KI Text-to-Speech (KittenTTS Micro)

Kostenloser KI-Text-to-Speech-Generator mit KittenTTS im Browser

Was ist KittenTTS und wie funktioniert es?

KittenTTS ist eine Familie quelloffener Text-to-Speech-Modelle auf Basis der StyleTTS-2-Architektur, die direkt in deinem Browser natürlich klingende Sprache erzeugt. Das Tool wandelt deinen Text zunächst mit einem Phonemizer in Phoneme um und verarbeitet sie anschließend in einem neuronalen Netz, das über WebAssembly oder WebGPU läuft. Dabei werden keine Daten an einen Server gesendet: Nach dem einmaligen Herunterladen des Modells findet die gesamte Berechnung lokal auf deinem Gerät statt.

Welches KittenTTS-Modell sollte ich wählen?

Die drei KittenTTS-Varianten setzen unterschiedliche Schwerpunkte bei Qualität, Geschwindigkeit und Downloadgröße:

• KittenTTS Mini (80 Millionen Parameter, ca. 79 MB): Bietet die höchste Sprachqualität und eine ausdrucksstarke Prosodie. Die beste Wahl für Inhalte, bei denen ein natürlicher Klang besonders wichtig ist. Läuft über WASM.
• KittenTTS Nano (15 Millionen Parameter, ca. 56 MB): Erzeugt Sprache am schnellsten und unterstützt in Chrome und Edge die Beschleunigung per WebGPU. Bietet ein gutes Verhältnis aus Qualität und Leistung.
• KittenTTS Micro (40 Millionen Parameter, ca. 41 MB): Hat die kleinste Downloadgröße und eignet sich daher besonders für langsamere Internetverbindungen. Läuft über WASM.

Alle drei Modelle bieten dieselben acht Stimmen und eine einstellbare Sprechgeschwindigkeit.

Welche Stimmen stehen in KittenTTS zur Verfügung?

KittenTTS enthält acht integrierte Stimmen: Bella, Jasper, Luna, Bruno, Rosie, Hugo, Kiki und Leo. Jede Stimme hat ihre eigene Tonlage und Klangfarbe. Außerdem kannst du die Sprechgeschwindigkeit zwischen 0,5- und 2,0-fach einstellen - für eine schnellere Erzählstimme oder eine langsamere, besonders deutliche Aussprache.

Kann ich die erzeugte Audiodatei herunterladen?

Ja. Nach der Spracherzeugung kannst du das Ergebnis direkt im Browser anhören und als WAV-Datei herunterladen. KittenTTS gibt Mono-Audio mit 24 kHz aus. Das eignet sich unter anderem für Voice-over, Präsentationen, barrierefreie Inhalte und Podcasts.

Bleibt mein Text bei diesem KI-Sprachtool privat?

Die gesamte Verarbeitung läuft in deinem Browser, dein Text wird niemals auf einen Server hochgeladen. Das KI-Modell wird einmalig von Hugging Face heruntergeladen und anschließend lokal zwischengespeichert, sodass spätere Aufrufe sofort starten können. Damit eignet sich das Tool auch für vertrauliche Dokumente, persönliche Nachrichten oder geschäftliche Inhalte.

Wie schneidet KittenTTS im Vergleich zu cloudbasierten TTS-Diensten ab?

Cloudangebote wie Google Cloud TTS oder Amazon Polly unterstützen zwar möglicherweise mehr Sprachen und Stimmen, KittenTTS verbindet jedoch eine überzeugende Sprachqualität mit wichtigen Vorteilen: keine Kosten pro Zeichen, vollständige Datenhoheit, Offline-Nutzung nach dem ersten Download und keine Registrierung. Für englische Sprachausgabe ohne laufende Gebühren ist KittenTTS eine praktische Alternative.

Kann ich KittenTTS für lange Texte verwenden?

Das Tool teilt längere Texte automatisch in einzelne Sätze auf, verarbeitet sie nacheinander und fügt die Ergebnisse zu einer Audiodatei zusammen. Es gibt keine künstliche Zeichenbegrenzung. Entscheidend sind lediglich der Arbeitsspeicher und die Rechenleistung deines Geräts.

Welche Browser unterstützen KittenTTS?

KittenTTS läuft in allen modernen Browsern mit WebAssembly-Unterstützung, darunter Chrome, Edge, Firefox und Safari. KittenTTS Nano kann in Chromium-basierten Browsern zusätzlich WebGPU verwenden und dadurch schneller Audio erzeugen. Für die beste Leistung empfiehlt sich eine aktuelle Version von Chrome oder Edge.

Kostenlose Sprachausgabe für Barrierefreiheit und Content-Erstellung

Das Tool eignet sich, um Blogbeiträge als Audio anzubieten, Voice-over für Videos zu erstellen, Skripte vor einer Aufnahme probezuhören oder geschriebene Inhalte für blinde und sehbehinderte Menschen zugänglich zu machen. Da KittenTTS lokal und ohne Nutzungslimits arbeitet, kannst du beliebig viel Audio erzeugen - ganz ohne Konto oder Abonnement.

Weitere Tools für deinen Audio-Workflow

Mit unserem Audio-zu-Video-Visualizer kannst du die erzeugte Sprachaufnahme als Wellenform visualisieren und daraus ein teilbares Video erstellen. Möchtest du umgekehrt Audio wieder in Text umwandeln, hilft dir der mit Whisper AI betriebene KI-Audio-Transkriptor. Für einen anderen Stimmklang kannst du außerdem das Text-to-Speech-Modell MMS-TTS Englisch ausprobieren.