Hacker Newsで注目された超小型CPU向けTTS、Kitten TTS v0.8

2026年3月19日のHacker Newsで目立ったもう1つの投稿は、Kitten TTS v0.8のShow HNだった。このスレッドは今回のクロール時点で308 points、104 commentsに達している。リポジトリの説明によれば、Kitten TTSはONNXベースのtext-to-speech libraryで、15M、40M、80M parameterのモデルを用意し、ディスク上ではおよそ25 MBから80 MB、CPUでGPUなしでも動かせることを前面に出している。出力は24 kHzで、built-in voiceも8種類ある。

このプロジェクトが受けた理由は、狙っている課題がはっきりしているからだ。speech toolの多くはcloud依存、GPU前提、あるいは単純なローカル用途には重すぎる。Kitten TTSはそれに対して、小さい配布サイズ、offline実行、シンプルなPython APIを強調している。だからedge deployment、local assistant、軽量desktop appのようなユースケースで特に関心を集めた。

Hacker Newsで出た実務的な論点

• 多くのユーザーはsizeに対する音質を高く評価し、あるコメントでは80M modelがIntel 9700 CPUで約1.5x realtimeで動いたと報告されていた。
• 一方で、数字の読み上げ、単位、voice naturalnessといったedge caseもすぐに試され、より自然なvoiceやJapanese対応を求める声が出た。
• インストール時に大きなdependencyが入る点も指摘された。つまり、"tiny"を名乗るならpackaging体験そのものも重要な評価対象になるということだ。

このスレッドは、open-source TTS市場の評価軸がかなり現実的になっていることも示した。小さくて速いだけでは足りない。ユーザーはvoiceの学習データがどこから来たのか、licenseやprovenanceにどんな保証があるのか、production用途にどこまで耐えられるのかを気にしている。ローカルspeech modelの評価が、便利さだけでなく信頼性まで含む段階に入っているわけだ。

Kitten TTSはまだdeveloper preview扱いなので、今回のHacker Newsの反応は最終評価というより強い初期関心として読むべきだ。それでもこの投稿は、普通のCPUで動き、benchmark demoを超えて実用になりそうなcompact speech modelへの需要が確実にあることを示している。