KugelAudio

KugelAudio 是一款实时文本转语音模型，支持语音克隆和低延迟，适合开发者和企业自托管或 API 调用。

Maker 说

嗨 PH 👋 我是 KugelAudio 的 Kajo。我们四个人在柏林，现在在旧金山做 YC。我们在为未来构建产品，我们相信未来是对话式的。

今天我们发布了一款支持声音克隆的实时 TTS 模型。如果你只有一分钟时间，以下是你需要知道的。

你可以从 30 到 60 秒的音频中克隆声音。放一段短样本，就能立刻得到一个可用的声音。

我们针对语音智能体做了优化，延迟低于 60 毫秒（不含网络延迟），支持输入流和输出流。

我们提供本地部署支持，你可以在自己的集群里运行模型，而不用调用我们的 API。当数据需要留在你网络内时，这个方案很有用。

适配 LiveKit、Pipecat 和 Vapi。提供 Python、JS 和 Java 的 SDK。有免费套餐，你不需要先联系我们就能试用。

我们的创始工程师 Alex 今天会在帖子里回答硬核问题：模型架构、延迟的来源、这个版本之前我们搞坏了什么才让它正常工作。随便问！