许可证：Apache-2.0
语言：

• 英语
  基础模型：
• yl4579/StyleTTS2-LJSpeech
  任务标签：文本转语音

Kokoro 是一款拥有8200万参数的开源权重TTS模型。尽管架构轻量，其音质却能与更大模型媲美，同时具备显著的速度优势和成本效益。通过Apache许可的权重，Kokoro可部署于从生产环境到个人项目的任何场景。

⬆️ Kokoro已升级至v1.0！ 查看版本发布。

✨ 现在可通过 pip install kokoro 安装！参见使用指南。

• 版本发布
• 使用指南
• 音频样本 ↗️
• 音色列表 ↗️
• 模型参数
• 训练细节
• 创作共用许可声明
• 致谢

版本发布

使用指南

通过 pip install kokoro 安装推理库，代码库位于 https://github.com/hexgrad/kokoro

可在Google Colab运行以下代码。试听样本。

# 1️⃣ 安装kokoro  
!pip install -q kokoro>=0.3.4 soundfile  
# 2️⃣ 安装espeak（用于英语OOD回退及部分非英语语言支持）  
!apt-get -qq -y install espeak-ng > /dev/null 2>&1  
# 🇪🇸 'e' => 西班牙语es  
# 🇫🇷 'f' => 法语fr-fr  
# 🇮🇳 'h' => 印地语hi  
# 🇮🇹 'i' => 意大利语it  
# 🇧🇷 'p' => 巴西葡萄牙语pt-br  

# 3️⃣ 初始化管道  
from kokoro import KPipeline  
from IPython.display import display, Audio  
import soundfile as sf  
# 🇺🇸 'a' => 美式英语, 🇬🇧 'b' => 英式英语  
# 🇯🇵 'j' => 日语: pip install misaki[ja]  
# 🇨🇳 'z' => 普通话: pip install misaki[zh]  
pipeline = KPipeline(lang_code='a') # <= 确保语言代码与音色匹配  

# 以下文本仅作演示，训练时未接触过  
text = '''  
（此处保留英文示例文本，实际翻译时需替换为对应中文内容）  
'''  

# 4️⃣ 循环生成、播放并保存音频  
generator = pipeline(  
    text, voice='af_heart', # <= 修改音色参数  
    speed=1, split_pattern=r'\n+'  
)  
for i, (gs, ps, audio) in enumerate(generator):  
    print(i)  # 索引编号  
    print(gs) # 文本内容  
    print(ps) # 音素序列  
    display(Audio(data=audio, rate=24000, autoplay=i==0))  
    sf.write(f'{i}.wav', audio, 24000) # 保存音频文件  

底层技术依赖 misaki 音素转换库，代码库位于 https://github.com/hexgrad/misaki

模型参数

架构特性:

• 基于StyleTTS 2论文：https://arxiv.org/abs/2306.07691
• 采用ISTFTNet：https://arxiv.org/abs/2203.02395
• 纯解码器结构：不含扩散模型，未发布编码器

架构设计: Li et al @ https://github.com/yl4579/StyleTTS2

训练负责人: Discord用户@rzvzn

支持语言: 美式英语、英式英语、法语、印地语

模型SHA256哈希值: 496dba118d1a58f5f3db2efc88dbdc216e0483fc89fe6e47ee1f2c53f18ad1e4

训练细节

数据来源: 仅使用允许商用/无版权音频数据及IPA音素标签训练，包括：

• 公有领域音频
• Apache/MIT等许可音频
• 大型厂商闭源TTS模型生成的合成音频^[1]
  
  [1] 参考美国版权局政策：https://copyright.gov/ai/ai_policy_guidance.pdf
  
  注：未使用开源TTS模型或"定制语音克隆"生成的合成音频

总数据集规模: 数百小时音频

总训练成本: 约1000美元（1000小时A100 80GB显存）

创作共用许可声明

以下CC BY许可音频被用于Kokoro v1.0训练：

致谢

• 🛠️ 感谢@yl4579设计StyleTTS 2架构
• 🏆 感谢@Pendrokar将Kokoro列入TTS竞技场
• 📊 感谢所有合成训练数据贡献者
• ❤️ 特别鸣谢算力赞助方
• 👾 Discord社区：https://discord.gg/QuGxSWBfQy
• 🪽 "Kokoro"在日语中意为"心"或"灵魂"，也是《终结者》系列AI角色名