KittenTTS 2의 개요
KittenTTS 2는 Y Combinator의 투자를 받은 Stellon Labs의 브랜드 KittenML이 만든 텍스트 음성 변환 모델로, 2026년 9월 말 Hugging Face에 공개됐습니다. 파라미터 15M~80M 규모인 KittenTTS 0.8 릴리스와는 종류가 다른 모델입니다. 1.7B(17억) 파라미터 음성 언어 모델이 S3 코덱 토큰을 쓰고, 보코더가 이를 24 kHz 오디오로 바꿉니다. 선형 가중치는 삼진(각각 세 값 중 하나)이라 기본 다운로드는 954 MB이며, 일반 bf16의 3,469 MB와 비교해 두 방식의 오디오 출력은 비트 단위로 동일합니다.
내장 음성 115개를 제공하고, 한 화자의 5~30초 음성으로 목소리를 복제하며, 감정 태그 10개, <laugh> 같은 발성 이벤트 태그 10개, 삼중 괄호 강조를 지원합니다. 이 기능들은 모두 베타로 표시돼 있습니다. 모델 카드는 16개 언어의 음성을 명시하고, GitHub README는 20개를 나열합니다. kittenml Python 패키지(PyTorch, NVIDIA의 vLLM, Apple silicon의 MLX)나 CPU용 KittenML llama.cpp 포크로 실행합니다.
Python 코드는 Apache 2.0이지만 가중치는 Stellon Labs Community License를 따르며, 연 매출이나 누적 투자 유치액이 $1 million(100만 달러)을 넘는 순간 무료 상업 이용이 끝납니다. 이를 뒷받침하는 GitHub 저장소의 스타는 약 16,600개입니다.
KittenTTS 2의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| Weights | Free | Stellon Labs Community License. 매출과 투자 유치액 $1 million 미만에서 상업 이용 가능 |
| Enterprise licence | Not published | 기준을 넘으면 필요 |
연구용, 그리고 매출과 투자 유치액이 각각 $1 million 미만인 상업 사용자에게는 등록을 조건으로 Stellon Labs Community License에 따라 가중치가 무료입니다. 호스팅 API 가격은 공개되지 않았습니다.
KittenTTS 2, 쓸 만한 가치가 있습니까?
KittenTTS 2는 흥미로운 압축 성과지만 품질을 뒷받침할 근거가 너무 적습니다. 1.7B 음성 모델을 삼진 가중치로 묶어 다운로드를 손실 없이 954 MB로 줄였습니다. KittenML의 MLX 문서는 그것이 왜 중요한지 설명합니다. 생성은 음성 1/25초마다 순전파 한 번이고 메모리 대역폭이 병목이라, 토큰당 3.5 GB 대신 약 1.4 GB를 읽는 것이 곧 속도 향상입니다. KittenML이 공개하지 않은 것은 단어 오류율, 청취 테스트, 리더보드 기록이며, 이 모델은 Artificial Analysis의 텍스트 음성 변환 보드 두 곳 모두에 없습니다.
'CPU에서 돌아간다'는 약속은 꼼꼼히 읽어야 합니다. KittenML 자체 MLX 가이드는 기본 PyTorch 백엔드가 Apple-silicon Mac에서 실시간보다 느리게 돈다고 말하고, Better Stack의 글은 짧은 문장 하나에 그곳에서 몇 초가 걸렸다고 전했습니다. 빠른 경로는 베타 C++ 포크입니다. 8스레드 Xeon에서 초당 45.7 토큰을 생성하는데, 오디오 1초당 25 토큰이므로 우리 계산으로는 보코더를 돌리기 전 언어 모델만으로 실시간의 약 1.8배입니다. RTX 3060에서는 4비트 가중치를 쓴 vLLM이 긴 구절 처리 시간을 PyTorch의 45.20초에서 10.38초로 줄입니다.
음성 복제가 대표 기능이고, KittenML이 내놓은 수치는 자체 측정 하나뿐입니다. 처음 보는 녹음을 복제했을 때 화자 유사도 0.81입니다. 가중치 라이선스는 동의나 사칭을 언급하지 않습니다. Stellon Labs에 연락해야만 볼 수 있는 이용 정책을 가리킬 뿐이라, 실존 인물 음성 복제에 관한 규칙은 공개돼 있지 않습니다.
더 큰 걸림돌은 라이선스입니다. 무료 상업 이용에는 Stellon Labs 등록이 필요하고, 본인이나 계열사의 연 매출 또는 누적 투자 유치 총액이 $1 million을 넘으면 끝납니다. 시드 라운드를 마친 스타트업 대부분이 제외되는 셈입니다. 제품에는 'Powered by KittenML'을 표시해야 하고, 출력물로 파운데이션 생성 모델을 학습할 수 없으며, 이용 허가는 철회될 수 있습니다. Artificial Analysis 오픈 웨이트 보드에 오른 Chatterbox와 Kokoro는 훨씬 단순한 조건을 제공합니다.
제 역할을 하는 곳
Linux 노트북용 오프라인 읽기 앱을 만드는 1인 개발자
클라우드 호출도 GPU도 없이 기사를 소리 내어 읽기
kitten-tts-2-cpp를 빌드하고 디스크 용량 39 MB인 student_w4 디코더를 씁니다. 스트리밍 서버가 아닌 배치 CLI라고 생각하고, 입력은 나눠서 넣습니다. KittenML은 긴 구절을 한 번에 넣으면 모델이 잘라 내거나 반복으로 흐른다고 말합니다.
소형 음성 복제 모델을 비교하는 대학 음성 연구실
삼진 압축이 bf16 대비 품질을 얼마나 깎는지 측정하기
연구 이용은 무료이고, 저장소에 같은 가중치의 bf16, 삼진, 4비트 임베딩 버전이 모두 있어 한 연구에서 바로 비교할 수 있습니다. KittenML은 단어 오류율을 공개하지 않으므로 연구실 자체 평가가 실제 공백을 메웁니다.
$2 million을 유치한 시드 단계 스타트업의 CTO
KittenTTS 2를 유료 제품에 넣을 수 있는지 확인하기
별도 라이선스 없이는 안 됩니다. 누적 투자 유치액이 $1 million을 넘으면 매출과 관계없이 무료 상업 허가가 끝납니다. 상업 조건은 info@stellonlabs.com으로 요청해야 하며, 가격은 공개되지 않았습니다.
도입 전 확인할 점
- 설정
- pip install kittenml 후 KittenML/kitten-tts-2를 불러와 음성 이름이나 참조 클립을 넣어 generate를 호출합니다. Hugging Face 로그인은 필요 없습니다. KittenML은 여유 메모리 약 8 GB의 CUDA GPU 또는 RAM 약 6 GB의 CPU와 디스크 약 2 GB를 요구합니다.
- 연동
- 기본은 PyTorch이고, NVIDIA용 선택적 vLLM 백엔드(드라이버 580 이상), Apple silicon용 MLX 백엔드, OpenAI 호환 음성 API와 음성 복제를 갖춘 Docker 이미지, Python 바인딩이 있는 llama.cpp 포크 kitten-tts-2-cpp가 있습니다.
- 데이터와 개인정보
- Stellon Labs Community License: 연구와 비상업 이용은 무료입니다. 상업 이용은 등록이 필요하고 연 매출 또는 누적 투자 유치액이 $1 million을 넘으면 중단됩니다. 'Powered by KittenML' 표기가 필요하고, 출력물로 파운데이션 생성 모델을 학습할 수 없으며, 철회될 수 있습니다. 함께 들어 있는 pyannote 화자 모델은 MIT, 코드는 Apache 2.0입니다. 셀프 호스팅하면 오디오가 내 기기를 떠나지 않습니다.
- 대규모 사용 시 비용
- 셀프 호스팅 비용은 낮습니다. KittenML의 vLLM 벤치마크는 RTX 3060 12 GB 한 장을 쓰고, C++ 런타임은 CPU에서 트랜스포머 가중치를 약 357 MiB에 담습니다. 호스팅되는 KittenML 플랫폼은 로그인이 필요하며 가격을 공개하지 않습니다.
- 제한
- 감정 제어는 베타이며 음성마다 다릅니다. 영어 텍스트 정규화기는 normalize=False로 두지 않으면 다른 언어의 숫자와 날짜를 망가뜨립니다. 스트리밍은 청크 단위라 약 380자 미만의 텍스트는 한 청크로 도착합니다. C++ 런타임은 스트리밍을 못 하고, 복제 음성을 준비하려면 오프라인 Python 단계가 필요하며, 그 TQ2_1 GGUF는 기본 llama.cpp에서 로드되지 않습니다.
좋은 점
- 무손실 삼진 다운로드 954 MB, 손실 임베딩을 쓰면 469 MB
- 5~30초 오디오로 음성 복제
- 감정 태그와 발성 이벤트 태그를 갖춘 내장 음성 115개
- CPU, NVIDIA(vLLM), Apple-silicon(MLX) 백엔드
아쉬운 점
- 정확도나 청취 테스트 결과가 공개되지 않았고, Artificial Analysis 보드에 없음
- 매출 $1 million 또는 투자 유치 $1 million에서 무료 상업 이용 종료
- 이용 정책이 공개되지 않음
- 기본 PyTorch 백엔드는 Mac에서 실시간보다 느림
추천 대상
일반 하드웨어에서 오프라인 음성 복제를 원하고, 검증되지 않은 품질 상한을 감수할 수 있는 취미 개발자, 연구자, 투자를 받지 않은 개발 자.
KittenTTS 2 대안
KittenTTS 2: 자주 묻는 질문
- KittenTTS 2, 쓸 만한 가치가 있습니까?
- KittenTTS 2는 음성 복제 모델을 1기가바이트 미만으로 압축했지만, KittenML 외부에서 소리 품질을 보여 준 곳은 아직 없고, 라이선스는 투자를 받은 회사 대부분을 배제합니다. 평점은 5점 만점에 3.4점입니다.
- KittenTTS 2의 가격은 얼마입니까?
- 연구용, 그리고 매출과 투자 유치액이 각각 $1 million 미만인 상업 사용자에게는 등록을 조건으로 Stellon Labs Community License에 따라 가중치가 무료입니다. 호스팅 API 가격은 공개되지 않았습니다.
- KittenTTS 2의 단점은 무엇입니까?
- 정확도나 청취 테스트 결과가 공개되지 않았고, Artificial Analysis 보드에 없음; 매출 $1 million 또는 투자 유치 $1 million에서 무료 상업 이용 종료; 이용 정책이 공개되지 않음; 기본 PyTorch 백엔드는 Mac에서 실시간보다 느림.
- KittenTTS 2에 적합한 사람은 누구입니까?
- 일반 하드웨어에서 오프라인 음성 복제를 원하고, 검증되지 않은 품질 상한을 감수할 수 있는 취미 개발자, 연구자, 투자를 받지 않은 개발자.
- 팀이나 프로덕션 환경에서 KittenTTS 2의 비용은 얼마입니까?
- 셀프 호스팅 비용은 낮습니다. KittenML의 vLLM 벤치마크는 RTX 3060 12 GB 한 장을 쓰고, C++ 런타임은 CPU에서 트랜스포머 가중치를 약 357 MiB에 담습니다. 호스팅되는 KittenML 플랫폼은 로그인이 필요하며 가격을 공개하지 않습니다.
- KittenTTS 2에 회사 데이터를 맡겨도 안전합니까?
- Stellon Labs Community License: 연구와 비상업 이용은 무료입니다. 상업 이용은 등록이 필요하고 연 매출 또는 누적 투자 유치액이 $1 million을 넘으면 중단됩니다. 'Powered by KittenML' 표기가 필요하고, 출력물로 파운데이션 생성 모델을 학습할 수 없으며, 철회될 수 있습니다. 함께 들어 있는 pyannote 화자 모델은 MIT, 코드는 Apache 2.0입니다. 셀프 호스팅하면 오디오가 내 기기를 떠나지 않습니다.
- KittenTTS 2의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Kokoro-82M, Chatterbox, Qwen3-TTS 및 OmniVoice입니다.
답변 확인일: 2026년 10월 28일.