KugelAudio

概要

自分の環境でホストできるリアルタイムTTS。声のクローン機能と60ms未満のレイテンシを実現、オンプレミスまたはAPI経由で利用可能。25言語以上に対応する文法対応の正規化、語単位のタイムスタンプとIPA対応。LiveKit、Pipecat、Vapi用アダプター、Python/JS/JavaのSDK、無料枠あり。

特徴

• 30〜60秒の音声から声をクローン
• 入力ストリーミングと出力ストリーミングを最適化
• オンプレミス実行でデータを社内ネットワークに保持

互換性とエコシステム

• アダプター: LiveKit / Pipecat / Vapi
• SDK: Python / JavaScript / Java
• 開発チーム: ベルリン在住の4名