Kitten-TTS 2：全球首个 1.58-bit 开源 TTS，开启 CPU 实时语音生成新纪元

KittenML 正式发布 Kitten-TTS 2 的代码与权重，这是全球首款基于 1.58-bit 三进制权重架构的开源语音合成模型，实现了在普通 CPU 上进行高质量、低延迟的实时语音推理。

• ▶ 极致效率：通过 1.58-bit 量化技术，该模型彻底摆脱了对高端 GPU 的依赖，使得在边缘设备或廉价 CPU 服务器上部署 SOTA 级别的语音服务成为可能。
• ▶ 全能表现：在极度压缩参数的同时，完整保留了零样本语音克隆（Zero-shot Cloning）、多语言支持以及精细的情感与重音控制能力。

八卦洞察

Kitten-TTS 2 的发布标志着生成式 AI 正在从“算力霸权”向“算法效率”转型。1.58-bit（BitNet 架构）此前在 LLM 领域引起轰动，而 KittenML 将其成功引入 TTS 领域，证明了三进制权重在处理连续音频信号方面的巨大潜力。这不仅是技术上的突破，更是对 ElevenLabs 等中心化语音 API 服务商的直接挑战。对于追求隐私保护和低成本自托管的企业而言，这是一款具有分水岭意义的产品，预示着“离线语音助手”将迎来爆发期。

行动建议

开发者应立即关注其三进制权重架构在移动端和嵌入式设备上的适配表现；企业级用户可评估该模型在低功耗客服机器人、离线翻译设备及隐私敏感型场景中的应用潜力，以大幅降低推理成本并提升响应速度。