कोकोरोName

Standard

नैसर्गिक गुणवत्तेसह तेज, हलके TTSName

Very Fast वेग
Good गुणवत्ता
नाही क्लोन
9 भाषाName

विषयी कोकोरोName

[Translation temporarily unavailable. Please try again.]

मुख्य वैशिष्ट्ये

अति- हलके

82M पैरामीटर, ~300MB मॉडेल आकार. कमीत कमी साधनांसह CPU वर चालविले जाते.

जवळजवळ वास्तविक वेळ

याचा वापर वायुमार्गे प्रवासी वाहतूक करण्यासाठी, तसेच द्रुतगती रेल्वेसाठी केला जातो.

बहुभाषिकName

इंग्रजी, फ्रेंच, स्पॅनिश, हिंदी, जपानी, चिनी, इटली, पोर्तुगीज आणि कोरियाई भाषांना समर्थन देते.

आवाज मिश्रण

दोन शब्द एकत्र करून एकच शब्द तयार केला जातो.

वापरा प्रकरणे

वास्तविक वेळ संवादबॉट व आभासी सहाय्यकName पाठ्य- ते- वक्तव्य किनारा वितरण आणि मोबाईल अनुप्रयोग उच्च-वॉल्यूम बॅच प्रक्रिया

वापर कसे कराल कोकोरोName

  1. 1

    मोफत नोंदणी करा किंवा डेमोचा वापर करा

    Create a free TextToSpeechAI account to get 200 starter credits, or use the no-signup demo to hear Kokoro instantly. The standard tier means Kokoro only costs 10 credits per 1000 characters.

  2. 2

    कोकोरो आवाज निवडा

    आवाज ब्राउजर उघडा व तुमच्या लक्ष्य भाषांत Kokoro आवाज निवडा (9 समर्थीत, इंग्रजी ते जपानी व कोरियाई). तुम्ही Kokoro आवाज मिश्रण वापरू शकता दोन आवाज इच्छिक संयोजनात मिसळण्याकरीता.

  3. 3

    पाठ्य प्रविष्ट करा

    संपादक अंतर्गत वाचनजोगी पाठ्य टाइप करा किंवा चिकटवा. कोकोरो लहान 82M- परिमाण, जवळजवळ वास्तविक वेळ इंजिन द्वारे लांब खंड प्रभावीपणे हाताळतो.

  4. 4

    वेग समायोजित करा व बनवा

    वापराप्रमाणे चालविण्याची गती निश्चित करा, मग तयार करा वर क्लिक करा. कोकोरो वास्तविक वेळेपेक्षा जलद ऑडिओ रेंडरिंग करते, त्यामुळे तुमचे भाषण लगेचच तयार होते.

  5. 5

    API डाउनलोड करा किंवा वापरा

    Download the finished audio as MP3 or WAV, or automate generation through the TextToSpeechAI REST API at api.texttospeechai.com for batch and real-time workloads.

कोकोरोName API

Generate speech programmatically using the TextToSpeechAI REST API.

curl -X POST "https://api.texttospeechai.com/v1/generate/" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "रॉयल नेव्हीने या प्रकारच्या विमानांना अतिशय वेगवान व प्रभावी असे म्हणतात.",
    "voice": "en_US-lessac-medium"
  }'

वारंवार विचारले जाणारे प्रश्न

कोकोरो हे फक्त ८२ दशलक्ष पैरामीटरसह अतिशय हलके पाठ्य- ते- वक्तव्य मॉडेल आहे. त्याच्या लहान आकारासह, ते अनेक भाषांमधून वास्तविक वेळ वेगाने, CPU वरही, नैसर्गिक आवाजाचे भाषण तयार करते.

होय, कोकोरो पूर्णपणे अपाचे 2.0लाइसेन्स आहे - दोन्ही कोड व मॉडेल वजन. ते कोणत्याही मर्यादाशिवाय व्यावसायिक अनुप्रयोगात मोफत वापरले जाऊ शकते.

कोकोरो इंग्रजी (अमेरिकन आणि ब्रिटिश), फ्रेंच, स्पॅनिश, हिंदी, जपानी, चिनी, इटली, पोर्तुगीज आणि कोरियाई भाषांना समर्थन देते.

कोकोरो सर्वात जलद उपलब्ध TTS मॉडेलपैकी एक आहे. ते CPU वरही वास्तविक वेळ चालविण्याच्या वेगापेक्षा जलद भाषण निर्माण करते, संवाद अनुप्रयोग करीता हे आदर्श बनविते.

नाही, Kokoro आवाज क्लोन करीता समर्थन पुरवत नाही. ते आवाज मिश्रण क्षमता सह संरक्षित आवाज लायब्ररीचा वापर करते. आवाज क्लोन करीता, F5- TTS, Chatbox, StyleTTS2, OpenVoice किंवा Tortoise चा वापर करा.

कोकोरो दोन आवाज एकत्र मिसळून एक वेगळे संयोजन बनवू शकते. हे तुम्हाला पारंपारिक आवाज क्लोन करण्याशिवाय इच्छिक आवाज गुणधर्म बनवण्यास परवानगी देईल.

दोन्ही वेगवान, हलके मॉडेल आहेत. Kokoro कडे अधिक आधुनिक रचना आहे व आवाज ब्लेंडिंग करीता समर्थन आहे, तर Piper कडे मोठे आवाज लायब्ररी आहे. दोन्ही वास्तविक वेळ अनुप्रयोग करीता उत्तम आहेत.

CPU वर चालविण्याकरीता Kokoro चे रचना केले गेले आहे व कमीत कमी साधनांची आवश्यकता असते - सुमारे 300MB. GPU ची गरज नाही, तरीही GPU त्वरण त्वरित कार्यपद्धती करीता समर्थीत आहे.

होय. कोकोरो प्लेबॅकपेक्षा CPU वरही जास्त वेगाने भाषण निर्माण करते, खूप कमी लाटेन्सीसह, म्हणून ते चॅटबॉट्स, आवाज सहाय्यक, आणि लाइव स्ट्रीमिंग करीता उत्तम आहे. त्याचे 82M- पैरामीटर आकार स्मृती वापर छोटा ठेवतो, उच्च वॉल्यूम आणि किनारा वितरण करीता ते व्यवहार्य बनविते.

आवाज मिश्रण तुम्हाला दोन Kokoro आवाज एकत्र मिसळण्यास परवानगी देतो, इच्छिक वैशिष्ट्यांसह एक अद्वितीय संयोजन निर्माण करण्यासाठी. हे पारंपारिक आवाज क्लोनिंग नाही - तुम्ही नमूने पासून विशिष्ट व्यक्तीचे पुनरुत्पादन करू शकत नाही - पण ते तुम्हाला ठराविक आवाज लायब्ररीपेक्षा अधिक विविधता देते. तुम्ही TextToSpeechAI संपादक अंतर्गत थेट मिश्रण सह प्रयोग करू शकता.

दोन्ही गतीमान, CPU- मैत्रीपूर्ण, आवाज क्लोनिंग विना मानक- स्तर इंजिन आहेत. कोकोरो सर्वात हलके आहे (सुमारे 300MB) व9भाषा द्वारे आवाज मिश्रण करीता समर्थन पुरवते, तर मेलोटीटीएस अनेक इंग्रजी उच्चार व वास्तविक- वेळ बहुभाषिक आऊटपुट करीता लक्ष केंद्रित करते. सर्वात लहान फॉन्टफॉन्ट व मिश्रण करीता कोकोरो निवडा; विशिष्ट उच्चारांची आवश्यकता असल्यास मेलोटीटीएस निवडा.

Kokoro is a standard-tier engine, costing 10 credits per 1000 characters - the lowest tier on TextToSpeechAI. New accounts get 200 free credits, so you can try Kokoro without paying. This makes it one of the most cost-effective ways to generate high-quality speech at scale.

Technical Specs

  • Generation Speed Very Fast
  • Output Quality Good
  • Voice Cloning Not Supported
  • Languages 9
  • GPU VRAM CPU OK
  • Credits/1000 chars 10

Try कोकोरोName Now

Generate your first audio free. No credit card required.

Start Free