loudkit 是一个在自有硬件上运行的本地文本转语音工具，由 loudreader 开发，采用 Apache-2.0 许可证。它最初服务于阅读应用 LoudReader，作为其语音引擎。
主要能力
loudkit 提供 28 种声音，覆盖 10 种语言：英语、西班牙语、法语、德语、意大利语、波兰语、葡萄牙语、荷兰语、瑞典语和丹麦语。英语拥有 10 种声音，其余每种语言有 2 种。声音来自为语音技术捐赠的录音，或 CC0、CC-BY 语料库；VOICES.md 记录了每个声音的来源、许可证和同意依据。
它支持声音克隆：使用 5 到 10 秒的单人录音，可生成约 150 KB 的可移植声音配置文件。录音需为你自己拥有或已获授权使用的内容。默认克隆方式会在停顿处剪切录音并在结尾填充静音；Python 中的 lk.enroll(...) 以及各移植版本中的 enroll 会保留原始录音，如需获得 loudkit clone 的效果，可在 Python 中向 lk.enroll 传入 end_in_silence=True。
模型方面，loudreader/loudr-1 是默认模型，loudreader/loudr-1-turbo 速度更快但听起来略不自然。两者都可在所有后端和五种 SDK 中运行，通过传给 load 的字符串选择模型。首次运行会下载 747 MB 的模型和 28 种声音，之后即可离线运行。
SDK 与使用方式
loudkit 提供 Python、Swift、Go、Rust 和 TypeScript 原生 SDK。各移植版本按名称加载模型：首次调用会下载并校验模型，后续调用离线运行。Swift 版本基于 CoreML，支持 macOS 14 或 iOS 17；Go 和 Rust 版本基于 ONNX Runtime，需要机器上安装 libonnxruntime；TypeScript 版本基于 ONNX Runtime，要求 Node 20。五个实现均通过同一套一致性测试。
Python 使用示例：speak 默认写出 out.wav，--play 用系统播放器播放，-o hello.wav 指定文件名。其他英语声音用法相同，例如 --voice kathleen 或 --voice henry。除非传入 --language，否则声音使用自己的语言朗读文本。engine.voices() 列出 28 个名称，所有声音都在两个模型下载中并可按名称加载。synthesize 会将长文本拆分为块并返回一个波形；engine.stream(...) 逐块生成相同音频，因此可以提前开始播放。
服务与集成
loudkit 可以跨多个请求保持一个已加载的引擎，提供以下服务方式：
- loudkit serve：HTTP 服务器，包含 loudkit 自有路由、/v1/synthesize/stream 上的 Server-Sent Events 流式传输，以及返回完整话语的 OpenAI 兼容 /v1/audio/speech。使用 OpenAI 语音 API 的智能体（如 Hermes Agent 和 OpenClaw）仅通过配置即可连接。
- loudkit serve --grpc：同样的引擎，背后是带背压的类型化 schema。
- loudkit serve --mcp：基于 stdio 的 MCP 服务器，供智能体宿主使用（预览版）。 此外还有用于 Linux 屏幕阅读器的 Speech Dispatcher 模块（位于 integrations/）以及服务器的 Docker 镜像和 compose 配置。
输出与验证
默认情况下，从 Python 保存的 WAV 和服务器返回的 WAV 回复都携带一个无符号、机器可读的备注，说明音频是如何生成的，包括模型、声音、种子和后端，并包含音频的校验和。loudkit verify 可读取该备注。Go、Rust、JS 和 Swift 移植版本写入不含备注的普通 PCM。该备注不是 C2PA：没有任何签名，C2PA 工具也不会读取它。
限制
loudkit 是一个推理工具包，不提供账户、计费、多租户、模型训练或情绪控制。公开部署时需自行添加身份验证、速率限制和 TLS。维护者会关闭请求帮助进行未披露的冒充、绕过声音认证或从生成音频中剥离备注的 issue 和 pull request。
在评估方面，只有英语经过人工听测；其他九种语言有自动化检查，但没有母语者评审。
性能方面，根据 0.1.1 版本在 2026-09-06 的测量，批量工作负载下 token 生成器在 RTX 3090 上使用 loudr-1 时，批大小 1 可达 16.7 倍聚合吞吐量，批大小 64 可达 57.3 倍；使用 loudr-1-turbo 时为 42.0 倍到 155.0 倍。最高测量结果为 A100 上批大小 64 的 turbo 达到 223.6 倍（loudr-1 为 85.3 倍）。这些数字来自 research/bench_batch.py，它通过 token 生成器重放录制的 token 序列；采样、预填充和渲染不在计时循环内，因此这些数字既不是单请求延迟，也不是端到端 RTF。完整命令、硬件和注意事项见 Benchmarks。
