Qu’est-ce que KittenTTS 2 ?
KittenTTS 2 est un modèle de synthèse vocale de KittenML, la marque de Stellon Labs soutenu par Y Combinator, publié sur Hugging Face fin septembre 2026. C'est un type de modèle différent des versions KittenTTS 0.8 de 15M à 80M de paramètres : un modèle de langage vocal de 1,7 milliard de paramètres qui écrit des tokens de codec S3, qu'un vocodeur transforme en audio 24 kHz. Ses poids linéaires sont ternaires (chacun l'une de trois valeurs), si bien que le téléchargement par défaut est de 954 MB contre 3 469 MB en bf16 simple, les deux produisant un audio identique au bit près.
Il est livré avec 115 voix intégrées, clone une voix à partir de 5 à 30 secondes d'un seul locuteur, et prend dix balises d'émotion, dix balises d'événement vocal comme <laugh> et l'emphase à triple parenthèse, toutes marquées beta. La fiche du modèle nomme des voix pour 16 langues ; le README GitHub en liste 20. Il tourne via le paquet Python kittenml (PyTorch, vLLM sur NVIDIA, MLX sur Apple silicon) ou le fork llama.cpp de KittenML pour les CPU.
Le code Python est en Apache 2.0, mais les poids sont sous la Stellon Labs Community License, qui met fin à l'usage commercial gratuit dès que vous dépassez 1 million de dollars de revenus annuels ou de financement total levé. Le dépôt GitHub derrière a environ 16 600 étoiles.
Combien coûte KittenTTS 2 ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Weights | Free | Licence Stellon Labs Community ; usage commercial sous 1 million de dollars de revenus et de financement |
| Enterprise licence | Not published | Requis au-delà des seuils |
Poids gratuits sous la Stellon Labs Community License pour la recherche et pour les utilisateurs commerciaux sous 1 million de dollars de revenus et de financement, avec inscription. Tarifs de l'API hébergée non publiés.
KittenTTS 2 vaut-il le coup ?
KittenTTS 2 est un résultat de compression intéressant avec trop peu de preuves derrière sa qualité. Faire tenir un modèle de parole de 1,7B dans des poids ternaires réduit le téléchargement à 954 MB sans perte, et les notes MLX de KittenML expliquent pourquoi cela compte : la génération est une passe avant par 1/25 de seconde de parole et est limitée par la bande passante mémoire, si bien que lire environ 1,4 GB par token au lieu de 3,5 GB est l'accélération. Ce que KittenML ne publie pas, c'est un taux d'erreur sur les mots, un test d'écoute ou une entrée de classement, et le modèle est absent des deux tableaux de synthèse vocale d'Artificial Analysis.
La promesse « tourne sur un CPU » demande une lecture attentive. Le propre guide MLX de KittenML indique que le backend PyTorch par défaut tourne en dessous du temps réel sur un Mac Apple silicon, et le compte rendu de Better Stack a trouvé qu'une courte phrase y prenait plusieurs secondes. La voie rapide est le fork C++ en beta : sur un Xeon à huit threads, il génère 45,7 tokens par seconde, ce qui à 25 tokens par seconde d'audio fait environ 1,8 fois le temps réel pour le seul modèle de langage selon notre calcul, avant que le vocodeur ne tourne. Sur une RTX 3060, vLLM avec des poids 4 bits réduit un long passage de 45,20 secondes en PyTorch à 10,38.
Le clonage est la fonction phare, et le seul chiffre de KittenML est le sien : 0,81 de similarité de locuteur en clonant un enregistrement inédit. La licence des poids ne mentionne ni consentement ni usurpation d'identité ; elle renvoie à une politique d'usage acceptable disponible uniquement en contactant Stellon Labs, si bien que les règles sur le clonage de personnes réelles ne sont pas publiques.
La licence est le plus gros obstacle. L'usage commercial gratuit exige de s'inscrire auprès de Stellon Labs et prend fin dès que vous ou vos affiliés dépassez 1 million de dollars de revenus annuels ou de financement cumulé total, ce qui exclut la plupart des startups après un tour d'amorçage. Les produits doivent afficher « Powered by KittenML », les sorties ne peuvent pas entraîner de modèles génératifs fondamentaux, et l'octroi est révocable. Chatterbox et Kokoro, tous deux sur le tableau à poids ouverts d'Artificial Analysis, viennent avec des conditions bien plus simples.
Là où il fait la différence
Un développeur solo qui construit une appli de lecture hors ligne pour portables Linux
Lire des articles à voix haute sans appels cloud ni GPU
Compiler kitten-tts-2-cpp et utiliser le décodeur student_w4, qui fait 39 MB sur le disque. Attendez-vous à un CLI par lots plutôt qu'à un serveur en streaming, et gardez les entrées découpées : KittenML indique que le modèle tronque ou dérive vers la répétition sur les longs passages en une passe.
Un laboratoire de parole universitaire qui compare de petits modèles de clonage
Mesurer combien de qualité coûte l'empaquetage ternaire par rapport au bf16
L'usage de recherche est gratuit, et le dépôt livre les empaquetages bf16, ternaire et embedding 4 bits des mêmes poids, si bien qu'une seule étude peut les comparer directement. KittenML ne publie aucun taux d'erreur sur les mots, si bien que l'évaluation propre du laboratoire comble un vrai manque.
Le CTO d'une startup financée en amorçage avec 2 millions de dollars levés
Vérifier si KittenTTS 2 peut être livré dans un produit payant
Pas sans une licence séparée : un financement total au-dessus de 1 million de dollars met fin à l'octroi commercial gratuit, quel que soit le revenu. Les conditions commerciales sont sur demande à info@stellonlabs.com, et aucun prix n'est publié.
Avant de vous engager
- Mise en route
- pip install kittenml, chargez KittenML/kitten-tts-2 et appelez generate avec un nom de voix ou un extrait de référence ; aucune connexion Hugging Face n'est nécessaire. KittenML demande un GPU CUDA avec environ 8 GB libres ou un CPU avec environ 6 GB de RAM, plus environ 2 GB de disque.
- Intégrations
- PyTorch par défaut, un backend vLLM optionnel sur NVIDIA (pilote 580 ou plus récent), un backend MLX sur Apple silicon, une image Docker avec une API de parole compatible OpenAI et le clonage de voix, et le fork llama.cpp kitten-tts-2-cpp avec des bindings Python.
- Données et confidentialité
- Stellon Labs Community License : gratuite pour la recherche et l'usage non commercial ; l'usage commercial exige une inscription et s'arrête au-dessus de 1 million de dollars de revenus annuels ou de financement total ; attribution « Powered by KittenML » ; pas d'entraînement de modèles génératifs fondamentaux sur les sorties ; révocable. Le modèle de locuteur pyannote inclus est en MIT et le code est en Apache 2.0. Auto-hébergé, l'audio ne quitte jamais votre machine.
- Coût à grande échelle
- L'auto-hébergement est bon marché : le benchmark vLLM de KittenML utilise une seule RTX 3060 12 GB, et le runtime C++ garde les poids du transformeur dans environ 357 MiB sur CPU. La plateforme hébergée de KittenML exige une connexion et ne publie aucun prix.
- Limites
- Le contrôle d'émotion est en beta et varie selon la voix. Le normaliseur de texte anglais déforme les nombres et les dates dans d'autres langues sauf si normalize=False. Le streaming est au niveau du morceau, si bien qu'un texte de moins d'environ 380 caractères arrive en un seul morceau ; le runtime C++ ne peut pas streamer et a besoin d'une étape Python hors ligne pour préparer une voix clonée ; son GGUF TQ2_1 ne se charge pas dans un llama.cpp standard.
Les points forts
- Téléchargement ternaire sans perte de 954 MB, 469 MB avec un embedding avec perte
- Clonage de voix à partir de 5 à 30 secondes d'audio
- 115 voix intégrées avec balises d'émotion et d'événement vocal
- Backends CPU, NVIDIA (vLLM) et Apple silicon (MLX)
Les points faibles
- Aucun résultat de précision ou de test d'écoute publié ; absent des tableaux d'Artificial Analysis
- L'usage commercial gratuit prend fin à 1 million de dollars de revenus ou 1 million de dollars de financement
- Politique d'usage acceptable non publique
- Le backend PyTorch par défaut tourne en dessous du temps réel sur un Mac
Idéal pour
Les amateurs, chercheurs et développeurs non financés qui veulent un clonage de voix hors ligne sur du matériel ordinaire et peuvent vivre avec un plafond de qualité non prouvé.
Alternatives à KittenTTS 2
KittenTTS 2 : questions fréquentes
- KittenTTS 2 vaut-il le coup ?
- KittenTTS 2 fait tenir un modèle de parole avec clonage dans moins d'un gigaoctet, mais personne hors de KittenML n'a encore montré ce qu'il donne à l'oreille, et la licence écarte la plupart des entreprises financées. Nous lui donnons 3.4 sur 5.
- Combien coûte KittenTTS 2 ?
- Poids gratuits sous la Stellon Labs Community License pour la recherche et pour les utilisateurs commerciaux sous 1 million de dollars de revenus et de financement, avec inscription. Tarifs de l'API hébergée non publiés.
- Quels sont les inconvénients de KittenTTS 2 ?
- Aucun résultat de précision ou de test d'écoute publié ; absent des tableaux d'Artificial Analysis; l'usage commercial gratuit prend fin à 1 million de dollars de revenus ou 1 million de dollars de financement; politique d'usage acceptable non publique; le backend PyTorch par défaut tourne en dessous du temps réel sur un Mac.
- À qui s’adresse KittenTTS 2 ?
- Les amateurs, chercheurs et développeurs non financés qui veulent un clonage de voix hors ligne sur du matériel ordinaire et peuvent vivre avec un plafond de qualité non prouvé.
- Combien coûte KittenTTS 2 pour une équipe ou en production ?
- L'auto-hébergement est bon marché : le benchmark vLLM de KittenML utilise une seule RTX 3060 12 GB, et le runtime C++ garde les poids du transformeur dans environ 357 MiB sur CPU. La plateforme hébergée de KittenML exige une connexion et ne publie aucun prix.
- KittenTTS 2 est-il sûr pour les données de l’entreprise ?
- Stellon Labs Community License : gratuite pour la recherche et l'usage non commercial ; l'usage commercial exige une inscription et s'arrête au-dessus de 1 million de dollars de revenus annuels ou de financement total ; attribution « Powered by KittenML » ; pas d'entraînement de modèles génératifs fondamentaux sur les sorties ; révocable. Le modèle de locuteur pyannote inclus est en MIT et le code est en Apache 2.0. Auto-hébergé, l'audio ne quitte jamais votre machine.
- Quelles sont les meilleures alternatives à KittenTTS 2 ?
- Les alternatives les plus proches que nous avons testées sont Kokoro-82M, Chatterbox, Qwen3-TTS et OmniVoice.
Réponses vérifiées le 28 oct. 2026.