Klein-TTS-X1.5-Pro

Klein-TTS-X1.5-Pro

用 13.1M 参数的模型把文字变成四种语言的 24 kHz 语音，有 17 种声音，在 CPU 上比实时还快。适合需要小而快的语音模型的开发者。

由 klein-ml 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Klein-TTS-X1.5-Pro 是一个 13.1M 参数的小型语音模型。它能说四种语言：英语、意大利语、法语和西班牙语，输出 24 kHz 的音频。它带有 17 种声音，也可以混合使用。它属于 Klein-TTS X1.5 系列，卡片说这些模型即使在普通 CPU 上，说话速度也快于播放速度。

适合谁：需要为应用、助手和工具提供小而快的声音、使用这四种语言之一的开发者。

Industry | Who uses it | How they use it | Example
软件 | 应用开发者 | 不用大模型就给应用加上语音输出 | 在笔记本 CPU 上朗读一条状态消息
无障碍 | 工具开发者 | 用多种语言朗读文字 | 用西班牙语或意大利语读一条简短通知
媒体 | 创作者 | 用选定的声音为短句配音 | 用一个指定的声音生成一段简短旁白

如果你需要最高的质量，可以跳过它，因为卡片显示 82M 的 Kokoro 模型在两项指标上得分更高。

用在哪里：

• 使用 Hugging Face Transformers 的 Python
• 普通 CPU，或用 GPU 提速
• Windows、macOS 或 Linux

Use case | Who | What they get back
文字转语音 | 开发者 | 一个 24 kHz 单声道音频文件
声音选择 | 工具开发者 | 17 种声音之一，或同一语言内的混合
语速控制 | 创作者 | 更快或更慢的语音，训练范围是 0.9 到 1.1

如何设置：

• 带 pip 的 Python
• Transformers 库
• 不需要单独的语音库，因为仓库自带模型代码

1. 安装 Hugging Face hub 包。
2. 下载模型，或在 Transformers 里按名称加载。
3. 加载时允许远程代码，因为仓库带有自定义模型代码。

pip install -U huggingface_hub
hf download klein-ml/Klein-TTS-X1.5-Pro

如何使用：用 AutoModel 加载模型，用你的文字和一种声音调用 tts，再把波形保存成 WAV 文件。voices 调用会列出某种语言的推荐声音。

from transformers import AutoModel

repo = "klein-ml/Klein-TTS-X1.5-Pro"
model = AutoModel.from_pretrained(repo, trust_remote_code=True).eval()

out = model.tts("Hello from Klein TTS. This is a small model that speaks four languages.", voice="Sarah")
model.save_wav("hello.wav", out.waveform, out.sample_rate)

Tool | What it does
model.tts | 用选定的声音把你的文字变成语音
model.save_wav | 把波形保存成 WAV 文件
model.voices | 列出某种语言的推荐声音

示例：你用 Sarah 这个声音请它读一句简短的英语。模型返回一段波形，你把它保存成 24 kHz 的 WAV 文件。

新手与专家：如果你是新手，运行上面这段短脚本，听听生成的文件。然后再试试别的声音或语言。

生成器把音素变成音频。文本编码器先预测每个音持续多久，再预测音高和响度。然后由围绕谐波声源和逆 STFT 输出级搭建的解码器生成音频。训练采用从合成语音蒸馏的方式，用到了 GAN 目标和来自 WavLM 的特征损失。

文字变成音素
编码器预测时长
预测音高和能量
解码器写出波形
你保存成 24 kHz 的 WAV 文件

注意事项：

• 卡片报告在 300 个留出句子上 UTMOS 为 4.44，词错误率为 2.51%
• 82M 的 Kokoro 模型在 UTMOS 和 SCOREQ 上得分更高
• 加载用到 trust_remote_code，所以先看一遍仓库代码
• License: Apache 2.0
• Cost to run: 没有列出费用
• Data it reaches: 你发送的文字，以及从 Hugging Face 下载的文件
• Not for: 卡片没有列出禁止的用途

Title: Parameters across the X1.5 family
Flash Lite: 0.4 百万
Flash: 1.7 百万
Pro: 13 百万

Hugging Face 上的数据（2026年11月13日）

• 任务：text to speech
• 框架：pytorch
• 参数量：13.1M
• Weights: about 52 MB in F32; about 7 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：258
• 点赞：10
• 许可证：apache-2.0
• 语言：en, es, fr, it
• 标签：pytorch, onnx, safetensors, klein_tts, text-to-speech, multilingual, distillation, on-device, kleinml, klein-tts

链接

• 模型：https://huggingface.co/klein-ml/Klein-TTS-X1.5-Pro
• 文件：https://huggingface.co/klein-ml/Klein-TTS-X1.5-Pro/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download klein-ml/Klein-TTS-X1.5-Pro

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。