关于 角
Kokoro是一个超轻量级的82M参数 TTS 模型,以惊人的速度发出自然声音。 它几乎实时运行,甚至连CPU上,它使它在低潜伏至关重要的应用中成为理想。 Kokoro支持多种语言,并提供语音混合能力。
关键特征
超轻
82M参数, ~ 300MB 模型大小。 以最少的资源运行在 CPU 上 。
近实时
生成语音速度比回放速度更快, 即使没有 GPU 加速 。
多语言
支持英文、法文、西班牙文、印地语、日文、中文、意大利文、葡萄牙文和韩文。
语音混合
将两个声音混合在一起 创造独特的声音组合
使用案例
实时闲闲闲和虚拟助理
实时流文本到语音
边缘部署和移动应用
高容量批量处理
如何使用 角
-
1
免费签名或试试演示
创建一个免费的 TextToSpeechAI 账户, 以获得200 个初始学分, 或者使用无签名演示即时听到 Kokoro 。 标准阶梯意味着 Kokoro 仅花费每 1000 个字符 10 个学分 。
-
2
选一个小口口口音
打开语音浏览器, 并以您的目标语言选择一个 Kokoro 声音( 支持 9 个, 从英语到日语和韩语 ) 。 您也可以使用 Kokoro 声音混合, 将两个声音混在一起, 变成定制组合 。
-
3
输入文本
输入或粘贴您想要向编辑讲的文字。 Kokoro 使用轻度82M参数, 接近实时引擎, 能够高效地处理长通道 。
-
4
调整速度并生成
设置播放速度以适合您的使用模式, 然后单击 Generate 。 Kokoro 提供音速比实时快, 所以您的演讲几乎可以马上准备好 。
-
5
下载或使用 API
以 MP3 或 WAV 下载完成的音频, 或通过 api. texttospeechai. com 的 TextToSpeechAI REST API 自动生成, 用于批量和实时工作量 。
角 API AIP AIPI AIP
以TextToSpeechAIREST API 生成有计划的语言。
curl -X POST "https://api.texttospeechai.com/v1/generate/" \
-H "Authorization: Bearer YOUR_API_TOKEN" \
-H "Content-Type: application/json" \
-d '{
"text": "科科罗以惊人的速度和效率 来发表自然演讲",
"voice": "en_US-lessac-medium"
}'常问问题
科科罗是一个超轻量级文本到语音模型,只有8 200万个参数。 尽管面积小,它还是以近实时速度,甚至以CPU的速度,在多种语言中制作了自然声音。
是的,Kokoro完全拥有Apache 2. 0的许可,包括代码和模型重量,可以不受限制地自由用于商业应用。
Kokororo支持英语(美国和英国)、法语、西班牙语、印地语、日语、中文、意大利语、葡萄牙语和韩语。
Kokoro是最快的 TTS 模型之一。 它生成的语音速度甚至比在CPU上实时回放速度更快, 这使得它更适合互动应用程序 。
科科罗不支持语音克隆,它使用具有语音混合能力的特许语音图书馆。 对于语音克隆,使用F5-TTS、聊天盒、StwinTTS2、OpenVoice或乌龟。
科科罗可以将两个声音混在一起, 创造独特的组合。 这样你就可以创造自定义的声音特征, 而不使用传统的语音克隆。
光量级模型都是快速的。 Kokoro拥有更现代化的建筑,支持语音混合,而Piper拥有更大的语音图书馆。 两者都非常适合实时应用。
Kokoroo设计在CPU上运行,需要最少的资源 -- -- 大约300MB。不需要GPU,尽管GPU加速加速得到支持,甚至更快的处理。
是的。 Kokoro的发音速度甚至比CPU的回放速度快,而且低潜伏,因此它非常适合聊天机、语音助理和现场流传。 它的82M参数大小使得记忆使用很小,因此对于高容量和边际部署来说是实用的。
语音混合可以混合两个Kokoro 声音, 以创建与自定义特性的独特组合。 这不是传统的克隆声音, 无法从样本中复制某个特定的人, 但是它比固定的语音库更能给你更多种类。 您可以直接在 TextToSpeechAI 编辑中实验混合 。
这两种语言都是快速的、方便CPU的标准级引擎,没有语音克隆。 Kokoro是最轻的( 约300MB), 支持9种语言的语音混合, 而MelotTS 则关注多个英语口音和实时多语种输出。 选择Kokoro 来选择最小的足迹和混合; 在需要特定口音时选择 MoloTTS 。
Kokoro是一个标准级引擎,每1000个字符要花费10个信用额度,最低的为TextToSpeechAI个。新账户获得200个免费信用额度,这样你可以不付钱就尝试Kokoro。这使得它成为产生规模高质量演讲的最符合成本效益的方法之一。
Technical Specs
- Generation Speed Very Fast
- Output Quality Good
- Voice Cloning Not Supported
- Languages 9
- GPU VRAM CPU OK
- Credits/1000 chars 10