv .venv
.venv/bin/pip install kittentts flask soundfile numpy

步骤 2：配置 En Parlant~

1. 打开 En Parlant~ 并进入 Settings（齿轮图标）> Sound 选项卡
2. 将 TTS Provider 设为 KittenTTS (English Only)
3. 选择该提供商后，服务器会自动启动
4. 等待几秒钟让模型加载（首次运行会从 HuggingFace 下载）
5. 选择一个声音——共有 8 个选项（4 个男声、4 个女声）
6. 点击声音选择器旁边的 Test 按钮

您应该能听到一步棋以自然、富有表现力的 AI 语音朗读出来。

故障排除

• 出现 “Server not responding” 错误？ KittenTTS 服务器可能未启动。请检查设置中的设置向导——它会显示依赖项状态，并可自动修复缺失的包。
• 首次运行很慢？ 约 25MB 的 nano 模型会在首次使用时从 HuggingFace 下载。这是一次性下载，后续启动只需 2-5 秒。
• CPU 占用过高？ 这在语音生成期间是正常的。如果影响到其他任务，请在设置中减少线程数。
• 没有声音？ 请确保已安装 Python 3.10+ 且虚拟环境创建成功。设置向导可以帮助诊断此问题。

声音指南

KittenTTS 提供 8 种声音，编号为 2-5，每个编号有男声和女声两种变体。所有声音均为英语，但音调特质略有不同。建议试听几种，找到您最喜欢的。

语言说明

KittenTTS 目前仅支持英语。如需其他语言，请使用 ElevenLabs 或 Google Cloud。使用 KittenTTS 时，TTS 语言设置会被忽略——国际象棋术语始终以英语朗读。