跳到正文

Kokoro-82M

8200 万参数的开源文本转语音模型

访问官网

Kokoro-82M 是什么

Kokoro-82M 是由 hexgrad 创建并托管在 Hugging Face 上的开源文本到语音模型,拥有 8200 万参数,采用 Apache 2.0 许可证。它在 2024 年 12 月 25 日发布 v0.19 版本,并提供 10 种独特的语音包。

你可以用它做什么

  • 将美国英语和英国英语文本转换为语音
  • 用多种语音包生成不同风格的语音
  • 为智能语音助手提供自然的语音输出
  • 把文本转为语音朗读,用于有声读物与新闻播报

上手流程

  • 在 Google Colab 中安装 espeak-ng、phonemizer 等依赖
  • 从 Hugging Face 克隆模型仓库
  • 用提供的脚本构建模型并加载默认语音包
  • 调用 generate 函数传入文本与语音包,生成 24khz 音频与音素

模型说明

  • 2024 年 12 月 25 日发布 v0.19 版本
  • 提供 10 种独特的语音包
  • 资料称其在 TTS Spaces Arena 中排名第一
  • 支持 ONNX 格式部署,并配有 API 与文档

优点与缺点

✓ 我们认可的地方

  • 以少量参数和数据实现高质量语音合成
  • 提供易用的 API 与文档,方便开发者集成

! 需要留意的地方

  • 资料列出的支持语言为美国英语和英国英语
  • 文档流程需要在 Google Colab 中安装依赖

常见问题

模型规模与许可证是什么?

资料说明为 8200 万参数,采用 Apache 2.0 许可证。

生成语音要调用什么?

资料说明调用 generate 函数,传入文本与语音包,生成 24khz 音频和音素。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法