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

本仓库是基于原始Kokoro v0.19仓库的克隆版本，并进行了以下修改：

1. 移除了munch依赖项。
2. 移除了phonemizer依赖项，改为直接调用espeak。
   • 通过直接使用espeak实现了相同的音素转换功能。
   • espeak相关文件需位于系统PATH路径或与kokoro.py同一目录下：
     • Windows用户所需的文件已包含在本仓库中（espeak-ng.exe、libespeak-ng.dll和espeak-ng-data），但其他平台可在此获取类似文件。
3. 在kokoro.py中添加了expand_acronym()函数以改善发音（例如："NASA" → "N. A. S. A."）。

依赖项精简

原始v0.19仓库需要约10多个依赖项。

Kokoro 1.0版本额外引入了自定义的misaki依赖项，这会导致约80个新增依赖项。

• 开发者显然致力于完善音素转换并计划支持多语言，这些目标都很棒。
• 但个人认为，如果将1.0版本模型的质量视为100%的"黄金标准"，那么v0.19版本模型的质量可达98%。

这2%的差异不值得引入80多个依赖项，因此本仓库得以存在。

附带影响是本仓库目前仅支持英语和英式英语，但如果这已满足需求，避免80多个依赖项显然是值得的。

安装指南

1. 下载本仓库
2. 创建虚拟环境，激活后安装适用于CPU或CUDA的torch版本。

• 示例：

pip install https://download.pytorch.org/whl/cpu/torch-2.5.1%2Bcpu-cp311-cp311-win_amd64.whl#sha256=81531d4d5ca74163dc9574b87396531e546a60cceb6253303c7db6a21e867fdf  

3. pip install scipy numpy==1.26.4 transformers fsspec==2024.9.0
4. pip install sounddevice（如需使用下方示例脚本则安装，否则可安装类似库）

基础用法

（此处保留原始代码，仅作格式转换）  

下方为原始模型卡片